Contributi dal mondo Ricerche Algoritmo AI può prevedere con precisione il rischio e diagnosticare l'AlzheimerRicerche
Algoritmo AI può prevedere con precisione il rischio e diagnosticare l'Alzheimer
Dei ricercatori hanno sviluppato un algoritmo informatico basato su intelligenza artificiale (AI) in grado di prevedere con precisione il rischio, e diagnosticare, il morbo di Alzheimer (MA) usando una combinazione di scansioni cerebrali a risonanza magnetica (MRI) e test per misurare il deterioramento cognitivo, insieme ai dati su età e sesso.
La strategia AI, sulla base di un algoritmo di apprendimento profondo, è un tipo di apprendimento automatico, un'applicazione che consente al computer di imparare dai dati disponibili e migliorare l'esperienza. Il MA è la causa principale di demenza in tutto il mondo, colpisce una persona su 10 over-65 ed è la 6a causa di morte negli Stati Uniti.
“Se i computer potessero rilevare con precisione condizioni debilitanti come il MA, usando i dati disponibili, come ad esempio una scansione cerebrale a risonanza magnetica, allora tali tecnologie hanno un potenziale di vasta portata, soprattutto in contesti con risorse limitate”, ha spiegato l'autore senior Vijaya B. Kolachalama PhD, assistente professore di medicina. “Non solo possiamo prevedere con precisione il rischio di MA, ma questo algoritmo può generare visualizzazioni interpretabili e intuitive del rischio individuale di MA nella rotta verso una diagnosi accurata”.
I ricercatori hanno ottenuto da quattro diverse coorti nazionali l'accesso a scansioni MRI grezze del cervello, alla demografia e a informazioni cliniche dei pazienti con MA e di quelli con funzioni cognitive normali. Usando i dati di una di queste coorti, hanno sviluppato un modello innovativo di apprendimento profondo per predire il rischio di MA. Hanno poi dimostrato indipendentemente sulle altre coorti che il loro modello potrebbe prevedere con precisione lo stato della malattia.
Un team internazionale di neurologi esperti ha poi avuto il compito di individuare il MA sullo stesso set di casi. In questo confronto testa a testa, il modello di algoritmo è andato leggermente meglio rispetto alla media dei neurologi. Ha anche dimostrato che le regioni identificate dal modello come ad alto rischio di malattia si sono altamente allineate con i rapporti delle autopsie del cervello di alcuni individui che erano deceduti.
Secondo i ricercatori, questo studio ha vaste implicazioni per espandere l'uso dei dati di neuroscansione, come la MRI, per rilevare con precisione il rischio di MA nel punto di cura. “Se ci sono strumenti accurati per predire il rischio di MA (come quello che abbiamo sviluppato), già pronti e in grado di usare i dati di routine disponibili, come una scansione MRI del cervello, allora hanno il potenziale per aiutare la pratica clinica, soprattutto nelle cliniche della memoria”.
I ricercatori credono che la loro metodologia possa essere estesa ad altri organi del corpo e di poter sviluppare modelli predittivi per la diagnosi di altre malattie degenerative. Questi risultati sono on line sulla rivista Brain.
Fonte: Boston University (> English text) - Traduzione di Franco Pellizzari.
Riferimenti: Shangran Qiu, Prajakta Joshi, Matthew I Miller, Chonghua Xue, Xiao Zhou, Cody Karjadi, Gary Chang, Anant Joshi, Brigid Dwyer, Shuhan Zhu, Michelle Kaku, Yan Zhou, Yazan Alderazi, Arun Swaminathan, Sachin Kedar, Marie-Helene Saint-Hilaire, Sanford Auerbach, Jing Yuan, Alton Sartor, Rhoda Au, Vijaya Kolachalama. Development and validation of an interpretable deep learning framework for Alzheimer’s disease classification. Brain, 1 May 2020, DOI
Copyright: Tutti i diritti di eventuali testi o marchi citati nell'articolo sono riservati ai rispettivi proprietari.
Liberatoria: Questo articolo non propone terapie o diete; per qualsiasi modifica della propria cura o regime alimentare si consiglia di rivolgersi a un medico o dietologo. Il contenuto non rappresenta necessariamente l'opinione dell'Associazione Alzheimer onlus di Riese Pio X ma solo quella dell'autore citato come "Fonte". I siti terzi raggiungibili da eventuali collegamenti contenuti nell'articolo e/o dagli annunci pubblicitari sono completamente estranei all'Associazione, il loro accesso e uso è a discrezione dell'utente. Liberatoria completa qui.
Nota: L'articolo potrebbe riferire risultati di ricerche mediche, psicologiche, scientifiche o sportive che riflettono lo stato delle conoscenze raggiunte fino alla data della loro pubblicazione.
