Ricerche

In tutto il mondo, circa 44 milioni di persone vivono con il morbo di Alzheimer (AD) o una forma correlata di demenza. Sebbene l'82% degli anziani negli Stati Uniti affermi che è importante verificare il proprio pensiero o la memoria, solo il 16% afferma di ricevere valutazioni cognitive regolari.

Per i professionisti della salute sono ampiamente disponibili molti strumenti tradizionali di valutazione della memoria, sebbene rimangano prevalenti le lacune nella precisione e nell'affidabilità della selezione e del rilevamento. Ma anche con il sempre più usato strumento MemTrax, un test di memoria online molto semplice che usa il riconoscimento delle immagini, l'efficacia clinica di questo nuovo approccio come strumento di screening della funzione di memoria non è stata sufficientemente dimostrata o convalidata.

Nella pratica, ci sono numerosi fattori integrati e complessi da considerare per interpretare i risultati dei test di valutazione della memoria, che rappresentano una vera sfida per i medici. Tutti questi fattori sono una barriera collettiva nell'affrontare adeguatamente la crescente e diffusa prevalenza del MA e di chi è affetto dalla malattia.

L'intelligenza artificiale può essere la soluzione per testare e gestire questa complessa condizione di salute umana? Un gruppo di ricercatori della Florida Atlantic University, di SIVOTEC Analytics, di HAPPYneuron, di MemTrax e della Stanford University, la pensano così e hanno messo alla prova la loro teoria.

I ricercatori hanno usato una nuova applicazione di apprendimento automatico e modellazione predittiva per dimostrare e convalidare l'utilità trasversale di MemTrax come strumento di screening a supporto delle decisioni cliniche per valutare il deterioramento cognitivo.

I risultati dello studio, pubblicati sul Journal of Alzheimer's Disease, introducono l'apprendimento automatico supervisionato come approccio moderno e nuovo strumento complementare a valore aggiunto nella valutazione della salute cognitiva del cervello e nella relativa cura e gestione del paziente.

I risultati dimostrano la potenziale validità dell'uso clinico di MemTrax, somministrato nell'ambito del test online Continuous Recognition Tasks (M-CRT), per individuare le variazioni della salute cognitiva del cervello. In particolare, un confronto tra MemTrax e la riconosciuta e ampiamente utilizzata Montreal Cognitive Assessment Estimation per il lieve deterioramento cognitivo, evidenzia la potenza e le potenzialità di questo nuovo strumento e approccio online per valutare la memoria a breve termine nel supporto diagnostico per lo screening e la valutazione cognitivi con varie condizioni cliniche e deterioramenti, compresa la demenza.

Taghi Khoshgoftaar PhD, co-autore e docente nel Dipartimento di Computer, Ingegneria Elettrica e Informatica della FAU, ha detto:

"L'apprendimento automatico ha una capacità intrinseca di rivelare schemi e informazioni significativi da una vasta e complessa matrice interdipendente di determinanti clinici e la capacità di continuare a 'imparare' da utilità continue di modelli predittivi pratici.

"L'uso senza interrruzione e l'interpretazione in tempo reale miglioreranno la gestione dei casi e la cura del paziente attraverso tecnologie innovative e applicazioni cliniche integrate subito utilizzabili che potrebbero essere sviluppate in dispositivi e app portatili".

Per lo studio, i ricercatori hanno usato un dataset esistente (18.395) di HAPPYneuron. Hanno esaminato le risposte alle domande generali di esami sanitari (che riguardavano memoria, qualità del sonno, farmaci e condizioni mediche che influenzano il pensiero), informazioni demografiche e risultati dei test di un campione di adulti che hanno fatto il test MemTrax (M-CRT) per lo screening della memoria episodica.

Le prestazioni di MemTrax e le caratteristiche dei partecipanti sono state usate come attributi indipendenti: veri positivi/negativi, percentuale di risposte/corrette, tempo di risposta, età, sesso e consumo di alcol recente. Per la modellazione predittiva, hanno usato informazioni demografiche e punteggi dei test per prevedere la classificazione binaria delle domande relative alla salute (sì/no) e lo stato generale di salute (sano/malato), in base alle domande di screening.

L'autore senior Michael F. Bergeron PhD di SIVOTEC Analytics, ha affermato:

"I risultati del nostro studio sono un passo importante nel far progredire l'approccio per la gestione clinica di una condizione molto complessa come il MA.

"Analizzando una vasta gamma di attributi in più domini del sistema umano e comportamenti funzionali della salute del cervello, estraendo dati avanzati informati e strategicamente orientati, l'apprendimento automatico supervisionato e una solida analisi possono essere parte integrante, e di fatto necessari, per gli operatori sanitari per rilevare e anticipare ulteriori progressi in questa malattia e una miriade di altri aspetti del deterioramento cognitivo".

Il MA è la sesta causa di morte negli Stati Uniti, che colpisce 5,8 milioni di americani. Secondo l'Alzheimer's Association, questo numero è destinato a salire a 14 milioni entro il 2050. Nel 2019, il MA e le altre forme di demenza costeranno alla nazione $ 290 miliardi. Entro il 2050, questi costi potrebbero salire fino a $ 1,1 trilioni di dollari.

Stella Batalama PhD, preside della facoltà di  College of Engineering and Computer Science della FAU, ha detto:

"Con la sua prevalenza diffusa e incidenza crescente e il peso sulla sanità pubblica, è imperativo assicurare che gli strumenti usati dai medici per testare e gestire il MA e le altre condizioni cognitive correlate siano ottimali.

"I risultati di questo importante studio forniscono nuovi spunti e scoperte che pongono le basi per future ricerche significative e di forte impatto".