![Immagini di scansioni cerebrali elettroniche](https://media.post.rvohealth.io/wp-content/uploads/sites/3/2024/01/brain-scans-AI-ADHD-1296x728-header-1024x575.jpg)
- In una nuova ricerca presentata all’incontro annuale della Radiological Society of North America, i ricercatori hanno utilizzato l’intelligenza artificiale per esaminare le scansioni cerebrali di adolescenti con e senza disturbo da deficit di attenzione e iperattività (ADHD).
- Questo approccio ha identificato differenze nei tratti della sostanza bianca del cervello degli individui con ADHD, fornendo ulteriori informazioni sulla condizione.
- L’ADHD colpisce circa 6 milioni di bambini e adolescenti negli Stati Uniti, rendendo la diagnosi e l’intervento precoci cruciali per migliorare il benessere in una società sempre più influenzata dalle distrazioni.
Il disturbo da deficit di attenzione e iperattività (ADHD) può causare difficoltà nel mantenere l’attenzione, nella gestione dei livelli di energia e nel controllo degli impulsi.
Si manifesta tipicamente durante l’infanzia e può influenzare in modo significativo il benessere di un individuo e la sua capacità di funzionare nella società.
Negli Stati Uniti, circa
Gli esperti affermano che diagnosticare l’ADHD può essere difficile poiché i professionisti medici spesso si affidano a sondaggi auto-riferiti di natura soggettiva. Dicono che c’è una chiara richiesta di metodi di diagnosi più oggettivi.
In una nuova ricerca presentata all’incontro annuale della Radiological Society of North America a novembre, gli scienziati hanno riferito di un tipo di intelligenza artificiale (AI) ad apprendimento profondo per esaminare le scansioni MRI di adolescenti con e senza ADHD.
I ricercatori hanno affermato di aver scoperto importanti differenze in alcune strutture cerebrali chiamate tratti della sostanza bianca nelle persone con ADHD.
Utilizzo del deep learning dell’intelligenza artificiale per identificare gli indicatori di ADHD
I ricercatori hanno affermato che il loro studio, che non è stato ancora pubblicato in una rivista sottoposta a peer review, è importante perché è il primo a utilizzare il deep learning per identificare gli indicatori dell’ADHD.
Il deep learning è un tipo di intelligenza artificiale in grado di riconoscere automaticamente modelli e connessioni all’interno di grandi quantità di dati.
Justin Huynh, MS, coautore dello studio e ricercatore presso il Dipartimento di Neuroradiologia dell’Università della California a San Francisco e studente di medicina presso il Carle Illinois College of Medicine di Urbana-Champaign nell’Illinois, ha detto Notizie mediche oggi che hanno analizzato un ampio set di dati di immagini cerebrali di adolescenti con e senza ADHD.
“Abbiamo scoperto che, in media, c’erano differenze statisticamente significative nell’imaging tra i partecipanti allo studio con e senza [attention deficit],” Egli ha detto.
Ci auguriamo che i nostri risultati costituiscano un passo promettente verso il raggiungimento di una migliore comprensione dell’ADHD da un punto di vista biologico, nonché un modo più standard, obiettivo e accurato per diagnosticare la condizione.
Justin Huynh, MS
Studio dei dati di scansione MRI e indagini cliniche
La ricerca ha coinvolto dati provenienti da scansioni cerebrali, indagini cliniche e altre informazioni raccolte da 21 siti di ricerca negli Stati Uniti.
I dati di imaging cerebrale utilizzati includevano una tecnica specializzata di risonanza magnetica (MRI) nota come imaging pesato in diffusione (DWI).
I precedenti tentativi di utilizzare l’intelligenza artificiale per il rilevamento dell’ADHD hanno incontrato difficoltà a causa delle dimensioni ridotte del campione e della natura complessa del disturbo, hanno riferito i ricercatori.
In questo studio, il gruppo di ricerca ha scelto specificamente 1.704 individui costituiti sia da adolescenti con ADHD che da adolescenti senza tale condizione.
Utilizzando le scansioni DWI, hanno estratto misurazioni dell’anisotropia frazionaria (FA) lungo 30 principali tratti della materia bianca all’interno del cervello. L’FA misura il modo in cui le molecole d’acqua si muovono attraverso le fibre di questi tratti.
I valori FA di 1.371 individui sono stati utilizzati per addestrare un modello di intelligenza artificiale ad apprendimento profondo, che è stato successivamente messo alla prova su 333 partecipanti, di cui 193 a cui era stato diagnosticato l’ADHD e 140 senza ADHD.
Attraverso l’uso dell’intelligenza artificiale, i ricercatori hanno affermato di aver fatto una scoperta significativa. Hanno riferito che negli individui con ADHD, i valori FA erano notevolmente più alti in nove tratti della sostanza bianca.
Questi modelli MRI distintivi nelle persone con ADHD non sono stati osservati in precedenza in modo così intricato.
Nella maggior parte dei casi, le irregolarità rilevate in questi tratti della sostanza bianca erano in linea con i sintomi tipicamente associati all’ADHD.
La svolta nello studio sulla scansione cerebrale dell’ADHD
Il dottor David Lefkowitz, specialista in neuroradiologia e direttore medico della risonanza magnetica presso SimonMed Imaging, non coinvolto in questo studio, ha parlato con Notizie mediche oggidicendo: “Sono d’accordo [the researchers’] inquadramento di base dell’ADHD come disturbo complesso con potenziali variazioni strutturali e funzionali alla base della psicopatologia”.
“Storicamente, e con notevoli sforzi, i tentativi di trovare correlazioni strutturali rivelate dalla risonanza magnetica per diagnosticare l’ADHD sono stati in gran parte infruttuosi”, ha detto Lefkowitz.
“Ma potrebbero ancora esistere e gli investigatori qui stanno utilizzando i migliori strumenti disponibili per trovare tali correlazioni utilizzando una combinazione di DTI e deep learning”, ha spiegato.
Sebbene possano esistere anomalie strutturali nell’ADHD se solo guardiamo abbastanza attentamente, questo non è l’approccio investigativo più interessante. Dopotutto, l’ADHD è un disturbo comportamentale. Logicamente, sembrerebbe che una tecnica di imaging che valuti la funzione, non la struttura, sarebbe più promettente. Quindi, studiare le reti funzionali (fMRI) o il metabolismo cerebrale (PET) sarebbe il mio pregiudizio. Tuttavia, penso che sia importante mantenere una mente aperta.
Dottor David Lefkowitz
“Le scoperte avvengono in luoghi inaspettati, quindi il mio scetticismo non dovrebbe essere considerato sprezzante”, ha detto Lefkowitz. “Sarei molto interessato a vedere dove questo porta, soprattutto quando lo studio matura fino a diventare una pubblicazione sottoposta a revisione paritaria.”
Gli sviluppi tecnologici possono migliorare l’accuratezza delle diagnosi di ADHD
Lo ha detto Livia Lifes, amministratore delegato di Neuroute ed esperta di intelligenza artificiale, anch’essa non coinvolta nella ricerca Notizie mediche oggi che “questa ricerca rappresenta un progresso significativo nell’applicazione dell’intelligenza artificiale e dell’analisi dei dati di imaging nel campo della diagnosi dell’ADHD”.
Le tecniche di deep learning non supervisionate, come gli autocodificatori, hanno il potenziale per scoprire sottili modelli strutturali che potrebbero non essere rilevati dai metodi diagnostici tradizionali. Ciò può migliorare notevolmente l’accuratezza della diagnosi di ADHD e fornire preziose informazioni sulla neurobiologia sottostante al disturbo.
Livia Vita
Lefkowitz è d’accordo, affermando che “una tecnica di imaging accurata e non invasiva per i pazienti con ADHD potrebbe essere molto utile nella gestione clinica e anche nelle sperimentazioni farmacologiche”.
“Una delle sfide nel dimostrare l’efficacia dei farmaci è la selezione dei pazienti”, ha affermato. “I costi degli studi clinici sui farmaci sono enormi, in parte perché è necessario un gran numero di pazienti per ottenere risultati statisticamente significativi”.
“Una diagnosi più accurata dell’ADHD e, inoltre, la capacità di stratificare i pazienti in base alla gravità hanno il potenziale per ridurre la dimensione richiesta e quindi il costo di tali studi”, ha aggiunto.
In conclusione, ha affermato Lefkowitz, “le implicazioni vanno oltre la popolazione dei pazienti (che ovviamente ne trarrebbe beneficio), ma riguardano la società in modo più ampio”.