- Il deterioramento cognitivo lieve (MCI) spesso precede lo sviluppo della malattia di Alzheimer.
- Le scansioni MRI funzionale (fMRI) possono catturare sottili segni di MCI, ma sono difficili da interpretare.
- I ricercatori lituani hanno sviluppato un algoritmo di deep learning che ha identificato MCI in un piccolo studio.
Uno dei primi indicatori della malattia incipiente di Alzheimer (AD) è lo sviluppo di MCI. Cambiamenti sottili e difficili da rilevare nel cervello accompagnano l’MCI con l’avanzare della condizione.
Ora, uno studio condotto da ricercatori della Kaunas University of Technology (KTU) in Lituania presenta un algoritmo informatico di apprendimento profondo di nuova concezione in grado di rilevare e differenziare con precisione le fasi dell’MCI dalle scansioni fMRI.
L’algoritmo può identificare MCI e le sue fasi con una precisione superiore al 99%.
L’MCI è uno stato di transizione tra il normale declino cognitivo legato all’età e la demenza. Non sempre progredisce verso l’AD, ma spesso lo fa, e la diagnosi precoce dell’AD può consentire alle persone che ne sono affette di trarre maggiori benefici dal trattamento.
“I professionisti medici di tutto il mondo tentano di aumentare la consapevolezza di una diagnosi precoce di Alzheimer, che fornisce alle persone colpite una migliore possibilità di beneficiare del trattamento”, afferma il ricercatore capo dello studio, il dott. Rytis Maskeliūnas.
Claire Sexton, DPhil, che è direttrice dei programmi scientifici e della divulgazione presso l’Alzheimer’s Association e non è stata coinvolta nella ricerca, ha detto Notizie mediche oggi:
“Una diagnosi precoce e accurata può avere benefici emotivi, sociali e medici, consentendo alle persone di elaborare piani legali, finanziari e assistenziali, esplorare le opzioni di trattamento e partecipare a studi clinici”.
Lo studio, che KTU Ph.D. lo studente Modupe Odusami guidato, appare nel diario MDPI.
Rilevamento algoritmico accurato
Sebbene sia possibile riconoscere manualmente l’MCI nelle immagini fMRI, si tratta di un’attività che richiede tempo e che richiede una conoscenza dettagliata. In quanto tale, è un candidato ideale per l’automazione che utilizza il deep learning. L’apprendimento profondo è un tipo di algoritmo informatico che può imparare a rilevare modelli nei dati che potrebbero essere troppo piccoli o oscuri per essere riconosciuti facilmente dagli esseri umani.
Lavorando con i collaboratori nell’intelligenza artificiale, i ricercatori della KTU hanno modificato un noto algoritmo esistente, ResNet 18, per metterlo a punto per il rilevamento di MCI.
Dopo il processo di formazione, i ricercatori hanno testato l’algoritmo classificando le scansioni fMRI di 138 individui.
Le scansioni hanno rappresentato sei stadi cognitivi, a partire da un controllo sano e passando dall’MCI all’AD. Nel differenziare tra MCI precoce e AD, l’algoritmo era accurato al 99,99%. Era anche accurato al 99,95% nel distinguere tra MCI tardivo e AD e tra MCI e MCI precoce.
Il dottor Maskeliūnas osserva:
“Anche se questo non è stato il primo tentativo di diagnosticare l’insorgenza precoce dell’Alzheimer da dati simili, la nostra principale svolta è l’accuratezza dell’algoritmo”.
“Ovviamente”, afferma il dott. Maskeliūnas, “numeri così alti non sono indicatori di prestazioni reali nella vita reale, ma stiamo lavorando con le istituzioni mediche per ottenere più dati”.
MNT ha chiesto al Dr. Maskeliūnas le sue aspettative per l’accuratezza del mondo reale dell’algoritmo. Ha risposto: “Direi che un 85+% affidabile sarebbe comunque di beneficio per un medico, riducendo [their] carico di lavoro sull’analisi dei dati”.
“In questa fase”, ha detto, “stiamo lavorando su algoritmi di messa a punto e, nonostante i risultati ottenuti su un set di dati controllato raccolto da altri, è molto probabile che dovremo ancora rielaborarlo per tenere conto delle variazioni in dati realistici.”
Il Dr. Sexton ha suggerito che è troppo presto per confermare il valore dell’algoritmo, dicendo:
“Questo è uno studio interessante ma piccolo (25 partecipanti con Alzheimer). Di conseguenza, non possiamo ancora trarre conclusioni sulla nuova tecnica diagnostica proposta”.
Dice il dott. Sexton sull’algoritmo: “È necessaria la replica di questi risultati in gruppi di studio più ampi e diversificati per valutarne il potenziale”.
Il futuro dell’algoritmo
Il Dr. Maskeliūnas prevede lo sviluppo di un’app basata su algoritmi che i medici potrebbero utilizzare per identificare l’MCI nelle persone a rischio di MA. Potrebbero quindi indirizzare questi individui al trattamento.
È anche interessato alla possibilità di incorporare l’algoritmo del team in un sistema di autocontrollo che includa altri metodi diagnostici precoci attualmente in fase di studio. Esempi di questi altri metodi sono il monitoraggio dei movimenti oculari, la lettura del viso e l’analisi vocale.
Secondo il dottor Sexton, queste nuove tecnologie “sono ancora oggetto di indagine. Alcuni vengono ora incorporati negli studi, anche se in via esplorativa, per raccogliere dati aggiuntivi da studi su più ampia scala. In conclusione: sebbene stiano decisamente avanzando in termini di utilizzo, non sono ancora in uso clinico.
Nel Comunicato stampa KTU, il Dr. Maskeliūnas afferma: “Dobbiamo sfruttare al meglio i dati. Ecco perché il nostro gruppo di ricerca si concentra sul principio europeo della scienza aperta, in modo che chiunque possa utilizzare le nostre conoscenze e svilupparle ulteriormente. Credo che questo principio contribuisca notevolmente al progresso della società”.
Il Dr. Maskeliūnas conclude:
“Le tecnologie possono rendere la medicina più accessibile ed economica. Anche se non sostituiranno mai, o almeno non presto, il professionista medico, le tecnologie possono incoraggiare la ricerca tempestiva di diagnosi e aiuto”.
