Parkinson e Alzheimer: l’algoritmo svela i fattori di rischio, ecco quali sono

Il ruolo dell'intelligenza artificiale (AI) in ambito medico-sanitario è quotidianamente sempre più importante perchè aiuta non soltanto nell'elaborazione dei dati ma anche per screening precoci e fattori di rischio che potrebbero predisporre un soggetto alla futura insorgenza di terribili malattie. In questo caso, una ricerca del nostro Cnr-Istc (Consiglio nazionale delle ricerche - Istituto di Scienze e tecnologia della cognizione) ha messo in luce il "peso" di alcuni elementi genetici per la futura comparsa di malattie neurodegenerative come Parkinson e Alzheimer.

Lo studio

Grazie a un algoritmo utilizzato per la prima volta si è cercato di capire quanto incide essere uomo o donna e fare una diagnosi precoce di queste malattie. Nel caso specifico è stato utilizzato un algoritmo di AI che ha analizzato una serie di test, dai dati neuropsicologici a quelli genetici ma anche neurofisiologici su un campione di persone, donne e uomini, sani e malati, così da scoprire le differenze in base e quale fosse la categoria maggiormente predisposta. Questo lavoro è stato pubblicato sul 'Journal of the Neurological Sciences' in con due diversi articoli, uno incentrato sul Parkinson e l'altro sull'Alzheimer.

Il caso del Parkinson

L'algoritmo sviluppato per la ricerca sul Parkinson ha scoperto alcuni fattori chiavi (neuropsicologico, genetici e corporei) in grado di provocare la malattia. Per quanto riguarda gli uomini, tra i fattori di rischio la rigidità muscolare e le disfunzioni del sistema nervoso autonomo mentre per le donne sono stati più rilevanti i dati sulle disfunzioni urinarie in grado di "predire" la futura comparsa del morbo. Altri fattori di rischio per entrambi i sessi hanno riguardato sia l'età che la storia familiare della malattia e, in quest'ultimo caso, con un'esposizione maggiore per gli uomini.

Il caso dell'Alzheimer

L'algoritmo utilizzato per l'Alzheimer, invece, ha analizzato l'esito di semplici test neuropsicologici per stimare la probabilità di avere la malattia, in base al sesso, basandosi su fattori "predittori" come la memoria, l'orientamento, l'attenzione e il linguaggio (Mmse). Accanto a questi hanno dato indicazioni significative anche la memoria verbale a breve termine (Avtot) e la memoria episodica a lungo termine (Ldeltotal). "Il sistema di machine learning che abbiamo sviluppato mostra come Mmse è un predittore più efficace dell'Alzheimer nelle donne, mentre negli uomini è essenziale per il monitoraggio a lungo termine. Ldeltotal è più predittivo nelle donne per l'insorgenza della malattia, mentre Avtot è più rilevante negli uomini. Inoltre il livello di istruzione incide in modo diverso sul rischio di Alzheimer, con le donne che presentano un rischio maggiore", ha spiegato il responsabile scientifico Daniele Caligiore, dirigente di ricerca al Cnr-Istc e direttore della Advanced School in Artificial Intelligence (As-Ai).

Cosa può cambiare in ambito medico

L'esperto ha aggiunto che è la prima volta che le ricerche del Cnr-Istc affrontano questo tipo di problematiche grazie a uno speciale algoritmo di machine learning spiegabile, "in grado cioè di rendere trasparente il processo decisionale usato, aumentando l'affidabilità e favorendo l'adozione in ambito medico". Da questi risultati potranno attuarsi tutta una serie di misure che integreranno gli approcci diagnostici già esistenti in grado di migliorare la comprensione e la prevenzione di malattie come Parkinson e Alzheimer. "Compito della ricerca sarà quello di affinare sempre più i test neuropsicologici e i biomarcatori predittivi, con un'attenzione particolare al sesso, così da supportare trattamenti personalizzati", aggiunge Caligiore.

Come detto all'inizio, da questa ricerca si evince quanto sia importante l'intelligenza artificiale per supportare al meglio la medicina grazie alla combinazione di analisi individuali con una visione più ampia.

"Gli algoritmi di machine learning, infatti, possono integrare e analizzare dati specifici del paziente - fisiologici, genetici o legati allo stile di vita - per prevedere l'insorgenza della malattia, monitorarne la progressione e, allo stesso tempo, offrire trattamenti mirati e personalizzati".