I ricercatori hanno usato l’apprendimento automatico per anticipare l’avanzamento della malattia di Alzheimer nelle persone che sono cognitivamente normali o che presentano un lieve deterioramento cognitivo. Hanno scoperto che prevedere il futuro declino della demenza per gli individui con decadimento cognitivo lieve è più facile e più accurato di quanto non lo sia per gli individui cognitivamente normali o asintomatici e che le previsioni per i soggetti cognitivamente normali sono meno accurate per orizzonti temporali più lunghi, contrariamente a quanto accade per gli individui con decadimento cognitivo lieve. Lo studio è stato pubblicato dalla rivista PLOS ONE.
La malattia di Alzheimer può richiedere anni, a volte decenni, per progredire prima che una persona mostri i sintomi. Una volta diagnosticata, alcune persone declinano rapidamente, ma altre possono convivere con sintomi lievi per anni, il che rende difficile prevedere il tasso di avanzamento della malattia.
I medici spesso si concentrano su un singolo “orizzonte temporale” – di solito tre o cinque anni – per prevedere la progressione dell’Alzheimer in un paziente. I ricercatori hanno usato un sistema di apprendimento automatico in grado di analizzare cinque anni di dati su individui che erano cognitivamente normali o con lieve decadimento cognitivo. I dati, raccolti in uno studio dell’Alzheimer’s Disease Neuroimaging Initiative, comprendevano tutto, dalla storia genetica di un individuo alle scansioni PET e MRI.
Hanno scoperto che le scansioni MRI sono più informative per i casi asintomatici e sono particolarmente utili per prevedere se qualcuno svilupperà sintomi nei successivi tre anni, ma meno utili per la previsione per le persone con lieve decadimento cognitivo. Una volta che un paziente ha sviluppato un lieve deterioramento cognitivo, le scansioni PET, che misurano alcuni marcatori molecolari come le proteine amiloide e tau, sembrano essere più efficaci. Un vantaggio dell’approccio di apprendimento automatico è che le reti neurali sono abbastanza flessibili da poter funzionare nonostante i dati mancanti, come i pazienti che potrebbero aver saltato una risonanza magnetica o una scansione PET.
In futuro i ricercatori contano di modificare il loro sistema in modo che possa elaborare immagini complete o dati genomici, piuttosto che solo misurazioni sommarie, per raccogliere più informazioni che aumenteranno l’accuratezza predittiva.
Fonte: PLoS One. 2022.
https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0277322
