L’intelligenza artificiale aiuta a diagnosticare un lieve deterioramento cognitivo che progredisce fino all’Alzheimer
Un lieve deterioramento cognitivo precede il morbo di Alzheimer ma non necessariamente porta ad esso
Il morbo di Alzheimer è la principale causa di demenza nel mondo. Sebbene non esista una cura, la diagnosi precoce è considerata fondamentale per poter sviluppare trattamenti efficaci che agiscano prima che il suo progresso sia irreversibile.
Il decadimento cognitivo lieve è una fase che precede la malattia, ma non tutti coloro che ne soffrono finiscono per sviluppare l’Alzheimer. Uno studio condotto da scienziati dell’Universitat Oberta de Catalunya ( UOC ) e pubblicato sull’IEEE Journal of Biomedical and Health Informatics , è riuscito a distinguere con precisione tra le persone il cui deterioramento è stabile e quelle che progrediranno verso la malattia . La nuova tecnica, che utilizza metodi specifici di intelligenza artificiale per confrontare le immagini di risonanza magnetica, è più efficace degli altri metodi attualmente in uso.
Perfezionare la diagnosi
Il morbo di Alzheimer colpisce più di 50 milioni di persone in tutto il mondo e l’invecchiamento della popolazione significa che nei prossimi decenni potrebbero esserci molti più malati. Sebbene di solito si sviluppi senza alcun sintomo per molti anni, è generalmente preceduto da quello che è noto come deterioramento cognitivo lieve, che è molto più lieve del danno presentato dalle persone con Alzheimer, ma più grave di quanto ci si aspetterebbe per qualcuno della loro età. “Questi pazienti possono progredire e peggiorare o rimanere nelle stesse condizioni con il passare del tempo. Ecco perché è importante distinguere tra deterioramento cognitivo progressivo e stabile al fine di prevenire la rapida progressione della malattia”, ha affermato Mona Ashtari-Majlan, Ricercatore UOC nell’IA per il Benessere Umano ( AIWELL), che è affiliato all’eHealth Center e alla Facoltà di Informatica, Multimedialità e Telecomunicazioni . È una studentessa del programma di dottorato in Network and Information Technologies , supervisionata da David Masip , e l’autore principale dell’articolo.
Identificare correttamente questi casi potrebbe aiutare a migliorare la qualità degli studi clinici utilizzati per testare i trattamenti, che cercano sempre più di mirare alle fasi iniziali della malattia. Per fare ciò, i ricercatori hanno utilizzato un metodo che coinvolge una rete neurale convoluzionale multi-stream , che è una tecnica basata sull’intelligenza artificiale e sull’apprendimento profondo che è molto utile per il riconoscimento e la classificazione delle immagini.
“Per prima cosa abbiamo confrontato la risonanza magnetica di pazienti con malattia di Alzheimer e persone sane per trovare punti di riferimento distinti”, ha spiegato Ashtari-Majlan. Dopo aver addestrato il sistema, hanno messo a punto l’architettura proposta con immagini di risonanza di persone a cui era già stato diagnosticato un deterioramento cognitivo stabile o progressivo con differenze molto più piccole. In totale, sono state utilizzate quasi 700 immagini da set di dati pubblicamente disponibili .
Secondo Ashtari-Majlan, il processo “supera la complessità dell’apprendimento causata dai sottili cambiamenti strutturali che si verificano tra le due forme di decadimento cognitivo lieve, che sono molto più piccole di quelle tra un cervello normale e un cervello colpito dalla malattia. Inoltre, , il metodo proposto potrebbe affrontare il problema della piccola dimensione del campione, in cui il numero di risonanza magnetica per casi di decadimento cognitivo lieve è inferiore a quello per l’Alzheimer”.
Il nuovo metodo consente di distinguere e classificare le due forme di decadimento cognitivo lieve con un tasso di accuratezza prossimo all’85% . “I criteri di valutazione mostrano che il nostro metodo proposto supera quelli esistenti”, ha affermato, inclusi metodi più convenzionali e altri basati sull’apprendimento profondo, anche quando sono combinati con biomarcatori come l’età e test cognitivi. Inoltre, “possiamo condividere la nostra implementazione con chiunque desideri riprodurre i risultati e confrontare i loro metodi con i nostri. Crediamo che questo metodo possa aiutare i professionisti ad ampliare la ricerca”, ha concluso.
