L'intelligenza artificiale (AI) potrebbe aiutare a diagnosticare il morbo di Alzheimer (MA) più velocemente e migliorare la prognosi del paziente, secondo un nuovo studio eseguito all'Università di Sheffield. La nuova ricerca ha esaminato come l'uso di routine dell'AI nel settore sanitario può aiutare ad limitare i tempi e l'impatto economico delle malattie neurodegenerative comuni, come il MA e il Parkinson, sul sistema sanitario.
Il fattore di rischio principale di molte malattie neurologiche è l'età, e con le popolazioni di tutto il mondo che vivono più a lungo rispetto al passato, si prevede che il numero di persone con una malattia neurodegenerativa potrà arrivare a livelli senza precedenti. Solo il numero di persone con MA dovrebbe triplicare arrivando a 115 milioni entro il 2050, una vera e propria sfida per ogni sistema sanitario.
Il nuovo studio, pubblicato sulla rivista Nature Reviews Neurology, mette in evidenza come le tecnologie di AI, come gli algoritmi ad apprendimento automatico, sono in grado di rilevare patologie neurodegenerative (che provocano la morte di una parte del cervello) prima che peggiorino i sintomi progressivi. Questo può migliorare le possibilità dei pazienti di beneficiare di un trattamento modificante la malattia.
L'autrice senior dello studio, la dott.ssa Laura Ferraiuolo dell'Università di Sheffield, ha detto:
“La maggior parte delle malattie neurodegenerative non ha ancora una cura e in molti casi sono diagnosticate in ritardo a causa della loro complessità molecolare.
“L'implementazione diffusa di tecnologie di AI può aiutare, ad esempio, a prevedere quali, tra i pazienti che mostrano lieve decadimento cognitivo, passeranno al MA, o la gravità del calo delle loro capacità motorie nel corso del tempo.
“Le tecnologie alimentate dall'AI possono essere usati anche per aiutare i pazienti a comunicare i loro sintomi da remoto e nella privacy della propria casa, un enorme beneficio per i pazienti con problemi di mobilità”.
Gli algoritmi di apprendimento automatico possono essere addestrati a riconoscere i cambiamenti causati dalle malattie rilevabili da immagini di scansione, da informazioni sui movimenti del paziente, da registrazioni vocali o filmati che mostrano il comportamento del paziente, rendendo l'AI un ausilio diagnostico prezioso. Ad esempio, possono essere usati da professionisti qualificati nei reparti di radiologia per analizzare le immagini in modo più rapido ed evidenziare i risultati critici per decidere immediatamente il seguito.
Gli algoritmi possono anche ascoltare il parlato dei pazienti e analizzare il loro vocabolario e altre caratteristiche semantiche per valutare la funzione cognitiva. L'apprendimento automatico può anche usare le informazioni contenute all'interno di cartelle cliniche elettroniche o nei profili genetici per suggerire i migliori trattamenti per i singoli pazienti.
Lo studio è il risultato di una collaborazione a lungo termine tra l'azienda biotech BenevolentAI e un team di ricercatori dell'Università di Sheffield: Monika Myszczynska, il dott. Richard Mead e il dott. Guillaume Hautbergue. La prima autrice della ricerca, Monika Myszczynska ha detto:
“L'uso dell'AI in ambito clinico può portare a risparmi nel sistema sanitario nazionale, riducendo la necessità di recarsi in clinica per i pazienti affetti da malattie debilitanti, come la malattia del motoneurone, un beneficio ancora più rilevante durante la pandemia corrente, e il tempo che i pazienti e i medici trascorrono in clinica.
“È troppo presto per parlare di risultati in termini di trattamenti, ma, in questo studio, abbiamo esaminato come possiamo usare i metodi di apprendimento automatico per identificare la migliore linea di trattamento per i pazienti, in base alla progressione della loro malattia o come potrebbero essere usati per identificare nuovi bersagli terapeutici e farmaci.
“Ulteriori ricerche dovranno ora concentrarsi sul miglioramento delle tecnologie diagnostiche attuali, così come sulla generazione di nuovi algoritmi per rendere reale l'uso dell'AI nella previsione della prognosi e nella scoperta di nuovi farmaci. Alimentare l'AI di dati, e quindi generare consorzi e collaborazioni internazionali, sono obiettivi cruciali per questi sforzi futuri”.
Fonte: University of Sheffield (> English text) - Traduzione di Franco Pellizzari.
Riferimenti: Monika Myszczynska, Poojitha Ojamies, Alix Lacoste, Daniel Neil, Amir Saffari, Richard Mead, Guillaume Hautbergue, Joanna Holbrook, Laura Ferraiuolo. Applications of machine learning to diagnosis and treatment of neurodegenerative diseases. Nature Reviews Neurology, 15 July 2020, DOI
Copyright: Tutti i diritti di eventuali testi o marchi citati nell'articolo sono riservati ai rispettivi proprietari.
Liberatoria: Questo articolo non propone terapie o diete; per qualsiasi modifica della propria cura o regime alimentare si consiglia di rivolgersi a un medico o dietologo. Il contenuto non rappresenta necessariamente l'opinione dell'Associazione Alzheimer onlus di Riese Pio X ma solo quella dell'autore citato come "Fonte". I siti terzi raggiungibili da eventuali collegamenti contenuti nell'articolo e/o dagli annunci pubblicitari sono completamente estranei all'Associazione, il loro accesso e uso è a discrezione dell'utente. Liberatoria completa qui.
Nota: L'articolo potrebbe riferire risultati di ricerche mediche, psicologiche, scientifiche o sportive che riflettono lo stato delle conoscenze raggiunte fino alla data della loro pubblicazione.