(Adnkronos) – Una ricerca coordinata dal Cnr-Istc ha utilizzato, per la prima volta, un algoritmo di machine learning per analizzare l'esito di test neuropsicologici, neurofisiologici e genetici volti a predire l'insorgenza delle due patologie tenendo conto del sesso. Lo studio si pone come base per implementare nella pratica clinica approcci diagnostici specifici basati sul genere. I risultati sono pubblicati in due distinti articoli del Journal of the Neurological Sciences e rappresentano un passo significativo nel campo della medicina neurodegenerativa, utilizzando per la prima volta algoritmi di machine learning per analizzare i risultati di test neuropsicologici, neurofisiologici e genetici. Questa ricerca mira a predire l'insorgenza di malattie come Alzheimer e Parkinson, considerando specificamente le differenze di genere nei fattori di rischio.
L'applicazione dell'IA ha permesso di identificare e differenziare i principali fattori predittivi per uomini e donne, approfondendo la comprensione di come il sesso influenzi lo sviluppo e la progressione di queste patologie. La ricerca è frutto di una collaborazione interdisciplinare che include importanti istituti e università, sottolineando l'importanza di un approccio congiunto e multidisciplinare nel trattamento delle malattie neurodegenerative. Tra i collaboratori figurano l'Area di Ricerca Milano 4 del Cnr, la Fondazione Mondino, l'Università di Pavia, e altre istituzioni di prestigio. "La novità dello studio consiste nell'aver adottato un approccio integrato nell'analisi dei test, coerentemente con la teoria che abbiamo sviluppato al Cnr-Istc, secondo cui entrambe le patologie -Alzheimer e Parkinson- potrebbero essere manifestazioni di una sola malattia, denominata Neurodegenerative Elderly Syndrome (NES)", spiega il responsabile scientifico della ricerca, Daniele Caligiore, Dirigente di Ricerca al Cnr-Istc e Direttore della Advanced School in Artificial Intelligence (AS-AI), una scuola post-laurea organizzata da Cnr-Istc e dal suo spin-off AI2Life s.r.l. e dedicata allo studio e all'applicazione interdisciplinare dell'IA. "Nell'analisi dei test siamo partiti dall'analizzare le differenze tra pazienti sani e pazienti malati, indipendentemente dal fatto che fossero uomini o donne: esistono, infatti, molti studi che confrontano l'esito dei test predittivi sulla base del genere, ma non considerano che alcune caratteristiche possono essere rilevanti per entrambi i gruppi, indipendentemente dai valori assoluti dei punteggi dei test. Le nostre ricerche affrontano per la prima volta questo problema mediante un 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".
Per la malattia di Alzheimer, l'algoritmo ha evidenziato differenze significative nei predittori di insorgenza tra uomini e donne, come la memoria e l'orientamento. "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", prosegue il ricercatore. Per il Parkinson, invece, sono emersi come critici i fattori come la rigidità muscolare e le disfunzioni neurologiche, con variazioni rilevanti tra i sessi. Questi risultati potrebbero guidare lo sviluppo di strategie di trattamento più personalizzate e mirate. Il progetto dimostra l'importanza di considerare il genere come variabile cruciale nella ricerca medica, proponendo un modello che potrebbe significativamente migliorare l'efficacia diagnostica e terapeutica per i pazienti affetti da queste gravi condizioni. L'approccio innovativo adottato dal Cnr-Istc è un esempio di come l'intelligenza artificiale possa essere utilizzata per affrontare alcune delle sfide più complesse in medicina. Con l'integrazione continua di nuove tecnologie e la collaborazione interdisciplinare, il futuro della diagnosi e del trattamento delle malattie neurodegenerative appare sempre più orientato verso la personalizzazione e l'efficacia. —tecnologiawebinfo@adnkronos.com (Web Info)
