La tecnologia potrebbe aiutare nella diagnosi precoce della malattia di Alzheimer.

È quanto fa ipotizzare un lavoro su Pharamacological Research, dove l’utilizzo di uno strumento di machine learning “ad albero” permetterebbe al clinico/specialista di definire con precisione la fase evolutiva della malattia e quindi avviare terapie mirate.

Il nuovo strumento

Anticipare il riconoscimento e la diagnosi di patologie neurodegenerative, e fra queste la malattia di Alzheimer, resta una importante sfida per la medicina e la ricerca in termine di nuove conoscenze e dunque di approcci di rilevazione, che diano risposte più sicure e affidabili – obiettivi non ancora raggiunti gli attuali mezzi disponibili – e dunque un’efficacia di intervento migliore. Con ricadute positive sul contenimento di costi gestionali e assistenziali alla patologia.

In questo contesto di variabilità e incertezze si fa luce un profetto di Machine Learning, cioè un sistema basato sull’apprendimento automatico, che sembrerebbe capace di “localizzare” con accuratezza lo stadio della malattia di Alzheimer, quindi predirne gli sviluppi e gli interventi.

DETree

Per esteso “disease-embedding tree”: è questo il nome del sistema ad albero, progettato da un gruppo di ricercatori americani dell’Università del Texas, che potrebbe cambiare le sorti diagnostiche della malattia di Alzheimer.

Il framework attraverso una serie di vettori genera un albero di incorporamento della malattia (DETree), che codifica le varie fasi cliniche. In buona sostanza questa innovativa traiettoria ad albero non solo sembrerebbe in grado di definire e descrivere puntualmente lo stadio della patologia al momento del test, ma di dare anche una visione prospettica, sufficientemente efficiente e accurata, del progressivo sviluppo secondo i cinque gruppi clinici che classificano l’evoluzione della patologia.

Il metodo, sebbene ancora sperimentale, è stato testato attualmente su dati provenienti da 266 pazienti inclusi nello studio Alzheimer’s Diseases Neuroimaging Initiative, dove il modello DETree sembra mostrare eccellente riproducibilità e generalizzabilità.

Dati che per quanto incoraggianti dovranno essere validati su più ampia scala con studi aggiuntivi. Ulteriore valore aggiunto? il fatto che DETree è adattabile a qualsiasi malattia che presenti più stadi clinici durante il suo sviluppo.

Fonte

Zhang L, Wang L, Liu T et al. Disease2Vec: Encoding Alzheimer’s progression via disease embedding tree. Pharamacological Research, 2024, Vol. 199, 107038. Doi: https://doi.org/10.1016/j.phrs.2023.107038