Uno studio (Wearable movement-tracking data identify Parkinson’s disease years before clinical diagnosis) condotto dal Dementia Research Institute dell’Università di Cardiff pubblicato su Nature Medicine, sembrerebbe dimostrare la capacità di questi device di prevedere quando e se un paziente svilupperà il morbo di Parkinson, anche fino a sette anni prima della comparsa dei sintomi.

Se tale strumento confermasse la sua efficacia si potrebbe disporre di un mezzo di screening a basso costo e non invasivo per la diagnosi precoce della malattia.

Il progetto

Parte da un importate assunto: la necessità di identificare biomarcatori predittivi, oggettivi, affidabili e di uso piuttosto comune, come lo smartwatch, ad esempio, in grado di trasformare gli sforzi per sviluppare trattamenti neuroprotettivi in opportunità concrete.

Ipotesi che ha permesso ai ricercatori inglesi di sfruttare i dati della Uk Biobank, inerenti a un progetto di ricerca del 2016 che aveva coinvolto cinquecentomila persone, estrapolando da questi i valori di 103.712 persone.

I dati sono stati raccolti in una settimana da monitoraggi effettuati, appunto, con lo smartwatch, nel tentativo di identificare indicatori precoci (segni prodromici) della malattia di Parkinson. Fra i partecipanti, 273 avevano già una diagnosi di malattia, mentre negli altri 196 è maturata nel tempo.

È stato progettato, così, un modello di IA capace di individuare delle anomalie (segnali precoci nella substantia nigra, la sede del cervello che degenera nella malattia di Parkinson) utilizzando in particolare gli accelerometri contenuti negli smartwatch. Tali tecnologie riescono a registrare nei loro tracciati questi sottilissimi sintomi, sia motori che non.

Successivamente sono stati messi a confronto, nella popolazione generale, i dati emersi da questo biomarcatore digitale con modelli basati su dati genetici, stile di vita, biochimica del sangue o sintomi prodromici. 

Il sintomo chiave

Essendo il problema motorio il principale indicatore di malattia, è stato sviluppato un modello di IA utile a rilevare la diminuzione della mobilità nelle persone con i prodromi del Parkinson, rispetto alle oltre quarantamila persone del gruppo di controllo, grazie a un pattern pre-patologico.

Nello specifico, la lentezza nei movimenti automatici e l’instabilità posturale tipico del Parkinson e differenziante da altri disturbi a confronto o comunque di malattie che potrebbero avere un simile sintomo.

L’idea di applicare l’IA allo smartwatch è stata motivata dal fatto che circa il 30% della popolazione del Regno Unito lo indossa regolarmente, rappresentando, così, uno strumento di raccolta dati relativamente a basso costo.

Si è dimostrato utile per discriminare le persone con possibili forme iniziali di Parkinson, arrivando fino a predire, nella popolazione in esame, coloro che avrebbero avuto (fino a sette anni di distanza) le probabilità di sviluppare la malattia e quando, e chi no.

In particolare, i modelli di machine learning addestrati, utilizzando i dati dell’accelerometria, hanno ottenuto migliori prestazioni rispetto ad altri test sia nell’identificare e diagnosticare la malattia di Parkinson (n=153, area sotto curva di richiamo di precisione (AUPRC) 0,14 ± 0,04) sia la malattia di Parkinson prodromica (n=113).

Come detto fino a 7 anni prima dalla diagnosi (AUPRC 0,07 ± 0,03) dalla popolazione generale (n = 33.009) rispetto a tutte le altre modalità testate (genetica: AUPRC=0,01 ± 0,00, P=2,2 × 10-3; stile di vita: AUPRC=0,03 ± 0,04, P=2,5 × 10-3; biochimica del sangue: AUPRC=0,01 ± 0,00, P=4,1 × 10-3; segni prodromici: AUPRC=0,01 ± 0,00, P=3,6 × 10-3).

Oltre a indici motori, è stato possibile rilevare in un campione di sessantamila persone una diminuzione della durata e della qualità del sonno sia nelle persone con diagnosi di Parkinson sia in quelle che lo avrebbero sviluppato in seguito.

Obiettivo

L’accelerometria si sarebbe attestata come uno strumento di screening potenzialmente importante e a basso costo per determinare le persone a rischio di sviluppare la malattia di Parkinson e, dunque, candidabile per studi clinici su trattamenti neuroprotettivi.

Per questo, l’obiettivo dei ricercatori è sfruttare queste informazioni per mettere a punto uno strumento di screening per ampie fasce di popolazione, e sviluppare poi terapie precoci che rallentino la progressione della malattia.

Fonte

Saatkamp AK, Peall KJ, Harrison NA et al. Wearable movement-tracking data identify Parkinson’s disease years before clinical diagnosis. Nature Medicine, 2023, 29:2048–2056.