Uno studio pubblicato su Neuroimmagine: clinica rivista medica ha scoperto che gli algoritmi di apprendimento automatico sono in grado di riconoscere modelli di atrofia associati a malattie neurodegenerative più rare come l'FTD.

Condotto dai ricercatori del Max Planck Institute for Human Cognitive and Brain Sciences e del Centro medico dell'Università di Lipsia in Germania, lo studio aveva lo scopo di affrontare il notevole ostacolo all'ottenimento di una diagnosi corretta dei disturbi cerebrali meno comuni. Quando la diagnosi è incerta, il trattamento diventa difficile perché i professionisti medici non sanno quali terapie perseguire per affrontare correttamente i sintomi di qualcuno.

"Domande come quelle poste dai [pazienti] nel nostro studio sono tipiche nella pratica clinica quotidiana", ha detto il coautore dello studio Matthias Schroeter Notizie di neuroscienze. “Prima di tutto, si pone la questione della corretta diagnosi in modo che la terapia possa essere adattata a ogni singolo paziente e alla sua specifica malattia”.

Per valutare gli algoritmi di apprendimento automatico come strumento per migliorare la diagnosi, i ricercatori hanno utilizzato l'intelligenza artificiale per analizzare i dati di imaging di 426 partecipanti con una forma di demenza (inclusi diversi disturbi della famiglia FTD) e i dati di 51 partecipanti di controllo. Il modello di apprendimento automatico ha esaminato 64 diverse regioni del cervello, controllando i volumi di diversi tipi di tessuto cerebrale per l'atrofia.

Secondo i ricercatori, un modello di apprendimento automatico potrebbe classificare il tipo corretto di demenza con un intervallo di precisione di 71-95%. Un modello di apprendimento automatico più complesso aveva una maggiore precisione, ma scendeva comunque al di sotto di 100%. I ricercatori hanno notato che il modello più complesso non aveva le stesse prestazioni per tutti i tipi di demenza ed era più efficace nel classificare i disturbi con modelli di atrofia che si concentravano su una determinata regione del cervello.

Sebbene l'apprendimento automatico abbia i suoi limiti, secondo gli autori dello studio gli algoritmi possono comunque essere utili per ridurre i tempi di diagnosi.

“Anche se il decorso di queste malattie progredisce, le persone colpite nelle prime fasi della malattia possono continuare a lavorare e gestire la propria vita quotidiana con il supporto. Questo è il motivo per cui la diagnosi precoce e l'adattamento individuale delle misure terapeutiche sono fondamentali", ha affermato Schroeter.

Interessato a leggere di più sull'uso della tecnologia come l'apprendimento automatico per diagnosticare FTD? Guardare Questo articolo sull'uso di sensori indossabili per monitorare la progressione di paralisi sopranucleare progressiva, O Questo articolo su uno studio che ha utilizzato l'apprendimento automatico per indagare su una teoria sulla demenza vecchia di 120 anni.

Sei interessato a partecipare a uno studio come quello di cui hai letto? Dai un'occhiata agli AFTD Studi in cerca di partecipanti pagina.