IA prevede il Parkinson prima della comparsa dei sintomi con una precisione del 96%
Creata un'intelligenza artificiale in grado di prevedere lo sviluppo del morbo di Parkinson prima che compaiano i sintomi tipici della malattia, come tremori e rallentamento dei movimenti. Si tratta di un sistema sperimentale – un prototipo – ancora da convalidare, tuttavia la precisione dimostrata in un nuovo studio è talmente elevata (96 percento) che potrebbe trasformarsi in un eccezionale strumento diagnostico. Ad oggi, infatti, non esistono esami del sangue e altri test in grado di prevedere il rischio di sviluppare la patologia neurodegenerativa (di origine non genetica); la diagnosi normalmente si fa a seguito dell'emersione della sintomatologia. Ma ci sono campanelli d'allarme – come i disturbi del sonno – presenti molti anni prima della comparsa della stessa. Nei casi sospetti si potrebbe effettuare uno screening con l'intelligenza artificiale e determinare il rischio, prendendo in anticipo tutte le misure del caso.
A mettere a punto l'IA in grado di prevedere lo sviluppo del Parkinson prima dei sintomi è stato un team di ricerca internazionale guidato da scienziati australiani dell'Università del Nuovo Galles del Sud (UNSW), che hanno collaborato a stretto contatto con i colleghi del Dipartimento di Medicina e della Facoltà di Computing & Data Science dell'Università di Boston (Stati Uniti). I ricercatori, coordinati da J. Diana Zhang e William A. Donald della Scuola di Chimica, hanno messo a punto l'intelligenza artificiale – una rete neurale ispirata dai ‘nodi' del cervello umano – a partire dai dati raccolti nello studio Spanish European Prospective Investigation into Cancer and Nutrition (EPIC). I ricercatori si sono concentrati sui casi di 39 pazienti che hanno sviluppato il morbo di Parkinson entro 15 anni dall'avvio dell'indagine. Nello specifico, hanno raccolto tutti i dati relativi ai loro metaboliti, i composti chimici prodotti dall'organismo a seguito del consumo di cibo, dell'assunzione di farmaci e dell'esposizione a sostanze chimiche. Sono veri e propri biomarcatori rilevabili nel sangue e in altri campioni biologici.
La cospicua mole di dati è stata messa a confronto col set di metaboliti di 39 soggetti sani e data “in pasto” al sistema di apprendimento automatico, che è andato a caccia di schemi in grado di prevedere il rischio di sviluppare la malattia. L'intelligenza artificiale, chiamata CRANK-MS (acronimo di Classification and Ranking Analysis using Neural network generates Knowledge from Mass Spectrometry), si basa sui dati di un esame di laboratorio chiamato spettrometria di massa per identificare modelli tra i metaboliti, che possono essere a migliaia. “Il metodo più comune per analizzare i dati della metabolomica è attraverso approcci statistici. Ma in questo caso teniamo in considerazione che i metaboliti possono avere associazioni con altri metaboliti, ed è qui che entra in gioco l'apprendimento automatico. Con centinaia o migliaia di metaboliti, abbiamo utilizzato il potere computazionale per capire cosa sta succedendo”, ha dichiarato la dottoressa Zhang in un comunicato stampa.
Dall'analisi dei dati, ad esempio, l'IA ha fatto emergere che i pazienti con Parkinson avevano nel sangue livelli di triterpenoidi più bassi rispetto a quelli sani. Sono sostanze neuroprotettrici normalmente presenti in mele, pomodori e olive, spiegano gli autori dello studio. “Uno studio futuro potrebbe esaminare se il consumo di questi alimenti possa naturalmente proteggere dallo sviluppo del morbo di Parkinson”, evidenzia l'ateneo australiano. L'IA ha anche osservato che nei pazienti con la patologia neurodegenerativa erano presenti le famigerate sostanze perfluoroalchiliche o PFAS, perturbatori endocrini – noti come “sostanze chimiche per sempre” a causa della scarsa degradabilità in ambiente – associati a molteplici patologie.
Per avere conferma se gli schemi di metaboliti possano essere realmente predittivi del Parkinson è necessario studiare coorti molto più ampie, il prossimo step della ricerca con CRANK-MS. Le premesse sono comunque estremamente positive, dato che l'IA è stata in grado di prevedere l'emersione del Parkinson con una precisione del 96 percento. Il metodo potrebbe essere applicato anche per altre patologie. “Si prevede che questo approccio accurato e interpretabile basato su NN (rete neurale NDR) possa migliorare le prestazioni diagnostiche per molte malattie utilizzando la metabolomica e altri metodi ‘omici' non mirati”, hanno spiegato gli scienziati nell'abstract dello studio. I dettagli della ricerca “Interpretable Machine Learning on Metabolomics Data Reveals Biomarkers for Parkinson’s Disease” sono stati pubblicati sulla rivista scientifica specializzata ACS Central Science.
