Un progetto di ricerca portato avanti dalla McGill University ha cercato di applicare algoritmi di machine learning all’esame di immagini diagnostiche per stabilire, con un certo anticipo, la probabilità che un paziente sviluppi una patologia di demenza.
Saperlo un paio di anni prima che i sintomi si manifestino permetterebbe sia ai medici di pianificare meglio le possibili cure sia alle famiglie di prepararsi ad affrontare la malattia.
Come in altri casi simili, anche in questo progetto si è basato su una libreria di immagini diagnostiche specifiche, in particolare delle scansioni PET raccolte nell’ambito della Alzheimer’s Disease Neuroimaging Initiative (ADNI). Si tratta di centinaia di immagini relative al cervello di altrettanti pazienti affetti da Mild Cognitive Impairment (MCI), una condizione che spesso è precursore della demenza.
Le scansioni PET vengono effettuate per valutare la presenza di amiloide nel cervello dei pazienti. Si sa che questo materiale proteico si accumula nei tessuti cerebrali dei pazienti con MCI e inizia a farlo anche decenni prima che la demenza eventualmente si manifesti. Sinora però la presenza di amiloide non era stata usata come indicatore affidabile perché non tutti coloro che soffrono di MCI sviluppano poi anche la demenza.
Il ruolo degli algoritmi di machine learning nel progetto di ricerca è stato proprio stabilire la correlazione tra amiloide e demenza.
Esaminando il campione delle immagini e quindi i vari rilevamenti della proteina, l’algoritmo una volta addestrato ha saputo prevedere l’insorgenza della patologia, successivamente alla PET, con una precisione dell’84 percento.
Un buon risultato che ovviamente non è sufficiente a trasformare gli algoritmi in uno strumento medico ufficiale (ma lo si può testare online). Ci vorranno ancora altre ricerche e lo staff della McGill University si sta in particolare concentrando su altri biomarker che, uniti all’amiloide, potrebbero aumentare l’efficacia dell’algoritmo.
