Alzheimer: l'intelligenza artificiale prevede l'esordio
Uno strumento di intelligenza artificiale insegnato ad analizzare le scansioni cerebrali può prevedere con precisione la malattia di Alzheimer diversi anni prima di una diagnosi finale.
Il team responsabile suggerisce che, dopo un'ulteriore convalida, lo strumento potrebbe aiutare notevolmente la diagnosi precoce dell'Alzheimer, dando ai trattamenti il tempo per rallentare la malattia in modo più efficace.
I ricercatori, dell'Università della California a San Francisco, hanno utilizzato immagini di tomografia a emissione di positroni (PET) di 1002 cervelli di persone per addestrare l'algoritmo di apprendimento profondo.
Hanno utilizzato il 90% delle immagini per insegnare all'algoritmo come individuare le caratteristiche della malattia di Alzheimer e il restante 10% per verificarne le prestazioni.
Hanno quindi testato l'algoritmo su immagini PET del cervello di altre 40 persone. Da questi, l'algoritmo ha previsto con precisione quali individui avrebbero ricevuto una diagnosi finale di Alzheimer. In media, la diagnosi è arrivata più di 6 anni dopo le scansioni.
In un documento sui risultati, che il Radiologia La rivista ha recentemente pubblicato, il team descrive come l'algoritmo "ha raggiunto una specificità dell'82% con una sensibilità del 100%, una media di 75,8 mesi prima della diagnosi finale".
"Siamo rimasti molto soddisfatti", afferma il coautore Dr.Jae Ho Sohn, che lavora nel dipartimento di radiologia e imaging biomedico dell'università, "con le prestazioni dell'algoritmo".
"È stato in grado di prevedere ogni singolo caso avanzato alla malattia di Alzheimer", aggiunge.
Morbo di Alzheimer e imaging PET
L'Alzheimer’s Association stima che circa 5,7 milioni di persone convivono con la malattia di Alzheimer negli Stati Uniti e che questa cifra dovrebbe salire a quasi 14 milioni entro il 2050.
Una diagnosi precoce e più accurata non solo andrebbe a vantaggio delle persone colpite, ma potrebbe anche risparmiare collettivamente circa $ 7,9 trilioni di cure mediche e relativi costi nel tempo.
Con il progredire della malattia di Alzheimer, cambia il modo in cui le cellule cerebrali utilizzano il glucosio. Questa alterazione del metabolismo del glucosio si manifesta in un tipo di imaging PET che traccia l'assorbimento di una forma radioattiva di glucosio chiamata 18F-fluorodeossiglucosio (FDG).
Dando istruzioni su cosa cercare, gli scienziati sono stati in grado di addestrare l'algoritmo di apprendimento profondo per valutare le immagini PET FDG per i primi segni di Alzheimer.
Il deep learning "insegna da solo"
I ricercatori hanno insegnato l'algoritmo con l'aiuto di oltre 2.109 immagini FDG PET di 1.002 cervelli di individui. Hanno anche utilizzato altri dati della Alzheimer's Disease Neuroimaging Initiative.
L'algoritmo ha utilizzato il deep learning, un tipo complesso di intelligenza artificiale che prevede l'apprendimento attraverso esempi, in modo simile a come gli esseri umani imparano.
Il deep learning consente all'algoritmo di "insegnare da solo" cosa cercare individuando sottili differenze tra le migliaia di immagini.
L'algoritmo era buono quanto, se non migliore, degli esperti umani nell'analisi delle immagini PET FDG.
Gli autori fanno notare che "rispetto ai lettori di radiologia, il modello di apprendimento profondo ha funzionato meglio, con significatività statistica, nel riconoscere i pazienti che avrebbero continuato a ricevere una diagnosi clinica di [morbo di Alzheimer]".
Sviluppi futuri
Il dottor Sohn avverte che lo studio era piccolo e che ora i risultati devono essere convalidati. Ciò comporterà l'utilizzo di set di dati più grandi e più immagini acquisite nel tempo da persone in varie cliniche e istituzioni.
In futuro, l'algoritmo potrebbe essere un'utile aggiunta alla cassetta degli attrezzi del radiologo e migliorare le opportunità per il trattamento precoce della malattia di Alzheimer.
I ricercatori prevedono anche di includere altri tipi di riconoscimento di pattern nell'algoritmo.
Il cambiamento nel metabolismo del glucosio non è l'unico segno distintivo dell'Alzheimer, spiega il coautore dello studio Youngho Seo, professore presso il Dipartimento di Radiologia e Imaging Biomedico. Anche l'accumulo anormale di proteine caratterizza la malattia, aggiunge.
"Se FDG PET con [intelligenza artificiale] può predire la malattia di Alzheimer così presto, la placca beta-amiloide e l'imaging PET con proteina tau possono aggiungere un'altra dimensione di importante potere predittivo".
Prof. Youngho Seo
