Una ricerca pubblicata su Alzheimer's & Dementia presenta un test del sangue basato su intelligenza artificiale in grado di distinguere quattro cause comuni di demenza dall'invecchiamento cerebrale sano con oltre il 90% di accuratezza. Lo strumento riconosce anche la presenza di più processi patologici contemporanei e i suoi output si sono allineati strettamente al carico patologico osservato nei tessuti cerebrali e alla presentazione clinica.
Il test si basa su un pannello di 15 proteine ematiche che includono marcatori consolidati della patologia di Alzheimer e proteine associate a danno sinaptico, danno neuronale e infiammazione. Il classificatore è stato addestrato su dati proteici di oltre 3.200 individui raccolti dal Charles F. and Joanne Knight Alzheimer Disease Research Center e dalla sezione dei disturbi del movimento del dipartimento di neurologia di WashU Medicine; la verifica è avvenuta su un gruppo separato di 225 persone sottoposte a valutazione cognitiva in vita e a esame cerebrale in autopsia.
Il modello ha raggiunto un'accuratezza diagnostica complessiva del 92,3% nei casi con una singola diagnosi neurodegenerativa e ha fornito informazioni utili in casi di lieve compromissione cognitiva o diagnosi ambigue, dove le predizioni di Alzheimer corrispondevano al carico di placche amiloidi all'autopsia. Ha anche identificato cambiamenti di tipo Alzheimer in persone diagnosticate con Parkinson in vita che poi hanno sviluppato demenza.
Lo strumento non è ancora pronto per l'uso clinico: servono ulteriori validazioni in popolazioni più grandi e diverse e studi prospettici per confermare la generalizzabilità e valutare la capacità di prevedere la progressione e guidare il trattamento. Applicazioni potenziali includono la selezione di pazienti per trial clinici, studi di popolazione su larga scala e supporto alle decisioni cliniche. Il lavoro è stato finanziato, tra gli altri, dai National Institutes of Health, dal Cure Alzheimer's Fund e dalla Michael J. Fox Foundation for Parkinson's Research; fonte: Washington University in St. Louis.
Parole difficili
- intelligenza artificiale — sistemi informatici che apprendono dai dati
- accuratezza — grado di correttezza dei risultati
- classificatore — programma che assegna categorie ai dati
- addestrare — insegnare a un modello a riconoscereaddestrato
- marcatore — sostanza misurabile che indica una condizionemarcatori
- autopsia — esame del corpo dopo la morte
- validazione — conferma che un risultato è affidabilevalidazioni
- generalizzabilità — capacità di applicare risultati ad altri gruppi
Suggerimento: passa il mouse o tocca le parole evidenziate nell’articolo per vedere definizioni rapide mentre leggi o ascolti.
Domande di discussione
- Quali vantaggi potrebbe offrire un test del sangue con alta accuratezza nella diagnosi delle demenze?
- Quali limiti o rischi vedi nell'applicare questo strumento a popolazioni diverse?
- In che modo questo tipo di test potrebbe cambiare la selezione dei pazienti per i trial clinici?
Articoli correlati
Un modello fisico per immagini di risonanza magnetica più nitide
Ricercatori della Rice University e dell'Oak Ridge National Laboratory hanno sviluppato un nuovo quadro fisico che collega il moto molecolare ai segnali MRI e migliora la descrizione del rilassamento NMR nei liquidi.
Bloccare mTORC2 per nuovi farmaci contro il cancro
Uno studio della Brown University trova un modo per bloccare selettivamente il complesso mTORC2, limitando i segnali di crescita delle cellule tumorali senza attivare le vie di sopravvivenza legate a mTORC1. I ricercatori lavorano a nuovi farmaci.