Ricerche

Uno studio propone un approccio innovativo basato su metodi di apprendimento automatico topologico per supportare l’individuazione dell'Alzheimer. 

Image by vectorjuice on Freepik.com

L’uso di metodi avanzati di apprendimento automatico, applicati ai dati di spettroscopia Raman acquisiti su campioni biologici, permette di rilevare alterazioni biochimiche associate al morbo di Alzheimer (MA), facilitando così un’individuazione più accurata. È quanto emerge da uno studio condotto dall’Istituto di scienza e tecnologie dell’informazione del Consiglio nazionale delle ricerche di Pisa (Cnr-Isti) in collaborazione con l’Istituto di fisica applicata del Cnr di Firenze (Cnr-Ifac), l’Università di Firenze e l’Azienda Ospedaliera Universitaria Careggi (Firenze).

La ricerca, pubblicata sul Journal of the Franklin Institute, mirava a distinguere i soggetti affetti da MA da altre patologie del sistema nervoso centrale mediante la classificazione dei dati ricavati dalla spettroscopia Raman, una tecnica che analizza le interazioni della luce con le molecole del campione, rilevando così le alterazioni biochimiche che possono indicare la presenza della malattia.

L'innovazione principale risiede nell’aver applicato, per la prima volta, un metodo avanzato per l'analisi e la classificazione dei dati di spettroscopia Raman acquisiti da campioni di liquido cerebrospinale, sfruttando tecniche di apprendimento automatico topologico. Questo approccio combina l'apprendimento automatico con la topologia computazionale, una branca della matematica che studia la struttura e la forma dei dati, permettendo di identificare in modo preciso alterazioni biochimiche che possono segnalare il MA.

“Dagli spettri Raman vengono estratte caratteristiche di forma (o topologiche), che vengono poi usate per addestrare algoritmi di apprendimento automatico capaci di classificare i dati. L'ottimizzazione del processo consente di selezionare il miglior modello predittivo, aumentando così l'accuratezza nella distinzione tra MA e altre patologie del sistema nervoso centrale”, afferma Maria Antonietta Pascali, ricercatrice del Cnr-Isti.

I risultati sono promettenti. Infatti il metodo ha dimostrato prestazioni stabili su diversi insiemi di dati.

“L'accuratezza dell'86% raggiunta nella classificazione dei campioni di liquido cerebrospinale suggerisce un potenziale importante nel riconoscimento dei soggetti con MA. Con ulteriori perfezionamenti, questa tecnica potrebbe migliorare le capacità diagnostiche e integrarsi nella pratica clinica”, aggiunge la Pascali.

L'importanza di questa ricerca è sottolineata dalla crescente prevalenza del MA a livello globale. Responsabile del 60-70% dei casi di demenza nel mondo, si stima che entro il 2050, con l'invecchiamento della popolazione, circa 152 milioni di persone saranno affette da questa malattia o dalle demenze correlate. In questo contesto, la ricerca di nuove terapie e di marcatori biologici per una diagnosi precoce è cruciale.

“Questa metodologia promette di fornire una chiave di lettura efficace non solo per il MA, ma potenzialmente anche per altri casi studio. Le evidenze della ricerca fanno sperare che nel prossimo futuro si possa affinare ulteriormente il metodo anche per fornire delle indicazioni aggiuntive riguardo i meccanismi biochimici alla base dell'insorgenza e dell'aggravarsi di questa malattia”, conclude la Pascali.