Il ruolo del sesso nello sviluppo di patologie come Alzheimer e Parkinson, lo studio che parla anche pavese

L’AI per la diagnosi di Alzheimer e Parkinson svela le differenze tra donne e uomini: una ricerca coordinata dal Cnr-Istc e che parla anche pavese ha utilizzato, per la prima volta, un algoritmo di machine learning per analizzare l’esito di test neuropsicologici, neurofisiologici e genetici volti a predire l’insorgenza delle due patologie tenendo conto del sesso di appartenenza.

L’AI per la diagnosi di Alzheimer e Parkinson

Un innovativo studio dell’Istituto di scienze e tecnologie della cognizione del Consiglio nazionale delle ricerche (CNR-Istc) ha rivoluzionato il campo delle malattie neurodegenerative, come la malattia di Alzheimer e il morbo di Parkinson, introducendo l'uso dell'intelligenza artificiale (IA) per una diagnosi precoce più mirata. Grazie all’adozione di algoritmi di machine learning, i ricercatori hanno potuto esaminare le differenze tra uomini e donne nell’insorgenza di queste patologie, distinguendo i fattori predittivi legati al sesso.

Lo studio, che ha coinvolto numerosi istituti di ricerca come la Fondazione Mondino, le Università di Pavia e Roma e AI2Life s.r.l., è stato pubblicato in due articoli distinti nel Journal of the Neurological Sciences. In questo lavoro interdisciplinare, l'intelligenza artificiale ha permesso di analizzare dati neuropsicologici, genetici e fisiologici, ottenendo così una comprensione più approfondita delle differenze di genere nelle malattie neurodegenerative.

L'Alzheimer

Nel caso dell’Alzheimer, l'algoritmo di IA ha individuato che alcuni test neuropsicologici, come il Mini Mental State Examination (MMSE), sono più predittivi per le donne, mentre negli uomini risulta più rilevante per il monitoraggio a lungo termine. Test come la memoria episodica a lungo termine (LDELTOTAL) si sono rivelati più efficaci nelle donne per predire l’insorgenza della malattia, mentre la memoria verbale a breve termine (AVTOT) ha mostrato una maggiore correlazione con il rischio negli uomini. Inoltre, lo studio ha evidenziato che il livello di istruzione influisce diversamente sul rischio di Alzheimer tra i due sessi, con le donne che sembrano presentare un rischio maggiore.

Secondo Daniele Caligiore, responsabile scientifico del progetto, il modello di machine learning sviluppato ha permesso di risolvere una delle principali difficoltà nella diagnostica precoce: la differenziazione dei predittori indipendentemente dal sesso.

“La nostra ricerca affronta questo problema per la prima volta, facendo luce su variabili comuni per entrambi i sessi, ma con un impatto diverso”, ha spiegato Caligiore.

Il Parkinson

Il morbo di Parkinson è stato analizzato con un altro modello di machine learning, che ha identificato fattori predittivi differenti tra uomini e donne. Tra i principali indicatori per gli uomini, lo studio ha individuato la rigidità muscolare e le disfunzioni del sistema nervoso autonomo, mentre per le donne le disfunzioni urinarie sembrano essere più rilevanti.

L'età e la storia familiare sono emerse come variabili significative, con un impatto maggiore negli uomini. Inoltre, il test sulla fluidità verbale semantica (SFT) e i dati genetici, come la variante del gene alfa-sinucleina (SNCA-rs356181), sono risultati essere più rilevanti nel caso maschile.

Strategie terapeutiche su misura

L’approccio innovativo di questo studio non si limita alla semplice analisi dei dati. La combinazione di test neuropsicologici, genetici e corporei, analizzati mediante IA, apre la strada a trattamenti personalizzati che potrebbero migliorare l'efficacia della medicina nella gestione del Parkinson, e più in generale delle malattie neurodegenerative.

L'approfondimento del sesso come fattore di rischio nelle malattie neurodegenerative rappresenta una vera e propria rivoluzione nella medicina. I risultati di questa ricerca potrebbero infatti contribuire a sviluppare strategie terapeutiche su misura per ogni paziente, ottimizzando così il trattamento e la prevenzione. L'intelligenza artificiale, applicata alla medicina, sta dimostrando il suo potenziale nell'integrare dati specifici del paziente per prevedere l'insorgenza della malattia, monitorarne l’evoluzione e, soprattutto, personalizzare i trattamenti.

Per Daniele Caligiore, questo studio è solo l'inizio di un percorso che potrebbe cambiare profondamente la pratica clinica:

"I nostri algoritmi sono in grado di combinare diversi tipi di dati e di analizzare i fattori predittivi in modo preciso e comprensibile, migliorando l'affidabilità della diagnosi e del trattamento".