Un team guidato da IUSS Pavia e IRCCS Maugeri Bari ha sviluppato un sistema basato su intelligenza artificiale e analisi del linguaggio per individuare precocemente i segni del Parkinson nei pazienti italiani. Lo studio, pubblicato su Naturee – npj Parkinson’s Disease, ha raggiunto un’accuratezza del 77% nel distinguere i soggetti malati da quelli sani
Diagnosi di Parkinson grazie all’intelligenza artificiale
Una nuova frontiera nella diagnosi precoce della malattia di Parkinson potrebbe arrivare… dalla voce. Un team di ricerca guidato dall’Istituto Universitario di Studi Superiori (IUSS) di Pavia e dall’IRCCS Maugeri di Bari ha infatti realizzato uno studio pionieristico che utilizza l’intelligenza artificiale e il Natural Language Processing (NLP) per analizzare il linguaggio parlato in pazienti italiani. I risultati, pubblicati sulla prestigiosa rivista npj Parkinson’s Disease del gruppo Nature, aprono scenari inediti nella medicina personalizzata e nella neurologia.
Lo studio
Il lavoro rappresenta il primo caso a livello mondiale in cui un modello multivariato di AI è stato applicato su parlato in lingua italiana per identificare precocemente i fenotipi cognitivi della malattia di Parkinson. Lo studio nasce dalla collaborazione tra il centro di ricerca Ailice Labs dello IUSS, il Laboratorio di Neuropsicologia dell’IRCCS Maugeri Bari, il Global Brain Health Institute dell’Università di San Francisco (UCSF), l’Universidad de San Andrés in Argentina e la DeepTrace Technologies, spin-off accademico dello IUSS.
Come funziona l’analisi del parlato
Ai 40 partecipanti allo studio, pazienti con e senza diagnosi di Parkinson, è stato chiesto di eseguire compiti linguistici come descrivere immagini complesse o parlare liberamente. I file audio raccolti sono stati analizzati con algoritmi avanzati di intelligenza artificiale per estrarre “linguistic features”, ovvero variabili legate al linguaggio. Queste informazioni sono poi servite per addestrare un modello di machine learning capace di distinguere tra soggetti sani e pazienti affetti da Parkinson.
Numeri che parlano chiaro
I risultati sono significativi:
- 77% di accuratezza nel distinguere pazienti da soggetti sani
- 85% nella classificazione dei sottogruppi cognitivi
- 75% nell’identificazione dei fenotipi cognitivi (PD-nMCI vs PD-MCI)
Secondo i ricercatori, tra i marcatori più rilevanti c’è la riduzione dell’uso dei verbi d’azione, l’aumento delle riformulazioni del discorso e una minore produzione di parole appartenenti a classi aperte come nomi e verbi.
“Elementi – spiega la neuropsicologa Petronilla Battista, corresponding author dello studio – che riflettono difficoltà nell’accesso al lessico e segnali precoci di deterioramento cognitivo”.
“Abbiamo dimostrato la fattibilità tecnica di analizzare il parlato in lingua italiana con l’obiettivo di costruire strumenti clinici digitali, scalabili e anche a distanza”, afferma Simona Aresta, bioingegnera all’IRCCS Maugeri Bari e dottoranda IUSS.
Il professor Christian Salvatore, docente IUSS e CEO di DeepTrace Technologies, sottolinea l’impatto concreto del progetto:
“È un esempio chiaro di tecnologia traslazionale pronta per l’applicazione clinica. Il nostro approccio è modulare, spiegabile, adattabile e integrabile nella pratica diagnostica”.
Il prossimo passo sarà estendere la sperimentazione a campioni clinici più ampi e validare gli strumenti in scenari reali di screening e monitoraggio remoto. L’obiettivo: rendere la tecnologia utilizzabile a livello internazionale, anche in altre lingue, e costruire un supporto affidabile per la diagnosi precoce e il follow-up dei pazienti.
Lo studio dimostra che il linguaggio può diventare un prezioso indicatore delle condizioni cognitive del cervello. Con l’aiuto dell’AI, la voce potrebbe diventare uno strumento diagnostico non invasivo, utile anche per monitorare l’efficacia delle terapie. Non per sostituire il medico, ma per fornirgli nuovi strumenti di precisione e supporto.