Home Notizie recenti Indicatori dinamici di malattia mentale catturati dall’IA avanzata nell’imaging cerebrale

Indicatori dinamici di malattia mentale catturati dall’IA avanzata nell’imaging cerebrale

36
0

Credito: Pixabay/CC0 di dominio pubblico

Una nuova ricerca del TReNDS Center della Georgia State University potrebbe portare a una diagnosi precoce di condizioni devastanti come il morbo di Alzheimer, la schizofrenia e l’autismo, in tempo utile per prevenire e curare più facilmente questi disturbi. In un nuovo studio pubblicato in Rapporti scientifici un team di sette scienziati dello Stato della Georgia ha costruito un sofisticato programma per computer in grado di analizzare enormi quantità di dati di imaging cerebrale e scoprire nuovi modelli legati alle condizioni di salute mentale. I dati di imaging cerebrale provenivano da scansioni eseguite mediante risonanza magnetica funzionale (fMRI), che misura l’attività cerebrale dinamica rilevando piccoli cambiamenti nel flusso sanguigno.

“Abbiamo costruito modelli di intelligenza artificiale per interpretare le grandi quantità di informazioni dalla fMRI”, ha affermato Sergey Plis, professore associato di informatica e neuroscienze presso lo Stato della Georgia e autore principale dello studio.

Ha paragonato questo tipo di imaging dinamico a un film, al contrario di un’istantanea come una radiografia o la più comune risonanza magnetica strutturale, e ha notato che “i dati disponibili sono molto più grandi, molto più ricchi di un esame del sangue o di un risonanza magnetica regolare. Ma questa è la sfida: l’enorme quantità di dati è difficile da interpretare”.

Inoltre, le fMRI in queste condizioni specifiche sono costose e non facili da ottenere. Utilizzando un modello di intelligenza artificiale, tuttavia, è possibile estrarre dati da normali fMRI. E quelli sono disponibili in gran numero.

“Sono disponibili ampi set di dati in individui senza un disturbo clinico noto”, spiega Vince Calhoun, direttore fondatore del TReNDS Center e uno degli autori dello studio. L’utilizzo di questi set di dati disponibili grandi ma non correlati ha migliorato le prestazioni del modello su set di dati specifici più piccoli.

“Sono emersi nuovi modelli che potremmo collegare definitivamente a ciascuno dei tre disturbi cerebrali”, ha detto Calhoun.

I modelli di intelligenza artificiale sono stati addestrati per la prima volta su un set di dati che includeva oltre 10.000 individui per imparare a comprendere l’imaging fMRI di base e la funzione cerebrale. I ricercatori hanno quindi utilizzato set di dati multisito di oltre 1200 individui, compresi quelli con disturbo dello spettro autistico, schizofrenia e morbo di Alzheimer.

Come funziona? È un po’ come Facebook, YouTube o Amazon che apprendono su di te dal tuo comportamento online e iniziano a essere in grado di prevedere comportamenti futuri, Mi piace e Non mi piace. Il software del computer è stato persino in grado di individuare il “momento” in cui i dati di imaging cerebrale erano molto probabilmente collegati al disturbo mentale in questione.

Per rendere questi risultati clinicamente utili, dovranno essere applicati prima che si manifesti un disturbo.

“Se riusciamo a trovare marcatori e prevedere il rischio di Alzheimer in un quarantenne”, ha detto Calhoun, “potremmo essere in grado di fare qualcosa al riguardo”.

Allo stesso modo, se i rischi di schizofrenia possono essere previsti prima che ci siano effettivi cambiamenti nella struttura del cervello, potrebbero esserci modi per offrire trattamenti migliori o più efficaci.

“Anche se sappiamo da altri test o dalla storia familiare che qualcuno è a rischio di un disturbo come l’Alzheimer, non siamo ancora in grado di prevedere quando si verificherà esattamente”, ha detto Calhoun. “L’imaging cerebrale potrebbe restringere quella finestra temporale, rilevando i modelli rilevanti quando si manifestano prima che la malattia clinica sia evidente”.

“La visione è che raccogliamo un ampio set di dati di imaging, i nostri modelli di intelligenza artificiale ci analizzano e ci mostrano ciò che hanno appreso su determinati disturbi”, ha affermato Plis. “Stiamo costruendo sistemi per scoprire nuove conoscenze che non potremmo scoprire da soli”.

“Il nostro obiettivo”, ha affermato Mahfuzur Rahman, primo autore dello studio e studente di dottorato in informatica presso lo Stato della Georgia, “è quello di collegare grandi mondi e grandi set di dati con piccoli mondi e set di dati specifici della malattia e spostarci verso marcatori rilevanti per la clinica decisioni”.


Articolo precedenteI ricercatori identificano un nuovo meccanismo responsabile del controllo della sensibilità uditiva
Articolo successivoIl nuovo metodo può migliorare il rilevamento delle esplosioni