Il software prevede il declino cognitivo utilizzando le immagini del cervello

La condizione neurologica cronica chiamata morbo di Alzheimer è una delle più insidiose della società moderna. Nel 2015 si pensava che circa 30 milioni di persone avessero questa malattia. Essendo una condizione estremamente costosa da gestire, ciò comporta oneri significativi per i sistemi sanitari di tutto il mondo.

Sebbene non sia noto un modo per fermare la malattia nei casi avanzati, ci sono prove che la sua progressione può essere rallentata o arrestata se viene identificata precocemente. Quindi trovare un modo affidabile per individuare le persone a rischio di sviluppare la malattia è un obiettivo importante.

Oggi, Hongyoon Choi del Cheonan Public Health Center e Kyong Hwan Jin del Korea Advanced Institute of Science and Technology, entrambi in Corea del Sud, affermano di aver utilizzato il deep learning per sviluppare proprio una tale tecnica. Questi ragazzi affermano che il loro processo può identificare accuratamente le persone che potrebbero sviluppare l'Alzheimer nei prossimi tre anni.

Una rete di deep learning impara a riconoscere la firma unica del morbo di Alzheimer nelle immagini di scansione PET del cervello umano.

Il declino cognitivo è inevitabile con l'età. Tendiamo a diventare più smemorati, a perdere il filo dei nostri pensieri più spesso e troviamo più difficile prendere decisioni o portare a termine compiti. I medici chiamano questo lieve deterioramento cognitivo e colpisce la maggior parte delle persone quando invecchiano.

Molte persone con lieve deterioramento cognitivo sviluppano l'Alzheimer, che è molto più grave. Le persone con questa condizione perdono il loro vocabolario, usando spesso sostituzioni di parole errate. Smettono di riconoscere i parenti stretti, perdono le abilità di base di cura di sé e alla fine diventano completamente dipendenti dai caregiver. La maggior parte muore entro pochi anni dalla diagnosi.

Ma curiosamente, non tutte le persone con decadimento cognitivo lieve seguono questo percorso. Alcuni non si deteriorano mai e alcuni addirittura migliorano. Quindi ai medici piacerebbe molto essere in grado di individuare coloro che potrebbero sviluppare l'Alzheimer perché è più probabile che traggano beneficio dal trattamento.

Un modo per farlo è studiare la tomografia a emissione di positroni (PET) del cervello. L'Alzheimer è noto per essere caratterizzato dalla crescita indesiderata di grumi proteici chiamati placche amiloidi e da un lento metabolismo cerebrale, misurato dalla velocità con cui il cervello utilizza il glucosio.

Alcuni tipi di scansioni PET possono rivelare segni di entrambe queste condizioni e possono quindi essere utilizzati per individuare le persone con decadimento cognitivo lieve che sono più a rischio di sviluppare l'Alzheimer.

Questa è la teoria. In pratica, interpretare le immagini è difficile. I ricercatori hanno trovato uno o due marcatori forti che gli osservatori addestrati possono cercare, ma questo metodo richiede tempo ed è soggetto a errori.

Entrano in Hongyoon e Kyong che hanno sostituito gli osservatori umani in questo processo con una rete neurale di apprendimento profondo.

Il loro metodo è semplice. Negli ultimi anni, i ricercatori di Alzheimer in tutto il mondo hanno costruito un database di immagini cerebrali di persone con e senza Alzheimer. Hongyoon e Kyong usano questo database per addestrare una rete neurale convoluzionale a riconoscere la differenza tra loro.

Questo set di dati è costituito da immagini cerebrali di 182 persone sulla settantina con cervelli normali e immagini cerebrali di 139 persone all'incirca della stessa età a cui è stato diagnosticato il morbo di Alzheimer. Con l'addestramento convenzionale, la macchina impara presto a riconoscere la differenza con una precisione di quasi il 90 percento.

Hongyoon e Kyong usano quindi la loro macchina per analizzare un diverso set di dati. Si tratta di immagini cerebrali di 181 persone sulla settantina con decadimento cognitivo lieve, di cui 79 hanno sviluppato l'Alzheimer entro tre anni. Il compito che Hongyoon e Kyong hanno impostato la macchina era quello di individuare questi individui suscettibili.

I risultati costituiscono una lettura interessante. Hongyoon e Kyong affermano che la loro rete neurale ha identificato le persone a rischio di sviluppare l'Alzheimer con una precisione dell'81%. Questo è significativamente più alto di quello che riescono a gestire osservatori addestrati quando analizzano visivamente le immagini. Questi risultati mostrano la fattibilità del deep learning come strumento per prevedere l'esito della malattia utilizzando immagini cerebrali, affermano.

È un risultato interessante. Suggerisce un modo relativamente rapido per individuare le persone a rischio di sviluppare l'Alzheimer e coloro che trarrebbero maggior beneficio da un intervento precoce. Questo è un approccio che potrebbe migliorare la qualità della vita di molte persone e far risparmiare notevoli somme di denaro ai sistemi sanitari sovraccarichi.

Più in generale, la tecnica di Hongyoon e Kyong è solo un esempio del crescente uso del deep learning nella diagnosi medica. L'evidenza suggerisce che le macchine di deep learning possono individuare condizioni complesse prima e con maggiore precisione rispetto agli esseri umani. E la tecnica funziona per diverse condizioni, dalle malattie cardiache al cancro.

Chiaramente, il deep learning è destinato a cambiare il mondo della medicina. L'unica domanda per coloro che attualmente soffrono di un lieve deterioramento cognitivo è quanto velocemente.

Rif: arxiv.org/abs/1704.06033 : Predire il declino cognitivo con l'apprendimento approfondito del metabolismo cerebrale e dell'imaging dell'amiloide

nascondere