Un team del Massachusetts General Hospital (MGH) ha recentemente sviluppato un metodo accurato per il rilevamento di segni di malattia di Alzheimer che si basa su immagini cerebrali raccolte di routine. Lo studio è stato pubblicato dalla rivista PLOS ONE.
I ricercatori hanno utilizzato il deep learning, un tipo di apprendimento automatico e artificiale intelligenza che utilizza grandi quantità di dati e algoritmi complessi per addestrare i modelli. Gli scienziati hanno sviluppato un modello per il rilevamento della malattia di Alzheimer basato sui dati delle immagini di risonanza magnetica cerebrale raccolte da pazienti con e senza malattia di Alzheimer che erano stati visitati al MGH prima del 2019. Successivamente, il gruppo ha testato il modello su cinque set di dati (MGH post-2019, Brigham and Women’s Hospital prima e dopo il 2019 e sistemi esterni prima e dopo il 2019) per vedere se poteva rilevare con precisione la malattia di Alzheimer in base a dati reali, dati clinici mondiali, indipendentemente dall’ospedale e dal tempo.
Complessivamente, sono state usate 11.103 immagini di 2.348 pazienti a rischio di Alzheimer e 26.892 immagini di 8.456 soggetti senza Alzheimer. Combinando MUCRAN (il modello di deep learning messo a punto) e il metodo di quantificazione dell’incertezza, i ricercatori hanno mostrato aumenti consistenti e significativi nell’accuratezza del rilevamento dell’Alzheimer per i dati del Massachusetts General Hospital appena raccolti (post-2019; 84,6% con MUCRAN vs. 72,5% senza MUCRAN) e per i dati di altri ospedali (90,3% dal Brigham and Women’s Hospital e l’81,0% da altri ospedali). Tra le principali innovazioni del lavoro c’era la sua capacità di rilevare la malattia di Alzheimer indipendentemente da altre variabili, come l’età.
PLoS One. 2023 Mar 2;18(3):e0277572. doi: 10.1371/journal.pone.0277572.
