Innovazione AI: diagnosi precisa di dieci tipi di demenza con dati clinici usuali

Tempo di lettura: 2 minuti
Di Fedele Bello
- in
L'intelligenza artificiale analizza le scansioni cerebrali su un'interfaccia digitale.

RomeRicercatori dell'Università di Boston hanno sviluppato uno strumento di intelligenza artificiale in grado di diagnosticare con sicurezza dieci diversi tipi di demenza, includendo demenza vascolare, demenza a corpi di Lewy e demenza frontotemporale. Questo strumento è capace anche di gestire casi in cui queste demenze si sovrappongono. Utilizzando un avanzato sistema di Machine Learning, fornisce diagnosi precise analizzando dati clinici comunemente raccolti. Questi dati comprendono informazioni come:

  • Informazioni demografiche
  • Storia medica a livello individuale e familiare
  • Uso di farmaci
  • Punteggi degli esami neurologici e neuropsicologici
  • Dati di neuroimaging come risonanze magnetiche (MRI)

Ogni anno, i medici diagnosticano dieci milioni di nuovi casi di demenza. Distinguerne i vari tipi risulta complesso, poiché i sintomi spesso si presentano in modo simile. Questo strumento di intelligenza artificiale può rendere il processo diagnostico più semplice e accurato.

Lo studio è stato pubblicato su Nature Medicine. La Dott.ssa Vijaya B. Kolachalama, autrice principale e professoressa associata alla Boston University, sottolinea l'importanza di fare diagnosi utilizzando i dati clinici di routine. Questo strumento potrebbe rappresentare una soluzione diagnostica diffusa, fondamentale dato che è difficile accedere a test di alta qualità. Queste difficoltà si riscontrano tanto nelle aree remote e in via di sviluppo quanto nei centri sanitari urbani.

Il team di ricerca ha addestrato il loro avanzato sistema di machine learning su dati provenienti da oltre 50.000 persone appartenenti a nove diversi database globali. Il modello ha ottenuto ottimi risultati, con un punteggio di 0,96 nella previsione accurata degli esiti. Per fare un confronto, un punteggio di 0,5 indica una previsione casuale, mentre un punteggio di 1 rappresenta un'accuratezza perfetta.

I ricercatori hanno esaminato l'impatto dello strumento AI sulla precisione delle diagnosi effettuate da neurologi e neuroradiologi. Hanno scoperto che l'uso dello strumento AI ha reso i neurologi 26% più accurati nella diagnosi di tutti e dieci i tipi di demenza. In un test, 12 neurologi hanno ciascuno diagnosticato 100 casi selezionati casualmente e assegnato un punteggio di fiducia da 0 a 100. Questi punteggi sono stati poi mediati con i punteggi di probabilità dello strumento AI, ottenendo così un punteggio finale del neurologo potenziato dall'AI.

Il dottor Kolachalama afferma che nel mondo non ci sono abbastanza esperti in neurologia e il numero di pazienti è in aumento, rendendo difficile il lavoro dei sistemi sanitari. Ritiene che l'intelligenza artificiale possa essere d'aiuto nel rilevare precocemente i disturbi e nel supportare i medici nella gestione dei pazienti, prevenendo l'aggravarsi delle condizioni.

Lo strumento di intelligenza artificiale è estremamente promettente, considerato che il numero di casi di demenza è destinato a raddoppiare nei prossimi 20 anni. Fornendo diagnosi precise, potrebbe migliorare significativamente i trattamenti per la demenza.

Diverse organizzazioni hanno finanziato questo progetto con sovvenzioni. Tra queste figurano il Karen Toffler Charitable Trust, il Collaboratorio di Intelligenza Artificiale e Tecnologia dell'Istituto Nazionale sull'Invecchiamento e Gates Ventures.

Con l'aumento rapido dei casi di demenza, l'uso degli strumenti di intelligenza artificiale nella cura medica quotidiana potrebbe portare a migliori risultati per i pazienti ovunque. Questo strumento risulterebbe particolarmente utile in aree prive di strutture diagnostiche avanzate. La possibilità di migliorare l'assistenza per la demenza è notevole.

Utilizzare l'intelligenza artificiale per diagnosticare i diversi tipi di demenza può rivoluzionare la gestione di queste patologie cerebrali.

Lo studio è pubblicato qui:

http://dx.doi.org/10.1038/s41591-024-03118-z

e la sua citazione ufficiale - inclusi autori e rivista - è

Chonghua Xue, Sahana S. Kowshik, Diala Lteif, Shreyas Puducheri, Varuna H. Jasodanand, Olivia T. Zhou, Anika S. Walia, Osman B. Guney, J. Diana Zhang, Serena T. Pham, Artem Kaliaev, V. Carlota Andreu-Arasa, Brigid C. Dwyer, Chad W. Farris, Honglin Hao, Sachin Kedar, Asim Z. Mian, Daniel L. Murman, Sarah A. O’Shea, Aaron B. Paul, Saurabh Rohatgi, Marie-Helene Saint-Hilaire, Emmett A. Sartor, Bindu N. Setty, Juan E. Small, Arun Swaminathan, Olga Taraschenko, Jing Yuan, Yan Zhou, Shuhan Zhu, Cody Karjadi, Ting Fang Alvin Ang, Sarah A. Bargal, Bryan A. Plummer, Kathleen L. Poston, Meysam Ahangaran, Rhoda Au, Vijaya B. Kolachalama. AI-based differential diagnosis of dementia etiologies on multimodal data. Nature Medicine, 2024; DOI: 10.1038/s41591-024-03118-z
Intelligenza Artificiale: Ultime notizie

Condividi questo articolo

Commenti (0)

Pubblica un commento