Messo a punto un approccio che combina il machine learning con la topologia computazionale, una branca della matematica che studia la struttura e la forma dei dati, permettendo di identificare in modo preciso alterazioni biochimiche che possono segnalare la malattia di Alzheimer
La malattia di Alzheimer provoca delle alterazioni biochimiche che se rilevate possono permettere un’individuazione più accurata della patologia. Alcuni ricercatori italiani hanno trovato il modo di individuarle sfruttando l’intelligenza artificiale, in particolare alcuni metodi avanzati di machine learning applicati ai dati di spettroscopia Raman acquisiti su campioni biologici. La ricerca mirava a distinguere i soggetti affetti da Alzheimer da altre patologie del sistema nervoso centrale mediante la classificazione dei dati ricavati dalla spettroscopia Raman, una tecnica che analizza le interazioni della luce con le molecole del campione, rilevando così le alterazioni biochimiche che possono indicare la presenza della malattia. Il lavoro è stato pubblicato sulla rivista scientifica Journal of the Franklin Institute.
Lo studio è stato condotto dall’Istituto di scienza e tecnologie dell’informazione del Consiglio nazionale delle ricerche di Pisa (Cnr-Isti), in collaborazione con l’Istituto di fisica applicata del Cnr di Firenze (Cnr-Ifac), l’Università di Firenze e l’Azienda ospedaliera universitaria Careggi (Firenze). L’innovazione principale risiede nell’aver applicato, per la prima volta, un metodo avanzato per l’analisi e la classificazione dei dati di spettroscopia Raman acquisiti da campioni di liquido cerebrospinale, sfruttando tecniche di apprendimento automatico topologico. Questo approccio combina il machine learning con la topologia computazionale, una branca della matematica che studia la struttura e la forma dei dati, permettendo di identificare in modo preciso alterazioni biochimiche che possono segnalare la malattia di Alzheimer.
“Dagli spettri Raman vengono estratte caratteristiche di forma (features topologiche), che vengono poi utilizzate per addestrare algoritmi di machine learning capaci di classificare i dati – spiega Maria Antonietta Pascali, ricercatrice del Cnr-Isti -. L’ottimizzazione del processo consente di selezionare il miglior modello predittivo, aumentando così l’accuratezza nella distinzione tra Alzheimer e altre patologie del sistema nervoso centrale”. I risultati sono giudicati promettenti, secondo Pascali “l’accuratezza dell’86% raggiunta nella classificazione dei campioni di liquido cerebrospinale suggerisce un potenziale importante nel riconoscimento dei soggetti Alzheimer. Con ulteriori perfezionamenti, questa tecnica potrebbe migliorare le capacità diagnostiche e integrarsi nella pratica clinica. Questa metodologia promette di fornire una chiave di lettura efficace non solo per l’Alzheimer, ma potenzialmente anche per altri casi studio”, conclude la ricercatrice.
Iscriviti alla Newsletter di Sanità Informazione per rimanere sempre aggiornato