Nuovo studio: test non invasivo predice il rischio di Alzheimer e demenza
Una nuova ricerca suggerisce che i progressi della tecnologia ora consentono al software di prevedere il rischio di una persona di sviluppare la malattia di Alzheimer e le relative demenze dalle informazioni ottenute durante le visite mediche di routine.
La scoperta è importante in quanto è un metodo a basso costo e non intrusivo per rilevare una malattia cronica che spesso sconvolge la vita sia dell'individuo che della sua famiglia.
Gli scienziati del Regenstrief Institute, dell'Università dell'Indiana e della Merck hanno sviluppato e testato gli algoritmi utilizzando i dati delle cartelle cliniche elettroniche. Il nuovo sviluppo è importante poiché almeno il 50% dei pazienti anziani che vivono con la malattia di Alzheimer e le demenze correlate non ricevono mai una diagnosi.
E molti altri convivono con i sintomi da due a cinque anni prima di essere diagnosticati. Attualmente, i test per lo screening del rischio di demenza sono invasivi, richiedono tempo e sono costosi.
"La cosa grandiosa di questo metodo è che è passivo e fornisce una precisione simile ai test più intrusivi attualmente utilizzati", ha affermato il ricercatore capo Malaz Boustani, MD, MPH, ricercatore presso il Regenstrief Institute e professore presso l'Indiana University Scuola di Medicina.
"Si tratta di una soluzione a basso costo e scalabile che può fornire vantaggi sostanziali ai pazienti e alle loro famiglie aiutandoli a prepararsi per la possibilità di una vita con demenza e consentendo loro di agire".
Il team di ricerca, che comprendeva anche scienziati del Georgia State, Albert Einstein College of Medicine e Solid Research Group, ha recentemente pubblicato i suoi risultati su due diversi approcci di apprendimento automatico.
Un articolo, pubblicato nel Giornale dell'American Geriatrics Society, ha analizzato i risultati di un algoritmo di elaborazione del linguaggio naturale. In questa tecnica, gli approcci all'apprendimento automatico vengono determinati analizzando esempi.
Un approccio correlato, discusso in un Intelligenza artificiale in medicina articolo, ha condiviso i risultati di un modello che utilizza un insieme di alberi decisionali. Entrambi i metodi hanno mostrato un'accuratezza simile nel prevedere l'insorgenza della demenza entro uno e tre anni dalla diagnosi.
Per addestrare gli algoritmi, i ricercatori hanno raccolto dati sui pazienti dall'Indiana Network for Patient Care. I modelli hanno utilizzato informazioni su prescrizioni e diagnosi, che sono campi strutturati, così come note mediche, che sono testo libero, per prevedere l'insorgenza della demenza.
I ricercatori hanno scoperto che le note di testo libero erano le più preziose per aiutare a identificare le persone a rischio di sviluppare la malattia.
"Questa ricerca è entusiasmante perché potenzialmente fornisce un vantaggio significativo ai pazienti e alle loro famiglie", ha detto Patrick Monahan, PhD, autore dello studio della IU School of Medicine e scienziato affiliato di Regenstrief.
"I medici possono fornire istruzione sul comportamento e sulle abitudini per aiutare i pazienti ad affrontare i loro sintomi e vivere una migliore qualità della vita".
Zina Ben Miled, PhD, MS, autrice di uno studio della Purdue School of Engineering and Technology spiega: “L'identificazione precoce del rischio offre l'opportunità a medici e famiglie di mettere in atto un piano di assistenza. So per esperienza quanto può essere faticoso affrontare una diagnosi di demenza. La finestra fornita da questo test è così importante per aiutare a migliorare la qualità della vita sia dei pazienti che delle loro famiglie ".
Oltre al vantaggio per le famiglie, questi metodi possono anche fornire significativi risparmi sui costi per i pazienti e i sistemi sanitari. Sostituiscono la necessità di test costosi e consentono ai medici di sottoporre a screening intere popolazioni per identificare quelle più a rischio. Ritardare l'insorgenza dei sintomi consente anche di risparmiare una notevole quantità di denaro sul trattamento.
Il prossimo passo è distribuire questi algoritmi di apprendimento automatico nelle cliniche della vita reale per verificare se aiutano a identificare casi più veri di demenza e per imparare come influenzano la volontà di un paziente di seguire i risultati.
Fonte: Regenstrief Institute
