La nuova tecnica di imaging cerebrale aiuta a diagnosticare il Parkinson
Un nuovo studio fa sperare che una tecnica di imaging cerebrale migliorerà le diagnosi per milioni di persone con disturbi del movimento come il morbo di Parkinson.
I ricercatori dell'Università della Florida ritengono che una tecnica di imaging con tensore di diffusione potrebbe consentire ai medici di valutare le persone prima di quanto sia possibile oggi, portando a migliori interventi di trattamento e terapie per i pazienti.
Lo studio di tre anni ha esaminato 72 pazienti, ciascuno con una diagnosi di disturbo del movimento clinicamente definita. La nuova tecnica ha permesso ai ricercatori di separare con successo i pazienti in gruppi di disturbi con un alto grado di precisione.
La ricerca sarà pubblicata sulla rivista Disturbi del movimento.
"Lo scopo di questo studio è identificare i marcatori nel cervello che differenziano i disturbi del movimento che hanno sintomi clinici che si sovrappongono, rendendo [i disturbi] difficili da distinguere", ha detto David Vaillancourt, professore associato e ricercatore principale dello studio.
"Nessun altro imaging, liquido cerebrospinale o marker del sangue è stato così efficace nel differenziare questi disturbi", ha detto. "I risultati sono molto promettenti."
Disturbi del movimento come il morbo di Parkinson, tremore essenziale, atrofia multisistemica e paralisi sopranucleare progressiva mostrano sintomi simili nelle prime fasi, il che può rendere difficile l'assegnazione di una diagnosi specifica.
Vaillancourt ha detto che spesso la diagnosi originale cambia con il progredire della malattia.
L'imaging del tensore di diffusione, noto come DTI, è un metodo non invasivo che esamina la diffusione delle molecole d'acqua all'interno del cervello. Può identificare le aree chiave che sono state colpite a seguito di danni alla materia grigia e alla sostanza bianca nel cervello.
Vaillancourt e il suo team hanno misurato le aree dei gangli della base e del cervelletto negli individui e hanno utilizzato un approccio statistico per prevedere la classificazione dei gruppi.
Ponendo domande diverse all'interno dei dati e confrontando diversi gruppi tra loro, sono stati in grado di mostrare una netta separazione tra i disturbi.
"Il nostro obiettivo era utilizzare queste misure per prevedere con precisione la classificazione della malattia originale", ha detto Vaillancourt, "l'idea è che se un nuovo paziente arrivasse con una diagnosi sconosciuta, potresti essere in grado di applicare questo algoritmo a quell'individuo".
Ha paragonato il processo a un test del colesterolo.
"Se hai il colesterolo alto, aumenta le tue possibilità di sviluppare malattie cardiache in futuro", ha detto.
“Ci sono test come quelli che danno una probabilità o uno scenario di probabilità di un particolare gruppo di malattie. Stiamo facendo un ulteriore passo avanti e stiamo cercando di utilizzare le informazioni per prevedere la classificazione di specifici tremore e malattie parkinsoniane ".
Fonte: Università della Florida
