Scansioni cerebrali per aiutare l'autismo ID?

Ricerche emergenti suggeriscono che potrebbe esserci un giorno in cui le anomalie nel cervello associate all'autismo possono essere rilevate con le scansioni cerebrali.

La diagnosi precoce di queste specifiche anomalie cerebrali potrebbe portare a una migliore diagnosi e una migliore comprensione dei disturbi dello spettro autistico.

La scoperta dei biomarcatori associati all'autismo è stata una sfida, spesso perché i metodi che si dimostrano promettenti con un gruppo di pazienti falliscono quando applicati a un altro.

In un nuovo studio, tuttavia, gli scienziati segnalano un nuovo grado di successo. Il biomarcatore proposto ha funzionato con un grado di accuratezza comparabilmente elevato nella valutazione di due diversi gruppi di adulti.

Gli scienziati hanno sviluppato un algoritmo informatico chiamato "classificatore"Perché può classificare gruppi di soggetti - quelli con un disturbo dello spettro autistico e quelli senza - sulla base di scansioni cerebrali di risonanza magnetica funzionale (fMRI).

Analizzando migliaia di connessioni di connettività di rete cerebrale in decine di persone con e senza autismo, il software ha trovato 16 connessioni funzionali interregionali chiave che gli hanno permesso di dire, con elevata precisione, chi era stato tradizionalmente diagnosticato con autismo e chi no.

La tecnologia è stata sviluppata principalmente presso l'Advanced Telecommunications Research Institute International a Kyoto, in Giappone, con i principali contributi di tre coautori della Brown University nel Rhode Island.

I ricercatori hanno studiato 181 volontari adulti in tre siti in Giappone e poi hanno applicato l'algoritmo a un gruppo di 88 adulti americani in sette siti. Tutti i volontari dello studio con diagnosi di autismo non avevano disabilità intellettiva.

"È il primo studio ad applicare [con successo] un classificatore a una coorte completamente diversa", ha detto l'autore co-corrispondente Dr. Yuka Sasaki, professore associato di ricerca di scienze cognitive, linguistiche e psicologiche alla Brown.

“Ci sono stati numerosi tentativi prima. Finalmente abbiamo superato il problema. "

Il classificatore, che combina due algoritmi di apprendimento automatico, ha funzionato bene in ciascuna popolazione, con una precisione media dell'85% tra i volontari giapponesi e del 75% tra gli americani.

I ricercatori hanno calcolato che la probabilità di vedere questo grado di performance tra popolazione per puro caso era di 1,4 su un milione.

I ricercatori hanno convalidato l'efficacia del classificatore in un altro modo confrontando la previsione del classificatore di una diagnosi di autismo con il principale metodo diagnostico attualmente disponibile per i medici, l'Autism Diagnostic Observation Schedule (ADOS).

L'ADOS non si basa su indicatori di biologia o fisiologia, ma piuttosto su interviste e osservazioni di comportamento di un medico. Il classificatore è stato in grado di prevedere i punteggi sulla componente di comunicazione ADOS con una correlazione statisticamente significativa di 0,44. La correlazione suggerisce che le 16 connessioni identificate dal classificatore si riferiscono ad attributi di importanza in ADOS.

I ricercatori hanno quindi scoperto che le connessioni erano associate a una rete cerebrale responsabile delle funzioni cerebrali come il riconoscimento di altre persone, l'elaborazione del viso e l'elaborazione emotiva. Questo allineamento anatomico è coerente con i sintomi associati ai disturbi dello spettro autistico come le percezioni sociali ed emotive.

Infine, il team ha cercato di vedere se il classificatore riflette adeguatamente le somiglianze e le differenze tra i disturbi dello spettro autistico e altre condizioni psichiatriche.

L'autismo, ad esempio, è noto per condividere alcune somiglianze con la schizofrenia ma non con la depressione o il disturbo da deficit di attenzione e iperattività.

Quando applicato a pazienti con ciascuno di questi altri disturbi rispetto a persone simili senza le condizioni, il classificatore ha mostrato un'accuratezza moderata ma statisticamente significativa nel distinguere i pazienti con schizofrenia, ma non i pazienti con depressione o ADHD.

Le scansioni MRI necessarie per raccogliere i dati erano semplici, ha detto Sasaki. I soggetti dovevano solo trascorrere circa 10 minuti nella macchina e non dovevano eseguire compiti speciali. Dovevano solo restare fermi e riposare.

Nonostante questa semplicità e anche se il classificatore ha funzionato senza precedenti bene come questione di ricerca, ha detto Sasaki, non è ancora pronto per essere uno strumento clinico. Sebbene il futuro possa portare a questo sviluppo, saranno prima necessari perfezionamenti.

"Il livello di precisione deve essere molto più alto", ha detto Sasaki. "L'ottanta per cento di precisione potrebbe non essere utile nel mondo reale."

Inoltre non è chiaro come funzionerebbe tra i bambini, poiché i volontari di questo studio erano tutti adulti.

Sebbene il classificatore non sia pronto per la diagnostica corrente, poiché l'accuratezza migliora le scansioni e l'analisi potrebbe non essere solo uno strumento diagnostico basato sulla fisiologia, ma anche un approccio per monitorare l'efficacia del trattamento.

Forse un giorno i medici saranno in grado di utilizzare lo strumento per monitorare se le terapie producono cambiamenti nella connettività cerebrale, ha detto Sasaki.

La ricerca è pubblicata sulla rivista Nature Communications.

Fonte: Brown University