EAN 2023 - L'IA prevede le alterazioni cerebrali nei pazienti anziani con e senza deterioramento cognitivo

Ricercatori tedeschi e islandesi hanno utilizzato una rete neurale convoluzionale (CNN) per addestrare un algoritmo sulle prime due scansioni FDG-PET al fine di prevedere la terza scansione in soggetti anziani (di età pari o superiore a 55 anni) facenti parte dell'Alzheimer's Disease Neuroimaging Initiative. "L'algoritmo ha previsto con precisione il futuro segnale FDG-PET complessivo dell'intero cervello, in particolare la riduzione metabolica, che riflette l'attività neuronale" ha dichiarato Elena Doering, dottoranda presso il Centro tedesco per le malattie neurodegenerative (DZNE) di Göttingen, che ha preso parte allo studio. "L'algoritmo è stato in grado di anticipare il futuro declino del segnale attraverso la riduzione del metabolismo, che riflette la perdita di attività neuronale". 

L'efficacia dell'algoritmo è stata evidenziata dalla sua capacità di rilevare i processi neurodegenerativi in corso anche allo stadio basale, prevedendo un declino significativo del segnale fino a sei anni dopo la scansione iniziale per i pazienti affetti da malattia di Alzheimer nelle regioni suscettibili all'AD, come le regioni temporali e parietali inferiori bilaterali e la corteccia del cingolo posteriore. 
 

Un'esplorazione unica

Questo studio è unico nel suo genere, poiché raramente è stata testata la previsione di cambiamenti metabolici longitudinali nel cervello utilizzando scansioni FDG-PET. Gli autori hanno sottolineato la scarsità di studi in grado di prevedere con successo cambiamenti longitudinali completi nell'intero cervello rispetto agli studi che si concentrano su cambiamenti specifici come il volume dell'ippocampo.

La disponibilità di uno strumento in grado di prevedere le scansioni FDG-PET longitudinali utilizzando le scansioni al basale e quelle di follow-up a un anno potrebbe migliorare notevolmente l'assistenza ai pazienti. 

I medici sarebbero in grado di interpretare le scansioni cerebrali FDG-PET "future" con anni di anticipo, come nella pratica di routine. Questo approccio può migliorare la diagnosi precoce, fornire una prognosi affidabile e consentire previsioni personalizzate dei cambiamenti patologici del cervello nel tempo. Studi precedenti, come IDEAS, hanno dimostrato che le diagnosi basate sulle immagini possono portare a cambiamenti nella gestione clinica rispetto alle diagnosi fornite esclusivamente sulla base delle caratteristiche cliniche.

Inoltre, lo studio potrebbe contribuire alla comprensione della progressione naturale della malattia di Alzheimer, che attualmente non ha un'eziologia definitiva. Fattori come l'età, le variazioni genetiche e le scelte di vita giocano un ruolo nello sviluppo della malattia e i risultati di questo studio possono aiutare a identificare i fattori che influenzano il tasso di progressione e a ottenere prognosi personalizzate senza la necessità di ripetere esami di imaging cerebrale.

Nel contesto delle sperimentazioni cliniche, questo nuovo strumento potrebbe essere utile per valutare l'efficacia di farmaci specifici su un singolo paziente, confrontando lo stato cerebrale effettivo dopo la terapia con quello previsto. Potrebbe anche avere applicazioni nella previsione dell'efficacia dei farmaci nell'ambito di studi clinici, eliminando la necessità di un follow-up prolungato o di ripetuti esami di imaging. I ricercatori prevedono che, con l'espansione dei database e l'acquisizione di periodi più lunghi, le capacità predittive potrebbero estendersi oltre i sei anni.