La Scuola Universitaria Superiore Iuss di Pavia e Irccs Maugeri Bari firmano un importante traguardo nell’ambito della ricerca neurocognitiva...
La Scuola Universitaria Superiore Iuss di Pavia e Irccs Maugeri Bari firmano un importante traguardo nell’ambito della ricerca neurocognitiva e dell’impiego dell’intelligenza artificiale, guidando uno studio che apre nuove prospettive nella diagnosi precoce della malattia di Parkinson. Pubblicato sulla prestigiosa rivista Npj Parkinson’s Disease (Nature Publishing Group), lo studio rappresenta il primo contributo al mondo ad applicare un modello multivariato basato su AI e Natural Language Processing (NLP) su pazienti di lingua italiana.
La ricerca ha analizzato i campioni vocali raccolti da 40 pazienti di Irccs Maugeri Bari scelti tra soggetti con diagnosi di malattia di Parkinson e non, ai quali è stato chiesto di compiere attività linguistiche, come descrivere immagini complesse o parlare liberamente, che sono state registrate in file audio.
I ricercatori Maugeri e Iuss hanno elaborato questi dati con algoritmi AI avanzati, estrapolando variabili linguistiche (linguistic features) utilizzate per addestrare un modello di machine learning in grado di distinguere i tratti caratteristici dei pazienti Parkinson da quelli di soggetti sani.
"Abbiamo dimostrato la fattibilità tecnica di analizzare il parlato in lingua italiana – spiega Simona Aresta, prima autrice, ricercatrice bioingegnera all’Irccs Maugeri di Bari e dottoranda Iuss di The Hadron Academy che ha effettuato la ricerca con la neuropsicologa Petronilla Battista – È un primo passo verso strumenti clinici digitali, scalabili e applicabili anche a distanza". I risultati sono promettenti: 77% di accuratezza nel distinguere pazienti con Parkinson da soggetti sani; fino all’85% nella classificazione dei sottogruppi cognitivi; 75% di performance nel distinguere i due fenotipi cognitivi della malattia.
"Questo lavoro dimostra come l’AI possa essere impiegata per costruire veri e propri biomarcatori digitali del linguaggio, standardizzabili, con valore clinico concreto. La nostra pipeline è progettata per essere modulare, spiegabile, adattabile e integrabile nella pratica clinica per la diagnosi precoce e non invasiva, anche applicata ad altri contesti patologici – sottolinea Christian Salvatore (nella foto), docente Iuss, direttore del centro Alice Labs e ceo di DeepTrace Technologies – È un chiaro esempio di tecnologia traslazionale generata in ambito accademico e pronta all’impatto nella pratica clinica".
M.M.