Site icon Corriere Nazionale

Sclerosi multipla: algoritmi prevedono l’evoluzione

Sclerosi multipla secondariamente progressiva: confronto tra terapie a bassa e alta efficacia su ricadute e disabilità causata dalla SPMS

Sclerosi multipla: algoritmi di machine learning e dati medici disponibili nella comune pratica clinica possono prevdere l’evoluzione

Uno studio interdisciplinare nato dalla collaborazione tra quattro diversi dipartimenti della Sapienza Università di Roma, che ha coinvolto anche fisici dell’Istituto dei sistemi complessi (Cnr-Isc), ha individuato un nuovo paradigma per predire lo sviluppo della sclerosi multipla nel medio periodo utilizzando algoritmi di machine learning e dati medici disponibili nella comune pratica clinica.

Questa ricerca si inserisce in un filone più ampio, che vede i fisici del Cnr-Isc di Roma Andrea Zaccaria e Andrea Tacchella applicare algoritmi di machine learning in ambiti interdisciplinari come l’economia o, appunto, la medicina. In una pubblicazione precedente, ad esempio, era stata notata la complementarietà tra le previsioni sull’andamento della sclerosi multipla prodotte da un gruppo umano e da algoritmi di intelligenza artificiale, mostrando come le previsioni ibride fossero sostanzialmente migliori di quelle provenienti dai singoli gruppi
(https://f1000research.com/articles/6-2172).

La Sclerosi multipla (SM) rappresenta la principale causa di disabilità neurologica progressiva nei giovani, colpendo principalmente persone tra i 20 e i 50 anni, con costi umani e sociali molto elevati. Solitamente, questa malattia inizia con una forma recidivante-remittente, in cui si verifica un’alternanza fra fasi acute e fasi di remissione, che lentamente evolve in una forma secondariamente progressiva, con un peggioramento della disabilità.

Il decorso della sclerosi multipla è, però, estremamente variabile da soggetto a soggetto, e non è attualmente possibile produrre previsioni totalmente affidabili. Questa incapacità è molto limitante: una predizione precoce del decorso, infatti, consentirebbe di differenziare il trattamento in base alla aggressività prevista della patologia, riservando le terapie ad alto impatto solo ai pazienti a maggior rischio di progressione della malattia. Infatti, gli effetti avversi dei farmaci sono sostanzialmente proporzionali alla loro efficacia.

Come in altri campi della medicina, anche per lo studio della sclerosi multipla stanno emergendo approcci basati su algoritmi di intelligenza artificiale per aumentare la capacità di predizione della prognosi. Tuttavia, la maggior parte degli studi effettuati fino ad oggi fa ricorso a dati altamente specializzati, non usati nella normale pratica clinica, impedendo di fatto la diffusione di tali strumenti in ambito ospedaliero.

Il team interdisciplinare Sapienza-Cnr, applicando un interessante cambio di prospettiva, ha realizzato uno studio per predire lo sviluppo della malattia nel medio periodo utilizzando esclusivamente dati disponibili nella comune pratica clinica; in particolare, ha operato su un database costituito dalle cartelle cliniche dei pazienti seguiti presso l’ospedale universitario Sant’Andrea. Tali dati sono stati analizzati con due diversi paradigmi di apprendimento: uno basato sull’utilizzo delle informazioni cliniche relative a una singola visita medica di pazienti diversi, l’altro che utilizza la
sequenza temporale delle visite disponibili per un singolo paziente. Queste due informazioni vengono processate dagli algoritmi in maniera diversa e complementare.

I risultati ottenuti mostrano che i dati clinici possono essere sufficienti per prevedere in maniera affidabile l’evoluzione della sclerosi multipla nei singoli soggetti con un orizzonte temporale di due anni. Questo lavoro apre la strada alla possibilità di utilizzare i modelli di intelligenza artificiale messi a punto impiegando dati comunemente raccolti negli ospedali, anche se la capacità predittiva dei modelli necessita di ulteriori miglioramenti. Inoltre, essi indicano le strategie da seguire per migliorare i risultati dell’analisi, in primis una collaborazione attiva fra chi raccoglie i dati e chi li analizza.

Oltre ai ricercatori dell’Istituto dei sistemi complessi, alla ricerca hanno collaborato membri della Sapienza provenienti dal Dipartimento di Neuroscienze, Salute Mentale e Organi di Senso (NESMOS) e dal Dipartimento di Fisica; la ricerca è stata coordinata da Laura Palagi del Dipartimento di Ingegneria informatica automatica e gestionale “Antonio Ruberti”, e da Francesca Grassi dell’Istituto del Dipartimento di Fisiologia e farmacologia “Vittorio Erspamer”.

Exit mobile version