La ricerca sulle malattie neurologiche parla italiano, con interessanti novità sul fronte della diagnostica precoce e non invasiva di Parkinson e Alzheimer. Il Laboratorio di Biotecnologie RED di Enea ha brevettato un approccio di ultima generazione che sfrutta il microbiota per diagnosticare precocemente la malattia di Alzheimer. Il prossimo passo sarà quello di sviluppare un test ad hoc, non invasivo e a basso costo.
Punta invece a prevedere l’evoluzione della malattia di Parkinson leggendo direttamente l’attività cerebrale dei pazienti il lavoro pubblicato sulla rivista ‘Npj Parkinson’s disease’ frutto della collaborazione tra l’Istituto di BioRobotica della Scuola Superiore Sant’Anna di Pisa e il Centro Parkinson dell’Asst Gaetano Pini-CTO di Milano.
Grazie a nuovi algoritmi di intelligenza artificiale e innovativi stimolatori cerebrali, questo studio permette di monitorare e predire l’attività neurale e i sintomi della malattia di Parkinson. Ma non è tutto: sempre su questa patologia l’Istituto Universitario di Studi Superiori Iuss di Pavia e l’Irccs Maugeri di Bari descrivono su ‘Npj Parkinson’s Disease’ i risultati di un modello basato su AI e Natural Language Processing (NLP) messo a punto su pazienti di lingua italiana, in grado di intercettare nelle parole le ‘spie’ dell’andamento della patologia. Il linguaggio è dunque una finestra preziosa sulle funzioni del cervello. Ma vediamo meglio queste tre ricerche.
Anticipare l’Alzheimer grazie al microbiota
La ricerca Enea ha identificato nelle feci nuovi biomarcatori che consentiranno non solo una diagnosi precoce ma anche una prognosi mirata, avvalendosi di un modello che riproduce le fasi della malattia osservate nell’uomo.
Esiste infatti, e ormai lo sappiamo, una stretta relazione tra la composizione del microbiota intestinale e lo sviluppo delle patologie neurodegenerative. “Stati di disbiosi sono stati associati ad un aumento del rischio di sviluppare la malattia – ha ricordato Roberta Vitali, ricercatrice del Laboratorio di Biotecnologie RED di Enea – Partendo dall’ipotesi che le alterazioni del microbiota possano tradursi in modificazioni molecolari rilevabili nel campione fecale, abbiamo proposto le feci come matrice per lo screening di biomarcatori per l’Alzheimer. La nostra ipotesi è stata che specifici microRNA e proteine presenti nelle feci possano fungere da marcatori di malattia”.
Il panel delle molecole identificate è stato brevettato e una selezione è stata validata su campioni fecali in diversi stadi della patologia. I risultati hanno confermato la correlazione con specifiche fasi della patologia. L’obiettivo dei ricercatori è ora sviluppare un test diagnostico mirato, per intercettare questa malattia precocemente – e a basso costo – monitorandola nel tempo e riducendo il ricorso a metodi invasivi (e costosi) come il prelievo di liquido cerebrospinale.
Ingegneria e neurostimolatori contro il Parkinson
Del tutto diverso ma ugualmente interessante il lavoro condotto fra Pisa e Milano, che consentirà di “leggere nel futuro della malattia di Parkinson”, come ha sintetizzato Ioannis U. Isaias, direttore del Centro Parkinson e Parkinsonismi dell’ASST Gaetano Pini-CTO. Ma di che tempi parliamo? Sarà possibile stimare “l’evoluzione clinica con una settimana di anticipo”, per “intervenire tempestivamente sulla terapia di neuromodulazione e renderla più efficace. Questo risultato – ha aggiunto lo specialista – è molto importante per valorizzare appieno le nuove strategie di stimolazione cerebrale profonda di tipo adattativo, di cui il nostro Centro è tra i primi sperimentatori al mondo”.
“Sono molto felice di questo risultato – ha commentato Alberto Mazzoni, professore associato presso l’Istituto di Biorobotica della Scuola Superiore Sant’Anna, responsabile dello studio insieme a Isaias – in quanto traduce in un utilizzo clinico immediato le nostre linee di ricerca sullo sviluppo di nuovi metodi ingegneristici per l’analisi dei segnali neurali”. I pazienti coinvolti hanno ricevuto un nuovo stimolatore sperimentale (AlphaDBS -Newronika) durante un intervento chirurgico eseguito dall’équipe di Marco Locatelli presso l’Ospedale Maggiore Policlinico di Milano Fondazione Irccs Ca’ Granda, una delle neurochirurgie con cui il Centro Parkinson ha sviluppato una rete di collaborazioni sul territorio lombardo.
Analisi del linguaggio con l’aiuto dell’AI
L’ultimo lavoro ‘fresco’ di pubblicazione è l’interessante risultato di una collaborazione tra il centro di ricerca Ailice Labs (Artificial Intelligence Research Group) dello Iuss di Pavia, il Laboratorio di Neuropsicologia dell’IRCCS Maugeri Bari e partner internazionali come il Global Brain Health Institute (UCSF) e l’Universidad de San Andrés (Argentina), oltre alla società DeepTrace Technologies, spin-off Iuss.
Questa volta il team mirava a creare biomarcatori digitali del linguaggio per identificare precocemente i fenotipi di malattia di Parkinson. Analizzando i campioni vocali raccolti da 40 pazienti con diagnosi di malattia di Parkinson e non, i ricercatori hanno addestrato un modello di machine learning in grado di distinguere i tratti caratteristici dei pazienti Parkinson da quelli di soggetti sani.
Come ha spiegato Simona Aresta, prima autrice e ricercatrice bioingegnera all’Irccs Maugeri di Bari, i risultati sono promettenti. Il sistema ha il 77% di accuratezza nel distinguere pazienti con Parkinson da soggetti sani e fino all’85% sul fronte della classificazione dei sottogruppi cognitivi.
“Tra i marcatori più indicativi emersi dall’analisi, spicca la riduzione nell’uso dei verbi d’azione. Questi elementi linguistici, elaborati in aree cerebrali come il lobo frontale, spesso coinvolte nei primi stadi della malattia, sembrano essere particolarmente sensibili al deterioramento precoce. Inoltre, è stata rilevata una maggiore frequenza di riformulazioni del discorso e una ridotta produzione di parole appartenenti a classi aperte, come nomi e verbi, suggerendo una difficoltà crescente nell’accesso lessicale”, ha detto Petronilla Battista, neuropsicologa e logopedista Responsabile del Laboratorio di Neuropsicologia all’Irccs Maugeri Bari.
“I dati dello studio – ha aggiunto – dimostrano che l’analisi automatica del parlato può diventare uno strumento affidabile non solo per aiutare a identificare precocemente i diversi fenotipi della malattia di Parkinson, ma anche per valutare l’efficacia delle terapie farmacologiche in atto”.
Ma c’è di più. “Questo lavoro dimostra come l’AI possa essere impiegata per costruire veri e propri biomarcatori digitali del linguaggio – ha aggiunto Christian Salvatore, docente Iuss, direttore del centro Ailice Labs e Ceodi DeepTrace Technologies – con un 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. È un chiaro esempio di tecnologia traslazionale generata in ambito accademico e pronta all’impatto nella pratica clinica”.
Il team intende estendere lo studio a campioni clinici più ampi, in modo da consolidare l’affidabilità dei risultati. Parallelamente, è in corso lo sviluppo di strumenti diagnostici digitali utilizzabili in contesti internazionali.
Perché l’obiettivo di tutti questi gruppi è portare il più presto al letto del paziente i risultati di queste ricerche. Per fare davvero la differenza nella vita dei pazienti.
