Un innovativo modello di intelligenza artificiale (IA) ha dimostrato di poter identificare precocemente la transizione dalla sclerosi multipla recidivante-remittente (SMRR) alla sclerosi multipla secondariamente progressiva (SMSP), con un’efficacia superiore rispetto alle tradizionali valutazioni cliniche.
Lo rivela uno studio guidato da Kim Kultima, ricercatore presso il Dipartimento di Scienze Mediche dell’Università di Uppsala, pubblicato sulla rivista Digital Medicine.
Secondo i dati raccolti, l’algoritmo di IA è stato in grado di rilevare la transizione alla forma progressiva con una precisione complessiva del 90%, anticipando la diagnosi rispetto alla documentazione clinica in quasi l’87% dei casi.
La sclerosi multipla (SM) è una patologia infiammatoria cronica che colpisce il sistema nervoso centrale. In Svezia, sono circa 22.000 le persone che convivono con questa malattia. Inizialmente, la maggior parte dei pazienti manifesta la forma recidivante-remittente, caratterizzata da periodi di peggioramento alternati a fasi di stabilità. Tuttavia, con il tempo, molti evolvono verso la forma secondariamente progressiva, caratterizzata da un peggioramento costante e continuo dei sintomi.
Identificare precocemente la transizione è cruciale, poiché le due forme della malattia richiedono strategie terapeutiche differenti. Attualmente, la diagnosi di passaggio alla SMSP viene mediamente formulata tre anni dopo l’inizio della progressione, ritardando l’adozione di terapie più appropriate ed esponendo i pazienti a trattamenti non più efficaci.
Il nuovo modello di intelligenza artificiale è stato sviluppato analizzando i dati clinici di oltre 22.000 pazienti raccolti nel Registro Svedese della Sclerosi Multipla. L’IA utilizza informazioni già disponibili da visite mediche di routine, comprese valutazioni neurologiche, risonanze magnetiche e dettagli sui trattamenti in corso.
“Il modello riconosce schemi clinici nei dati storici dei pazienti, permettendo di distinguere tra la forma recidivante-remittente e la secondariamente progressiva della malattia”, spiega Kim Kultima. “Una caratteristica distintiva è che il sistema fornisce anche un’indicazione del livello di affidabilità della diagnosi, offrendo così al medico un quadro chiaro sulla sicurezza della valutazione”.
Per i pazienti, questo approccio significa una diagnosi più tempestiva, la possibilità di adattare il trattamento prima che la malattia peggiori e una riduzione del rischio di terapie inefficaci. A lungo termine, il modello potrebbe anche favorire l’identificazione di candidati per studi clinici mirati, aprendo la strada a strategie terapeutiche più efficaci e personalizzate.
