L’intelligenza artificiale potrebbe cambiare radicalmente il modo in cui viene diagnosticato il morbo di Alzheimer, soprattutto nelle persone che, ancora oggi, restano escluse da un’identificazione precoce della malattia.
Un gruppo di ricercatori della UCLA Health ha sviluppato un modello di machine learning progettato per riconoscere i casi di Alzheimer non ancora diagnosticati, riducendo al tempo stesso le disparità che colpiscono le comunità storicamente meno rappresentate nei percorsi di cura.
La diagnosi precoce dell’Alzheimer resta una delle principali sfide
L’Alzheimer rappresenta la forma più comune di demenza e continua a essere una delle principali cause di disabilità nella popolazione anziana. Nonostante i progressi della neurologia e l’arrivo di nuove terapie in grado di rallentare l’evoluzione della malattia nelle fasi iniziali, una quota significativa di pazienti riceve ancora una diagnosi tardiva o non viene identificata affatto.
Le conseguenze sono importanti: ritardo nell’accesso ai trattamenti, minori possibilità di pianificare il percorso assistenziale e perdita di opportunità per intervenire quando il danno cerebrale è ancora limitato. Il problema è ancora più evidente nelle popolazioni meno rappresentate, dove fattori socioeconomici, difficoltà di accesso ai servizi sanitari e bias diagnostici contribuiscono a un sottodiagnostico cronico.
Un’intelligenza artificiale progettata per ridurre le disuguaglianze
Il progetto coordinato dal neurologo Timothy Chang presso la David Geffen School of Medicine della UCLA nasce proprio con questo obiettivo: sviluppare un sistema capace di individuare i pazienti che presentano un’elevata probabilità di avere un Alzheimer non ancora riconosciuto clinicamente.
A differenza dei tradizionali algoritmi supervisionati, che apprendono esclusivamente dai casi già diagnosticati, il nuovo modello utilizza una metodologia di apprendimento semi-supervisionato. In questo modo riesce ad analizzare contemporaneamente cartelle cliniche con diagnosi confermata e migliaia di pazienti per i quali la malattia non è mai stata formalmente identificata.
Questo approccio permette all’intelligenza artificiale di riconoscere schemi clinici molto più complessi rispetto ai tradizionali criteri diagnostici, individuando soggetti che meritano un approfondimento neurologico.
Oltre 97.000 cartelle cliniche per addestrare il sistema
Per sviluppare il modello sono stati utilizzati oltre 97.000 fascicoli sanitari elettronici provenienti da UCLA Health, comprendenti informazioni anagrafiche, diagnosi pregresse, storia clinica, accessi ospedalieri e numerosi altri parametri disponibili nelle cartelle elettroniche.
L’algoritmo non si limita a ricercare i classici sintomi cognitivi dell’Alzheimer, come perdita di memoria o decadimento cognitivo lieve. È in grado infatti di individuare correlazioni meno intuitive tra diverse condizioni cliniche, comprese alcune manifestazioni apparentemente non neurologiche che possono contribuire a identificare pazienti ad alto rischio.
Tra gli elementi analizzati figurano anche età, pattern di utilizzo dei servizi sanitari e numerose variabili cliniche normalmente già disponibili nella documentazione medica, senza richiedere esami aggiuntivi.
Accuratezza superiore rispetto ai modelli tradizionali
Uno degli aspetti più interessanti dello studio riguarda le prestazioni ottenute.
Il nuovo algoritmo ha raggiunto una sensibilità compresa tra il 77% e l’81% nell’identificazione dei casi probabili di Alzheimer non diagnosticato, mentre molti modelli convenzionali si fermavano tra il 39% e il 53%, arrivando in alcuni gruppi di popolazione a perdere oltre la metà dei casi reali.
Ancora più rilevante è il fatto che il sistema abbia mantenuto prestazioni sostanzialmente uniformi tra differenti gruppi etnici e razziali, riducendo uno dei principali limiti delle precedenti applicazioni dell’intelligenza artificiale in ambito neurologico.
Validazione anche attraverso i marcatori genetici
Per verificare l’affidabilità delle previsioni, i ricercatori hanno confrontato i risultati dell’algoritmo con dati genetici disponibili per una parte della popolazione studiata.
I pazienti identificati dall’intelligenza artificiale come probabili casi non diagnosticati presentavano infatti una maggiore presenza di marcatori genetici associati alla malattia di Alzheimer, tra cui punteggi di rischio poligenico più elevati e una maggiore frequenza dell’allele APOE ε4, uno dei principali fattori genetici di rischio conosciuti.
Questa validazione indipendente rafforza la credibilità clinica del modello e suggerisce che le sue previsioni riflettano realmente un aumentato rischio di malattia.
L’IA non sostituisce il neurologo ma lo supporta
Gli autori sottolineano che il sistema non è stato progettato per formulare una diagnosi automatica.
Il suo ruolo è quello di individuare pazienti ad alto rischio che potrebbero beneficiare di una valutazione specialistica, di test neuropsicologici, biomarcatori o esami di imaging più approfonditi. In pratica, l’intelligenza artificiale diventa uno strumento di screening avanzato capace di segnalare casi che, nella pratica clinica quotidiana, potrebbero passare inosservati.
Con l’arrivo di terapie sempre più mirate nelle fasi iniziali della malattia, identificare precocemente questi pazienti assume un valore clinico enorme, poiché amplia le possibilità terapeutiche e consente di programmare interventi farmacologici e strategie di prevenzione personalizzate.
Verso una neurologia sempre più personalizzata
Il lavoro della UCLA rappresenta uno dei segnali più concreti di come l’intelligenza artificiale stia evolvendo da semplice supporto tecnologico a strumento di medicina di precisione.
L’integrazione tra cartelle cliniche elettroniche, algoritmi di machine learning, biomarcatori e dati genetici apre la strada a una neurologia sempre più personalizzata, nella quale l’obiettivo non sarà soltanto curare la malattia, ma individuarla prima che provochi un danno irreversibile.
Prima di un utilizzo diffuso nella pratica clinica saranno comunque necessari studi prospettici multicentrici che ne confermino l’efficacia in sistemi sanitari differenti. Tuttavia, i risultati ottenuti mostrano come l’intelligenza artificiale possa contribuire non solo a migliorare l’accuratezza diagnostica, ma anche a rendere più equo l’accesso alle cure per milioni di persone a rischio di Alzheimer.
