La tecnologia digitale abilitata all’intelligenza artificiale della compagnia PreciseDx è in grado di diagnosticare accuratamente la malattia di Parkinson in fase iniziale
La tecnologia digitale abilitata all’intelligenza artificiale della compagnia PreciseDx è in grado di diagnosticare accuratamente la malattia di Parkinson nei pazienti vivi, prima che insorgano i sintomi, secondo uno studio realizzato collaborazione con la Michael J. Fox Foundation e pubblicato sulla rivista Acta Neuropathologica Communications.
PreciseDx è l’unica azienda di stratificazione del rischio di cancro in grado di fornire informazioni sul rischio specifico del paziente attraverso l’analisi delle caratteristiche morfologiche, consentendo trattamenti migliori e più personalizzati. Combinando la potenza dell’intelligenza artificiale con la piattaforma proprietaria Morphology Feature Array, la compagnia crea dei test specifici per la malattia che forniscono nuovi livelli di informazioni sulla patologia e approfondimenti sul profilo di rischio di ciascun paziente e sui probabili esiti, per aiutare nel processo decisionale del trattamento.
Diagnosi precoce del Parkinson
La diagnosi della malattia di Parkinson è difficile in tutte le fasi per via della variabilità dei sintomi, delle comorbidità e della comunanza dei sintomi con altre patologie, così che la più accurata diagnosi definitiva può essere effettuata solo post mortem. Il nuovo studio ha scoperto che la tecnologia di PreciseDx è in grado di facilitare una diagnosi conclusiva del Parkinson, fornendo informazioni chiave per un trattamento precoce.
«I risultati mostrano il potenziale della tecnologia per aiutare nella diagnosi della malattia di Parkinson» ha affermato Jamie Eberling, vicepresidente senior delle risorse di ricerca presso la Michael J. Fox Foundation for Parkinson’s Research (MJFF), che ha finanziato in parte l’analisi dell’intelligenza artificiale e ha sponsorizzato lo studio che ha fornito i dati (il Systemic Synuclein Sampling Study). «Gli strumenti diagnostici obiettivi, soprattutto nelle prime fasi della malattia, sono fondamentali per guidare le decisioni di cura e per progettare trial clinici per trattamenti e cure migliori».
Lo studio ha applicato gli algoritmi di intelligenza artificiale per il rilevamento immunoistochimico (IHC) dell’α-sinucleina all’interno dei nervi periferici delle ghiandole salivari (ovvero la sinucleinopatia periferica di tipo Lewy, LTS). Tramite le annotazioni di un patologo esperto sui campioni, la rete neurale convoluzionale della tecnologia (un algoritmo di deep learnming) è stata addestrata a distinguere accuratamente la LTS nei campioni bioptici della malattia di Parkinson in fase iniziale sulla base delle caratteristiche morfologiche e, ultimato l’addestramento, il test algoritmico è stato convalidato utilizzando un set separato di campioni bioptici confermati.
Rilevazione più accurata di un patologo esperto
L’algoritmo di PreciseDx è stato in grado di rilevare la malattia di Parkinson tramite l’analisi di immagini da campioni bioptici, con una sensibilità del 99% e una specificità del 99%, superando il patologo umano nella previsione dello stato clinico del Parkinson con un’accuratezza di 0,69 contro 0,64.
L’estrazione e l’analisi delle caratteristiche del Morphology Feature Array consente lo sviluppo e la convalida di nuovi algoritmi rispetto agli endpoint clinici, un approccio estremamente prezioso per creare nuovi test diagnostici, diagnosi accurate e riproducibili, prognosi e selezione della terapia per un’ampia gamma di condizioni.
«Tradizionalmente i sistemi di classificazione della patologia esaminano alcuni componenti della morfologia per effettuare una diagnosi. A differenza di qualsiasi metodo di classificazione alimentato dall’uomo, la tecnologia di PreciseDx può esaminare migliaia di caratteristiche diverse e sfruttare le relazioni tra loro» ha dichiarato John Crary, Professore nei Dipartimenti di Patologia, Neuroscienze e Intelligenza Artificiale e Salute Umana presso la Icahn School of Medicine al Mount Sinai. «Questo studio ha dimostrato che dobbiamo rivitalizzare il modo in cui pensiamo alla patologia e appoggiarci all’uso dell’intelligenza artificiale per rilevare le malattie in modo più accurato».
Bibliografia
Signaevsky M et al. Antemortem detection of Parkinson’s disease pathology in peripheral biopsies using artificial intelligence. Acta Neuropathol Commun. 2022 Feb 14;10(1):21.