Ricercatori del Massachusetts Institute of Technology – MIT di Cambridge, in collaborazione con il Massachusetts General Hospital e il Boston University College of Health and Rehabilitation, il Centro Medico dell’Università di Rochester, Mayo Clinic ed Emerald Innovations, startup del MIT, hanno ideato un modo per identificare la malattia di Parkinson ai primi stadi tramite l’ascolto del respiro notturno.
Uno dei problemi associati a questa patologia neurodegenerativa è, infatti, la mancanza di biomarker da utilizzare per la diagnosi precoce e il monitoraggio della sua progressione.
Al momento, l’avanzamento della malattia è controllato tramite questionari di autovalutazione del paziente, che però non permettono di individuare piccoli peggioramenti. Sarebbe utile disporre di strumenti più precisi.
Ecco allora che gli autori hanno costruito un modello di intelligenza artificiale che valuta la qualità del respiro notturno, registrato attraverso una cintura indossabile oppure con un segnale radio a bassa potenza. Il modello è stato costruito basandosi su registrazioni di respiri notturni di 757 pazienti con Parkinson e 6.914 soggetti di controllo, raccolti in 11.964 notti per un totale di 120.000 ore.
Tra questi dati, molti sono rilevati wireless, tramite il segnale radio: in questo caso si hanno, per uno stesso paziente, registrazioni anche di un intero anno.
Per questa ragione, gli autori hanno utilizzato questi dati per la fase di validazione del sistema, una volta costruito. Il sistema è stato testato anche su una corte esterna di pazienti e si è dimostrato molto affidabile, con una sensibilità del 80.22% e una specificità del 78.62%, se si utilizza il sensore indossabile, e rispettivamente del 86.23% e 82.83% sfruttando le onde radio.
Non solo. Buoni i risultati ottenuti anche per il monitoraggio della malattia. Il sistema potrebbe inoltre essere utile per individuare i pazienti affetti da malattia di Parkinson prima che vi sia una diagnosi: ciò è possibile perché il sonno è uno dei primi aspetti a venire intaccati dalla malattia.
L’intelligenza artificiale potrebbe poi essere utile anche per predire la severità della patologia nel singolo paziente: informazione utile per stabilire il percorso terapeutico più adeguato. Nella loro discussione gli autori sottolineano che questo biomarker ha caratteristiche desiderabili a livello clinico: ha funzione diagnostica e di monitoraggio, è una misura oggettiva che non può essere intaccata dalla soggettività del paziente e del clinico stesso e, da ultimo, è misurabile in modo completamente non invasivo, anche a distanza… e grazie alle onde radio può essere utilizzato anche senza dover toccare il paziente, che potrebbe esserne infastidito.
Poter lavorare a distanza, direttamente al domicilio del paziente, consentirebbe di allargare la pletora dei pazienti seguiti dai centri esperti a coloro che vivono in aree montane o comunque lontane dalle città: oggi questi soggetti potrebbero avere difficoltà a raggiungere gli specialisti, soprattutto man mano che la degenerazione procede. Infine, individuare un biomarker efficace potrebbe avere ricadute positive anche sulla ricerca di farmaci attivi per il Parkinson, al momento inesistenti anche per mancanza di questo aspetto.
(Lo studio: Yang Y, Yuan Y, Zhang G, Wang H, Chen YC, Liu Y, Tarolli CG, Crepeau D, Bukartyk J, Junna MR, Videnovic A, Ellis TD, Lipford MC, Dorsey R, Katabi D. Artificial intelligence-enabled detection and assessment of Parkinson’s disease using nocturnal breathing signals. Nat Med. 2022 Aug 22. doi: 10.1038/s41591-022-01932-x. Epub ahead of print. PMID: 35995955)
Stefania Somaré
