Ricercatori della Simon Fraser University (SFU) in Canada stanno studiando come si può utilizzare una combinazione tra genetica e risonanza magnetica cerebrale per prevedere le possibilità di sviluppo dell'Alzheimer in futuro.
In uno studio pubblicato di recente, ricercatori della SFU hanno identificato proprietà distinte della risonanza magnetica cerebrale e della genetica che impattano sulla previsione della demenza di tipo Alzheimer (DAT, Dementia of Alzheimer’s Type) per i pazienti in varie fasi della malattia, e hanno quindi sviluppato un biomarcatore che può aiutare a prevedere la conversione futura in DAT.
"I nostri risultati rivelano che, mentre le caratteristiche genetiche hanno un potere predittivo inferiore rispetto alle caratteristiche della risonanza magnetica, combinare entrambe le modalità può migliorare le prestazioni nel prevedere la conversione futura in DAT", afferma il primo autore dello studio Ghazal Mirabnahrazam, ricercatore in scienza dell'ingegneria alla SFU.
I punteggi della demenza basati su dati genetici hanno dimostrato di prevedere meglio la progressione alla DAT dei pazienti attualmente normali che svilupperanno la DAT in un secondo momento, mentre i dati di risonanza magnetica, che riflettono cambiamenti anatomici nel cervello, hanno provato di prevedere meglio la DAT futura di chi ha un lieve deterioramento cognitivo.
L'autore senior Mirza Faisal Beg, professore di Scienze di Ingegneria alla SFU, afferma:
"In un contesto clinico, i medici possono usare il nostro modello per prevedere un punteggio quantitativo che indica la somiglianza tra i modelli osservati di un soggetto, basati su MRI e sui dati genetici al momento della visita clinica e degli schemi DAT.
“Questo è estremamente utile, in particolare nella fase di lieve deterioramento cognitivo nell'identificare coloro che progrediranno alla DAT in futuro. Essere in grado di stimare accuratamente la possibilità di conversione futura in DAT usando solo le informazioni di base è estremamente prezioso perché fornisce ai professionisti informazioni e tempo sufficienti per pianificare cure adeguate per ogni paziente in base alla sua probabilità di sviluppare l'Alzheimer.
"Inoltre, può fornire informazioni potenzialmente cruciali per gli esperimenti di farmaci e per lo sviluppo di misure preventive. Queste informazioni possono aiutare nella selezione della coorte appropriata di pazienti per gli studi clinici, che può portare a un esito più promettente".
Fonte: Simon Fraser University (> English) - Traduzione di Franco Pellizzari.
Riferimenti: Ghazal Mirabnahrazam, ...[+7], Mirza Faisal Beg. Machine Learning Based Multimodal Neuroimaging Genomics Dementia Score for Predicting Future Conversion to Alzheimer’s Disease. Journal of Alzheimer's Disease, 2022, DOI
Copyright: Tutti i diritti di testi o marchi inclusi nell'articolo sono riservati ai rispettivi proprietari.
Liberatoria: Questo articolo non propone terapie o diete; per qualsiasi modifica della propria cura o regime alimentare si consiglia di rivolgersi a un medico o dietologo. Il contenuto non rappresenta necessariamente l'opinione dell'Associazione Alzheimer OdV di Riese Pio X ma solo quella dell'autore citato come "Fonte". I siti terzi raggiungibili da eventuali collegamenti contenuti nell'articolo e/o dagli annunci pubblicitari sono completamente estranei all'Associazione, il loro accesso e uso è a discrezione dell'utente. Liberatoria completa qui.
Nota: L'articolo potrebbe riferire risultati di ricerche mediche, psicologiche, scientifiche o sportive che riflettono lo stato delle conoscenze raggiunte fino alla data della loro pubblicazione.