Secondo l'Organizzazione Mondiale della Sanità ci sono circa 55 milioni di persone in tutto il mondo con la demenza, la cui forma più comune è il morbo di Alzheimer (MA), una condizione incurabile che provoca il deterioramento della funzione cerebrale.
Oltre agli effetti fisici, il MA causa conseguenze psicologiche, sociali ed economiche non solo per le persone con la malattia, ma anche per i loro cari e quelli che si prendono cura di loro. Poiché i suoi sintomi peggiorano nel tempo, è importante sia per i pazienti che per i caregiver prepararsi all'eventuale necessità di aumentare la quantità di supporto man mano che la malattia avanza.
A tal fine, ricercatori dell'Università del Texas di Arlington hanno creato un nuova struttura informatica basato sull'apprendimento che aiuterà i pazienti di MA a individuare accuratamente dove si trovano all'interno dello spettro di sviluppo della malattia. Ciò consentirà loro di prevedere al meglio i tempi delle fasi successive, rendendo più facile pianificare le cure future man mano che la malattia avanza.
"Per decenni, sono stati proposti e valutati vari approcci in termini di capacità predittiva per il MA e il suo precursore, il lieve deterioramento cognitivo", ha affermato Dajiang Zhu, professore associato di informatica e ingegneria dell'UTA, autore senior di uno studio pubblicato su Pharmacological Research. "Molti di questi strumenti di previsione precedenti hanno trascurato la natura continua dello sviluppo del MA e le sue fasi di transizione".
Il lavoro, eseguito del laboratorio di Zhu e di Li Wang, professore associato di matematica dell'UTA, ha ottenuto un nuovo schema di incorporazione basato sull'apprendimento che codifica le varie fasi dello sviluppo del MA in un processo che hanno chiamato disease-embedding tree (DETree), 'albero di incorporazione della malattia'.
Con questo quadro, il DETree può non solo prevedere uno dei 5 gruppi clinici dettagliati dello sviluppo della malattia, in modo efficiente e accurato, ma può anche fornire informazioni più approfondite prevedendo dove progredirà al suo interno il paziente.
Per testare il loro schema DETree, i ricercatori hanno usato i dati di 266 persone con MA dall'Alzheimer’s Disease Neuroimaging Initiative multicentro. I risultati della strategia DETree sono stati confrontati con altri metodi ampiamente utilizzati per prevedere la progressione del MA e l'esperimento è stato ripetuto più volte usando i metodi di apprendimento automatico per convalidare la tecnica.
"Sappiamo che le persone con MA spesso sviluppano sintomi che peggiorano a tassi molto diversi", ha detto Zhu. "Siamo incoraggiati dal fatto che il nostro nuovo schema sia più accurato degli altri modelli di previsione disponibili, e speriamo che aiuterà i pazienti e le loro famiglie a pianificare meglio le incertezze di questa malattia complicata e devastante".
Lui e il suo team credono che lo schema DETree abbia il potenziale di aiutare a prevedere la progressione di altre malattie che hanno molteplici fasi cliniche di sviluppo, come il Parkinson, l'Huntington e la Creutzfeldt-Jakob.
Fonte: Katherine Egan Bennett in University of Texas at Arlington (> English) - Traduzione di Franco Pellizzari.
Riferimenti: Lu Zhang, [+2], D Zhu. Disease2Vec: Encoding Alzheimer’s progression via disease embedding tree. Pharm Res, 2024, 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.