Rilevando sottili differenze nel modo in cui i malati di Alzheimer usano il linguaggio, i ricercatori dello Stevens Institute of Technology hanno sviluppato un algoritmo di intelligenza artificiale (AI) che promette di diagnosticare con precisione il morbo di Alzheimer (MA) senza la necessità di costose scansioni o di test di persona.

Il software non solo riesce a diagnosticare il MA, a costi trascurabili, con oltre il 95% di precisione, ma è anche in grado di spiegare le sue conclusioni, permettendo ai medici di verificare l'esattezza della sua diagnosi.

“Questo è un vero e proprio passo avanti”, ha detto la creatrice dello strumento, K.P. Subbalakshmi, direttrice e fondatrice dello Stevens Institute of Artificial Intelligence e professoressa di ingegneria elettrica e informatica alla Facoltà di Ingegneria e Scienza. “Stiamo aprendo un nuovo entusiasmante campo di ricerca, rendendo molto più facile, nel fare la diagnosi, di spiegare ai pazienti perché l'AI è arrivata a quella conclusione specifica. Questo affronta l'importante questione della fiducia nei sistemi di AI in campo medico”.

Sappiamo da tempo che il MA può influenzare il linguaggio di una persona. Le persone con MA in genere sostituiscono i sostantivi con pronomi, dicendo per esempio "Era seduto su di essa", piuttosto che "Il ragazzo era seduto sulla sedia". I pazienti potrebbero anche usare circonlocuzioni scomode, dicendo “Il mio stomaco si sente male perché non ho mangiato” invece di dire semplicemente “ho fame”.

Progettando un motore di AI spiegabile, che usa meccanismi di attenzione e la rete neurale convoluzionale (una forma di AI che impara nel corso del tempo), la Subbalakshmi e i suoi studenti sono riusciti a sviluppare un software che non solo può identificare con precisione solo segni rivelatori ben noti del MA, ma può anche rilevare schemi linguistici sottili precedentemente trascurati.

La Subbalakshmi e il suo team hanno addestrato il loro algoritmo usando testi prodotti sia da soggetti sani che da malati di MA noti, mentre descrivevano un disegno di bambini intenti a rubare biscotti da un vaso. Usando strumenti sviluppati da Google, la Subbalakshmi e il suo team hanno convertito ogni singola frase in una unica sequenza numerica, o vettore, che rappresenta un punto specifico in uno spazio a 512 dimensioni.

Tale approccio permette anche di assegnare frasi complesse a un valore numerico concreto, rendendo più facile analizzare le relazioni strutturali e tematiche tra le frasi. Usando tali vettori con caratteristiche manuali (individuate da esperti in materia), il sistema AI ha gradualmente imparato a distinguere somiglianze e differenze tra le frasi pronunciate da soggetti sani o malati e, quindi, a determinare con notevole precisione quanto è probabile che un dato testo fosse prodotto da un malato di MA.

“Questo è assolutamente all'avanguardia”, ha detto la Subbalakshmi, che ha presentato il lavoro, in collaborazione con i dottorandi Mingxuan Chen e Wang Ning, il 24 agosto al 19th International Workshop on Data Mining in Bioinformatics al BioKDD. “Il nostro software AI è lo strumento diagnostico più accurato attualmente disponibile, e in più è anche spiegabile“.

Il sistema può anche incorporare facilmente nuovi criteri che possono essere identificati da altri gruppi di ricerca, in futuro, così che non potrà che essere più accurato nel corso del tempo. “Abbiamo progettato il nostro sistema in modo che sia modulare e trasparente”, ha spiegato la Subbalakshmi. “Se altri ricercatori individuano nuovi marcatori del MA, possiamo semplicemente collegarli nella nostra architettura per generare risultati ancora migliori”.

In teoria, i sistemi AI potrebbero un giorno diagnosticare il MA sulla base di qualsiasi testo, da una mail personale a un post nelle reti sociali. Prima, però, l'algoritmo dovrebbe essere allenato usando diversi tipi di testi prodotti da malati noti di MA, piuttosto che dalle descrizioni di immagini, e quel tipo di dati non è ancora disponibile.

“L'algoritmo in sé è incredibilmente potente”, ha detto la Subbalakshmi. “Siamo solamente limitati ai dati disponibili”.

Nei prossimi mesi, la Subbalakshmi spera di raccogliere nuovi dati che permetteranno di usare il suo software per diagnosticare i pazienti sulla base del parlato in lingue diverse dall'inglese. Il suo team sta anche esplorando i modi in cui le altre condizioni neurologiche (afasia, ictus, lesioni cerebrali traumatiche e depressione) possono influenzare l'uso del linguaggio.

“Questo metodo è sicuramente generalizzabile ad altre malattie”, ha detto la Subbalakshmi. “Acquisendo dati sempre migliori, saremo in grado di creare strumenti diagnostici precisi ed efficienti, anche per molte altre malattie”.