Een onderzoek gecoördineerd door de CNR-Istc heeft voor het eerst een algoritme van machinaal leren gebruikt om de uitkomst van neuropsychologische, neurofysiologische en genetische tests te analyseren gericht op het vóór het begin van het begin van Alzheimer en Parkinsonon, rekening houdend met seks.
Welke rol heeft seks bij de ontwikkeling van Neurodegeneratieve pathologieën zoals de ziekte van Alzheimer en de ziekte van Parkinson? Aan de vraag probeert hij een studie te beantwoorden die is gecoördineerd door het Institute of Sciences and Technologies of the Cognition of the National Research Council of Rome (CNR-CISCC), die voor het eerst de tool van deKunstmatige intelligentie (IA) Om de belangrijkste factoren voor de Vroege diagnose, Men en vrouwen onderscheiden.
In het bijzonder zijn ze onderworpen aan een algoritme van AI, de uitkomst van een reeks neuropsychologische tests, neurofysiologische en genetische gegevens uitgevoerd op een gemengde kampioen – samengesteld uit zowel gezonde mannen als vrouwen en patiënten en met als doel te differentiëren en te differentiëren op De basis van geslacht De belangrijkste voorspellende factoren die verband houden met het begin van de twee ziekten.
De resultaten van het onderzoek, het resultaat van een interdisciplinair werk dat ook het Milan 4 -onderzoeksgebied van de CNR, de Mondino Foundation, de University of Pavia, de Santa Lucia IRCCS Foundation, de universiteiten van Rome Sapienza en Tor Vergata en AI2Life SRL, een start-up ontwikkeld in de CNR-Istc, worden gepubliceerd in twee verschillende artikelen van de Journal of the Neurological Sciences. De twee artikelen melden de uitkomst van de tests die met het machine learning -model worden uitgevoerd om respectievelijk het begin van de ziekte van Alzheimer en de ziekte van Parkinson te voorspellen.
De wetenschappelijke manager van het onderzoek, Daniele Caligiore, onderzoeksmanager bij de CNR-Istc en directeur van de Geavanceerde school in kunstmatige intelligentie (As-ai), zei:
De nieuwigheid van de studie bestaat uit het hebben van een geïntegreerde aanpak in de analyse van de tests, consequent met de theorie die we hebben ontwikkeld bij de CNR-Istc, volgens welke beide pathologieën -alzheimer en parkinson kunnen manifestaties van een enkele ziekte, genaamd, genaamd, genoemd Neurodegeneratief ouderensyndroom (NES). Bij de analyse van de tests zijn we begonnen met het analyseren van de verschillen tussen gezonde patiënten en zieke patiënten, ongeacht of ze mannen of vrouwen waren: er zijn in feite veel onderzoeken die de uitkomst van de voorspellende tests vergelijken op basis van het genre, Maar overweeg niet dat sommige kenmerken relevant kunnen zijn voor beide groepen, ongeacht de absolute waarden van testscores. Ons onderzoek wordt voor het eerst geconfronteerd met dit probleem via een uitlegbaar machine learning -algoritme, dat wil zeggen in staat om het gebruikte beslissingsproces transparant te maken, de betrouwbaarheid te vergroten en de acceptatie op medisch gebied te bevorderen.
In het geval van Alzheimer analyseerde het algoritme de uitkomst van eenvoudige neuropsychologische tests gericht op het schatten van de waarschijnlijkheid van het begin van de pathologie, afhankelijk van het geslacht op basis van P“roofzuchtige” arameters zoals geheugen, oriëntatie, aandacht en taal (Mmse); kortetermijnverbaal geheugen (AVTOT); En het episodische geheugen op lange termijn (Lideltotaal).
Het machine learning -systeem dat we hebben ontwikkeld, laat zien hoe MMSE een effectievere voorspeller is dan Alzheimer bij vrouwen, terwijl het bij mannen essentieel is voor monitoring op lange termijn. Lideltotaal is bij vrouwen voorspellender voor het begin van de ziekte, terwijl Avtot relevanter is bij mannen. Bovendien treft het opleidingsniveau anders op het risico van Alzheimer, waarbij vrouwen een groter risico lopen.
Het machine learning -model ontwikkeld voor onderzoek naar Parkinson’s In plaats daarvan identificeerde hij belangrijke kenmerken – neuropsychologisch, genetisch en lichaam – die kunnen worden gekoppeld aan het begin van de pathologie. Wat de mannen betreft, komt naar voren dat ze moeten worden beschouwd als een van de belangrijkste voorspellers van het begin van Parkinsonon -gegevens die de meten Spierstijfheid en disfuncties van het autonome zenuwstelsel; terwijl voor vrouwen de gegevens over de urinedisfuncties om de ziekte te voorspellen.
Bovendien heeft het machine learning -model de belangrijke voorspellers van Parkinson’s ook de leeftijd en familiegeschiedenis van de kampioen geïdentificeerd, met een grotere impact bij mannen. Verder lijken ze relevanter te zijn, altijd in de mannelijke sfeer, de tests die de semantische verbale vloeibaarheid (SFT) meten en de gegevens over de SNCA-TCA-Gres356181 genetische variant, gekoppeld aan het Alfa-sanuclein-gen, een betrokken eiwit bij de ontwikkeling van neurodegeneratieve ziekten zoals die van Parkinson.
Uit de resultaten van dit onderzoek blijkt uit het belang van het integreren van specifieke diagnostische benaderingen voor seks in de klinische praktijk om het beheer van Alzheimer en Parkinson te verbeteren: de taak van het onderzoek zal zijn om meer en meer neuropsychologische tests en voorspellende biomarkers te verfijnen, met bijzondere aandacht voor seks om gepersonaliseerde behandelingen te ondersteunen. Bovendien is onze studie een concreet voorbeeld van hoe IAS de geneeskunde effectief kan ondersteunen, waarbij de analyse van individuele kenmerken met een systemische visie wordt gecombineerd: algoritmen voor machine learning kunnen in feite specifieke patiënt -fysiologische gegevensgegevens, genetische of levensstijl -gekoppeld integreren en analyseren – Om het begin van de ziekte te voorspellen, hun progressie te bewaken en tegelijkertijd gerichte en gepersonaliseerde behandelingen te bieden.
U bent misschien geïnteresseerd in:
