Sanità

Il modello di intelligenza artificiale rileva il morbo di Parkinson dai modelli di respirazione

mm
Aggiungi Unite.AI alle tue fonti preferite su Google

Un team di ricercatori del MIT ha sviluppato un modello di intelligenza artificiale (AI) in grado di rilevare il morbo di Parkinson analizzando i modelli di respirazione di una persona.

La rete neurale è in grado di valutare i modelli di respirazione notturna, o modelli di respirazione durante il sonno, per determinare se una persona ha il morbo di Parkinson. È stato addestrato da Yuzhe Yang, studente di dottorato del MIT, e da Yuan Tuan, ricercatore post-dottorato, e può determinare la gravità della malattia di Parkinson e monitorarne l’evoluzione nel tempo.

Yang è il primo autore della nuova ricerca, pubblicata su Nature Medicine.

L’intero team include Dina Katabi, professore di ingegneria elettrica e informatica (EECS) e ricercatore principale del MIT Jameel Clinic.

Katabi, che è l’autore senior, è anche affiliato al Laboratorio di intelligenza artificiale e scienza dei computer del MIT e direttore del Centro per le reti wireless e la computazione mobile.

I ricercatori hanno investigato costantemente il potenziale di rilevamento del morbo di Parkinson attraverso il liquido cefalorachidiano e la neuroimmagine, ma questi metodi sono invasivi e costosi. Richiedono inoltre l’accesso a centri medici specializzati.

Valutazione dell’intelligenza artificiale ogni notte

Il team di ricercatori ha cercato di superare queste sfide e ha dimostrato che la valutazione dell’intelligenza artificiale del morbo di Parkinson può essere eseguita ogni notte a casa. La persona può anche essere addormentata senza che venga toccato il suo corpo.

I ricercatori hanno sviluppato un dispositivo che assomiglia a un router Wi-Fi domestico e che emette segnali radio, analizza le loro riflessioni sull’ambiente circostante e estrae i modelli di respirazione del soggetto senza alcun contatto fisico. Il segnale di respirazione viene alimentato alla rete neurale per valutare il morbo di Parkinson, con zero sforzo da parte del paziente e del caregiver.

“Una relazione tra il morbo di Parkinson e la respirazione è stata notata già nel 1817, nel lavoro del dottor James Parkinson. Ciò ci ha motivato a considerare il potenziale di rilevamento della malattia attraverso la respirazione senza guardare i movimenti”, afferma Katabi. “Alcuni studi medici hanno mostrato che i sintomi respiratori si manifestano anni prima dei sintomi motori, il che significa che gli attributi della respirazione potrebbero essere promettenti per la valutazione del rischio prima della diagnosi del morbo di Parkinson”.

Secondo Katabi, lo studio ha importanti implicazioni per lo sviluppo di farmaci e la cura clinica.

“In termini di sviluppo di farmaci, i risultati possono consentire studi clinici con una durata significativamente più breve e con meno partecipanti, accelerando in ultima analisi lo sviluppo di nuove terapie. In termini di cura clinica, l’approccio può aiutare nella valutazione dei pazienti con il morbo di Parkinson nelle comunità tradizionalmente sottoservite, tra cui quelle che vivono in aree rurali e quelle con difficoltà a lasciare la casa a causa di limitazioni di mobilità o deficit cognitivo”, afferma.

Ray Dorsey è professore di neurologia all’Università di Rochester e coautore della ricerca. È uno specialista del morbo di Parkinson e afferma che lo studio è probabilmente uno dei più grandi studi sul sonno mai condotti sul morbo di Parkinson.

“Non abbiamo avuto alcun attraversamento terapeutico in questo secolo, il che suggerisce che i nostri approcci attuali per la valutazione dei nuovi trattamenti sono subottimali”, afferma Dorsey. “Abbiamo molto poche informazioni sulle manifestazioni della malattia nel loro ambiente naturale e il dispositivo di Katabi ci consente di ottenere valutazioni oggettive e reali di come le persone stanno a casa. L’analogia che mi piace tracciare [delle valutazioni attuali del morbo di Parkinson] è un lampione stradale di notte, e ciò che vediamo dal lampione stradale è un segmento molto piccolo… il sensore completamente senza contatto di Katabi ci aiuta a illuminare l’oscurità”.

Alex guida le operazioni giornalistiche di Unite.AI alimentate dall'IA, combinando giornalismo, ricerca e automazione per supportare una copertura tempestiva e scalabile dell'intelligenza artificiale. Il suo lavoro contribuisce a garantire che gli sviluppi emergenti dell'IA vengano evidenziati in modo efficiente, mantenendo gli standard editoriali della pubblicazione.