Un modello di modelli potrebbe aiutare a fare chiarezza sulla malattia di Alzheimer?

Due persone possono ricevere una diagnosi di Alzheimer e trovarsi comunque ad affrontare problemi molto diversi. Una può avere soprattutto difficoltà di memoria, un’altra nel trovare le parole o nell’orientarsi in luoghi familiari. Anche le scansioni cerebrali, il patrimonio genetico e altre condizioni di salute possono essere diversi. Per i ricercatori che cercano di prevedere gli sviluppi successivi, la sola diagnosi lascia molti aspetti senza spiegazione.

Una revisione guidata da ricercatori della Hebrew University of Jerusalem propone un approccio computazionale per mettere a fuoco queste differenze. Invece di cercare un unico modello capace di spiegare ogni paziente, il gruppo illustra la metamodellazione: collegare modelli specializzati in diversi aspetti della malattia per costruire un profilo individuale più dettagliato.

L’articolo, La malattia di Alzheimer nell’era computazionale: da malattia deterministica a disturbo multifattoriale, è stato pubblicato su Brain il 30 luglio 2026. Tra gli autori figurano Meitar Benbaji, Barak Raveh, Lana Bassal, Uri Elias, Lidor Gazit, Gilles Allali, Gad A. Marshall e Shahar Arzy, affiliati alla Hebrew University, all’Hadassah Medical Center, al Lausanne University Hospital e a ospedali affiliati a Harvard.

Si tratta di una proposta per la ricerca futura, non di un sistema diagnostico convalidato né di un trattamento la cui efficacia sia stata dimostrata. La sua importanza risiede in una domanda diversa: i metodi computazionali possono trasformare le numerose evidenze frammentarie sull’Alzheimer in spiegazioni e previsioni utili per una persona specifica?

Perché un’unica etichetta può nascondere differenze importanti

L’annuncio dell’università sottolinea che l’Alzheimer può comportare combinazioni diverse di sintomi cognitivi, alterazioni cerebrali, processi biologici, caratteristiche genetiche e fattori di rischio. I disturbi della memoria sono solo una parte del quadro. Possono essere compromessi anche l’orientamento, il linguaggio, il comportamento, l’elaborazione visiva e le funzioni esecutive.

Anche il quadro biologico va oltre la beta-amiloide e la proteina tau, le due proteine più strettamente associate alla malattia. I ricercatori sostengono che, insieme a queste, vadano considerati anche i processi infiammatori, vascolari, metabolici e di altro tipo. L’obiettivo è capire come questi fattori si combinano nel singolo individuo, anziché presumere che tutte le persone con la stessa diagnosi seguano un percorso identico.

Nel comunicato stampa, Arzy descrive la sfida centrale come la comprensione della particolare combinazione di cambiamenti biologici e cognitivi di ciascun paziente. Un profilo più ricco potrebbe integrare valutazioni cognitive e comportamentali con dati di imaging, biomarcatori, genetica, misurazioni molecolari e osservazioni raccolte nel tempo.

Si tratta di un problema complesso di integrazione. Un’immagine cerebrale, una misura del rischio genetico e una registrazione dei cambiamenti nelle capacità quotidiane descrivono ciascuna aspetti diversi. Riunirle in un unico database sarebbe un punto di partenza; spiegare come siano correlate è il compito più difficile.

Come funzionerebbe un modello di modelli

Il quadro bayesiano proposto parte da modelli parziali che affrontano aspetti specifici della malattia. Ciascuno viene trasformato in un surrogato probabilistico: una rappresentazione delle relazioni tra input, output e parametri pertinenti. Un livello di accoppiamento collega poi queste rappresentazioni tramite variabili condivise, come lo stadio della malattia o il tasso di progressione.

In termini semplici, l’approccio fornisce a modelli altrimenti separati un linguaggio matematico comune. Un modello di imaging e uno cognitivo potrebbero contribuire con le proprie evidenze alla stessa stima dello stato di un paziente, mantenendo al contempo strutture diverse. Tra gli output previsti figurano traiettorie individuali, sottogruppi di pazienti e confronti tra gli esiti previsti con e senza un intervento.

L’articolo prevede inoltre la possibilità di affiancare formulazioni concorrenti e di valutarle alla luce delle evidenze. È un aspetto utile in un campo in cui i ricercatori possono avere opinioni diverse sui meccanismi più influenti. Gli effetti degli interventi modellizzati, tuttavia, resterebbero ipotesi da verificare: modificare un parametro in una simulazione non dimostra che un trattamento sarà d’aiuto a un paziente.

La sfida computazionale va oltre l’individuazione di schemi

Per chi si occupa di IA, la distinzione interessante è quella tra rilevare un’associazione e costruire una spiegazione che resista a un esame rigoroso. Un sistema potrebbe apprendere che due misurazioni variano insieme senza dimostrare che modificandone una migliorerebbe anche l’altra. Per personalizzare un trattamento serve molto più di una previsione convincente.

La proposta di metamodellazione rende quindi particolarmente importante il rapporto tra evidenze e assunzioni. Se un modello componente non è affidabile, collegarlo ad altri modelli non lo corregge automaticamente. Un sistema più elaborato può produrre un errore altrettanto elaborato, a meno che i ricercatori non verifichino con attenzione i suoi componenti e le previsioni del sistema integrato.

Il lavoro riflette inoltre il carattere interdisciplinare del gruppo di ricerca della Hebrew University. Il profilo universitario descrive un’équipe di neuroscienziati, clinici e informatici che studia il rapporto tra le persone e l’ambiente circostante, concentrandosi in particolare sull’Alzheimer. Questa prospettiva aiuta a capire perché la proposta affianchi l’esperienza cognitiva quotidiana alle misurazioni biologiche.

Cosa potrebbe cambiare per la ricerca e gli studi clinici

Se sviluppato e convalidato con successo, un modello integrato potrebbe aiutare i ricercatori a individuare i pazienti la cui malattia è determinata da combinazioni simili di processi. Ciò potrebbe consentire di formare gruppi più omogenei negli studi clinici e aiutare i ricercatori a decidere quali meccanismi prendere di mira e in quali partecipanti.

Potrebbe anche permettere di considerare la progressione della malattia in modo più individualizzato. Anziché chiedersi soltanto come cambia un paziente medio, i ricercatori potrebbero indagare come evolvono insieme i sintomi, i biomarcatori e i fattori di rischio di una persona specifica. Seguire i pazienti nel tempo offrirebbe l’opportunità di confrontare le previsioni con ciò che accade realmente.

L’università descrive un altro possibile impiego: confrontare le traiettorie simulate con e senza un intervento. Questi confronti potrebbero aiutare a stabilire le priorità delle domande di ricerca prima di avviare studi costosi. Dovrebbero essere interpretati come stime basate su modelli, rendendo esplicite le incertezze e le ipotesi, e non come prove dell’efficacia di un intervento.

Un programma di ricerca con ancora molto lavoro da fare

La proposta degli autori dipende da dataset più ampi e diversificati, da convalide ripetute e dalla collaborazione all’interno della comunità di ricerca sull’Alzheimer. Questi requisiti sono fondamentali per l’idea. Un profilo dettagliato del paziente è utile solo se le informazioni su cui si basa sono affidabili e le sue previsioni si dimostrano valide anche al di fuori delle persone e dei dataset utilizzati per elaborarlo.

Resta anche da capire, sul piano pratico, quali vantaggi offra questa maggiore complessità. I ricercatori dovrebbero dimostrare che combinare i modelli migliora un’attività importante, come prevedere la progressione della malattia o individuare un sottogruppo significativo di pazienti, in misura tale da giustificare il lavoro aggiuntivo di raccolta dei dati e modellizzazione.

Il contributo immediato è un quadro di riferimento per mettere in relazione la ricerca, non un prodotto clinico. La promessa è che la computazione possa aiutare a spiegare le differenze tra i pazienti, invece di lasciare irrisolta la variabilità con un’unica etichetta diagnostica. La possibilità che ciò porti a decisioni migliori dipenderà dalle prove raccolte a sostegno.