Frutto della collaborazione tra il Centro di Ricerca Artificial Intelligence Research Group Ailice Labs dello IUSS di Pavia, il Laboratorio di Neuropsicologia dell’IRCCS Maugeri Bari e partner internazionali come il Global Brain Health Institute UCSF e l’Universidad de San Andrés, Argentina, oltre alla società DeepTrace Technologies, spin-off IUSS, lo studio pubblicato su NPJ Parkinson’s Disease applica per la prima volta un modello multivariato basato su AI e natural language processing NLP su pazienti di lingua Italiana.
Il progetto, concepito da Maugeri congiuntamente con la IUSS di Pavia, mira a creare biomarcatori digitali del linguaggio che consentono di identificare precocemente dei fenotipi di malattia di Parkinson. Lo studio ha analizzato i campioni vocali raccolti da 40 pazienti presso IRCCS Maugeri Bari scelti tra soggetti con diagnosi di malattia di Parkinson e non, ai quali è stato chiesto di compiere attività linguistiche, quali per esempio descrivere immagini complesse o parlare liberamente, che sono state registrate in file audio. I ricercatori Maugeri e IUSS hanno elaborato questi dati con algoritmi AI avanzati, estrapolando variabili linguistiche utilizzate per addestrare un modello di machine learning in grado di distinguere i tratti caratteristici dei pazienti Parkinson da quelli di soggetti sani.
“Abbiamo dimostrato la fattibilità tecnica di analizzare il parlato in lingua Italiana”, dichiara Simona Aresta, prima autrice dello studio, ricercatrice bioingegnera all’IRCCS Maugeri di Bari, dottoranda IUSS presso The Hadron Academy. “È un primo passo verso strumenti clinici digitali, scalabili e applicabili anche a distanza.”
I RISULTATI
- “77% di accuratezza nel distinguere pazienti con Parkinson da soggetti sani;
- Fino all’85% nella classificazione dei sottogruppi cognitivi;
- 75% di performance nel distinguere i 2 fenotipi cognitivi della malattia (PD-nMCI vs PD-MCI).”
“Tra i marcatori più indicativi emersi dall’analisi, spicca la riduzione nell’uso dei verbi d’azione”, afferma la dott.ssa Petronilla Battista, neuropsicologa e logopedista, responsabile del Laboratorio di Neuropsicologia all’IRCCS Maugeri Bari, corresponding author dello studio. “Questi elementi linguistici, elaborati in aree cerebrali come il lobo frontale, spesso coinvolte nei primi stadi della malattia, sembrano essere particolarmente sensibili al deterioramento precoce. Inoltre, è stata rilevata una maggiore frequenza di riformulazioni del discorso e una ridotta produzione di parole appartenenti a classi aperte, come nomi e verbi, suggerendo una difficoltà crescente nell’accesso lessicale. Il linguaggio è dunque una finestra preziosa sulle funzioni cognitive del cervello. I dati dello studio dimostrano che l’analisi automatica del parlato può diventare uno strumento affidabile non solo per aiutare a identificare precocemente i diversi fenotipi della malattia di Parkinson, ma anche per valutare l’efficacia delle terapie farmacologiche in atto. Il progetto è strategico per il Dipartimento di Medicina Riabilitativa Neuromotoria di Maugeri e rientra tra gli strumenti tecnologici innovativi per migliorare diagnosi e trattamento dei pazienti neurologici.”
“Questo lavoro dimostra come l’AI possa essere impiegata per costruire veri e propri biomarcatori digitali del linguaggio, standardizzabili, con valore clinico concreto”, dichiara il prof. Christian Salvatore, docente IUSS, direttore del Centro Ailice Labs e ceo di DeepTrace Technologies, che sottolinea come si tratti della prima volta in cui un approccio basato su AI e NLP multivariato viene applicato con successo per distinguere i profili cognitivi del Parkinson in lingua Italiana. “La nostra pipeline è progettata per essere modulare, spiegabile, adattabile e integrabile nella pratica clinica per la diagnosi precoce e non invasiva, anche applicata ad altri contesti patologici. È un chiaro esempio di tecnologia traslazionale generata in ambito accademico e pronta all’impatto nella pratica clinica.”
