lunedì 3 aprile 2017

Tecniche avanzate per prevenire la depressione


Tempo fa qualcuno ha definito la depressione come la malattia del secolo. Può darsi che abbia esagerato, ma sappiamo bene come la cosa non debba essere sottovalutata. Se nel mondo l'OMS stima circa 300 milioni di persone affette da disturbi depressivi, in Italia sono circa 4 milioni, con una prevalenza femminile; a volte comporta una condizione clinica debilitante per la  presenza di alterazioni delle funzioni cognitive. La prevenzione, che rispetto ad altre situazioni non può essere fatta solo con il classico stile di vita sano, ha bisogno di strumenti avanzati.

All'Università del Texas, Dipartimento di Neuroscienze Cognitive, provano ad usare tecniche di imaging cerebrale e supercomputer per identificare modelli sintomatici della depressione. Si tratta di una branca dell'intelligenza artificiale che fa uso di sofisticati algoritmi per estrarre informazioni dalle immagini, ma soprattutto per apprendere conoscenza proprio attraverso la loro analisi. Ciò significa che l'algoritmo, una volta ben definito, riesce a fare una anamnesi medica corretta anche su dati mai visti prima. I neuroscienziati stanno utilizzando un supercomputer, denominato Stampede, del Texas Advanced Computing Center (TACC), con il quale possono essere elaborati insieme informazioni di varia natura, quali risonanze magnetiche e scansioni cerebrali, fino ai dati di genomica. Una grossa mole di "numeri" dai quali il mega-calcolatore trova sottili connessioni tra parti diverse, costruendo un modello che associa nuovi casi ad una categoria o all'altra.

Nelle ultime settimane il team, guidato dal professor Schnyer e comprendente varie università statunitensi, ha completato la sua analisi preliminare, basata su tali hardware e software, riuscendo a classificare correttamente gli individui con disturbo depressivo con una precisione di circa il 75%. Nello studio, partendo da 52 partecipanti in trattamento da depressione e 45 in salute, sono stati selezionati 50 pazienti in tutto, con caratteristiche di età e sesso confrontabili. Sono stati quindi sottoposti ad una particolare risonanza magnetica dell'encefalo, che fa uso della tecnica di imaging con tensore di diffusione. In sostanza, viene analizzata la direzionalità delle molecole d'acqua presenti nei fasci nervosi, grazie alle quali è possibile realizzare una ricostruzione tridimensionale. Dall'orientamento che presentano le fibre nervose si risale agli eventuali danni presenti, risultato comunque possibile solo grazie a calcoli complessi.

Lo studio ha rivelato che le mappe ​​ottenute possono classificare con buona precisione le persone depresse o vulnerabili, quindi probabilmente soggette a diventarlo, rispetto agli individui sani. È inoltre emerso che le informazioni predittive sono distribuite attraverso le reti neurali, invece che essere localizzate. Pertanto al vantaggio di prevenire la patologia depressiva si abbina anche l'utilità di conoscere come questi disturbi sono rappresentati e si diffondono all'interno del cervello. Piuttosto che cercare un'area interessata dalla depressione, gli scienziati giungono alla conclusione che le alterazioni risiedono in molteplici reti cerebrali le quali, complessivamente, contribuiscono alla classificazione della depressione.

"Questa è il futuro della ricerca in questo settore", ha affermato Schnyer. "Stanno crescendo le pubblicazioni che presentano la machine learning come strumento utile a risolvere alcuni problemi  nel campo delle neuroscienze." Con l'aggiunta di ulteriori dati, provenienti non solo dalla risonanza magnetica, ma anche dalla genomica e da altri classificatori, il sistema potrà fare ancora di più. Specie se arriverà presto, come si dice, lo Stampede2, supercomputer del TACC, fino a due volte più potente del sistema attuale, al fine di ottenere maggiore precisione dai dati. "Questo approccio, insieme all'apertura del mondo scientifico verso i big data, come nel caso del progetto Connettoma Umano (una mappa comprensiva di tutte le connessioni neurali, n.d.r.), significa che strutture come quella del TACC sono indispensabili" ha concluso il professor Schnyer.


(fonte https://www.eurekalert.org/pub_releases/2017-03/uota-pem032717.php; si ringrazia il sito https://www.cedars-sinai.edu per la gentile concessione della foto)


Nessun commento:

Posta un commento