Adhd, l'intelligenza artificiale può aiutare la diagnosi

Emerse differenze nella materia bianca cerebrale

L'Intelligenza Artificiale potrebbe rivelarsi utile anche per la diagnosi di ADHD, il deficit di attenzione/iperattività.
Il sistema automatizzato riesce a individuare le anomalie nel cervello degli adolescenti che soffrono del disturbo, in particolare per ciò che riguarda 9 tratti di materia bianca, cioè le fibre nervose.
Uno degli autori dello studio, Justin Huynh dell'Università della California di San Francisco, commenta: "Il disturbo si manifesta spesso in età precoce e può avere un impatto notevole sulla qualità della vita. È sempre più diffuso tra i giovani, anche a causa dell'uso eccessivo di smartphone e altri dispositivi molto distraenti".
Allo studio hanno partecipato oltre 11.000 adolescenti sottoposti a un tipo specifico di risonanza magnetica. Il team ha selezionato un gruppo di 1.704 ragazzi con e senza ADHD, confrontandone le scansioni cerebrali.
Le immagini di 1.371 individui sono state utilizzate per addestrare lo strumento di intelligenza artificiale a distinguere i giovani con ADHD da quelli senza. Il sistema è stato poi testato su 333 giovani, tra cui 193 con ADHD e 140 senza.
È così emerso che nei pazienti con ADHD si manifestano differenze significative in 9 tratti della materia bianca cerebrale. "Queste differenze non sono mai state viste prima a questo livello di dettaglio", spiega Huynh. "In generale, le anomalie osservate nei 9 tratti di materia bianca coincidono con i sintomi dell'ADHD".
Anche un gruppo multidisciplinare di clinici e ricercatori dell'IRCCS Medea ha recentemente condotto uno studio nel campo della intelligenza artificiale a supporto dei percorsi diagnostici nel disturbo da deficit di attenzione e iperattività (ADHD), i cui risultati sono stati pubblicati sulla prestigiosa rivista “European Child & Adolescent Psychiatry”. Scopo dello studio è stato quello di indagare in quale misura un modello di intelligenza artificiale (machine learning) possa “predire” la decisione diagnostica effettivamente presa dai clinici sulla base delle informazioni fornite tramite questionari online compilati da genitori e insegnanti. A tal fine, sono stati analizzati i dati socio-anamnestici e comportamentali raccolti online dalla piattaforma MedicalBit, progettata e sviluppata dal Medea, relativi a 342 bambini e adolescenti, di età tra i 3 e i 16 anni, che hanno avuto accesso al Polo NPIA di Bosisio Parini per sospetta diagnosi di ADHD.
I dati sono stati analizzati mediante un modello di machine learning - il decision tree - che è stato utilizzato per simulare il processo clinico di classificazione, basandosi esclusivamente sui dati raccolti attraverso i questionari online. Il modello di intelligenza artificiale sviluppato ha identificato le regole decisionali che i clinici adottano per porre una diagnosi di ADHD al termine del percorso clinico con un tasso di accuratezza dell'82%: dato assolutamente sorprendente. Il modello ha indicato inoltre come elemento di complessità la presenza di concomitanti sintomi riferibili ad altri problemi del neurosviluppo, in particolare sintomi autistici, indicando chiaramente quali debbano essere le vie delle future ricerche per affinare i modelli decisionali di intelligenza artificiale.
In sintesi, lo studio ha dimostrato come le procedure di telemedicina, integrate da modelli di classificazione basate sulla intelligenza artificiale, possano essere efficaci ed affidabili nel fornire un'indicazione di probabilità di rischio diagnostico di ADHD.
Questo potrebbe portare in un futuro prossimo ad un importante ripensamento dei modelli organizzativi clinici della attività di NPIA, orientando un utilizzo preminente delle risorse per i casi che il sistema evidenza come “incerti” e che necessitano quindi di maggiore attività diretta da parte dell'equipe clinica. Infatti, partendo dalla pre-selezione effettuata dagli algoritmi di machine learning, sarebbe possibile riorientare il lavoro clinico-diagnostico, con una riduzione anche significativa dei tempi che intercorrono tra le prime richieste di intervento da parte delle famiglie e la decisione clinica finale: a tutto vantaggio di una maggior rapidità nell'intervento terapeutico successivo.
L'IRCCS Eugenio Medea ha sviluppato la piattaforma MedicalBit già prima della pandemia, affiancandola al lavoro delle equipe cliniche che si occupano dei disturbi del neurosviluppo: “la telediagnostica è stata nel nostro studio integrata con approcci di intelligenza artificiale basati su machine learning - spiega Paola Colombo, Responsabile del Medea SmartLab, Laboratorio di innovazione digitale per la clinica e la ricerca applicata in psicopatologia dell'età evolutiva -. In prospettiva, questi sistemi potrebbero contribuire anche ad individuare in maniera oggettiva i criteri di priorità e forse anche una differente modalità di sviluppo della rete curante in questa specifica attività”.