Roma, 15 dicembre 2020 (Agonb) – Utilizzando il machine learning (apprendimento automatico) i ricercatori dell’Advanced Telecommunications Research Institutes International di Kyoto in Giappone hanno identificato modelli nuovi e distinti di attività coordinata tra diverse parti del cervello nelle persone con disturbo depressivo maggiore, anche quando vengono utilizzati protocolli diversi per rilevare queste reti cerebrali.
Secondo la ricerca, pubblicata nella rivista ad accesso libero PLOS Biology, una migliore comprensione delle reti cerebrali associate alla depressione potrebbe migliorare le strategie di trattamento. Gli algoritmi di apprendimento automatico possono essere applicati ai dati sull’attività cerebrale nelle persone depresse per trovarne le associazioni. Tuttavia, finora la maggior parte degli studi si è concentrata solo su specifici sottotipi di depressione o non ha tenuto conto delle differenze nei protocolli di imaging del cervello tra le divese istituzioni sanitarie.
Il team ha utilizzato l’apprendimento automatico per analizzare i dati della rete cerebrale di 713 persone, 149 delle quali affette da depressione maggiore. Questi dati sono stati raccolti utilizzando una tecnica chiamata MRI funzionale a riposo (rs-fMRI), che rileva l’attività cerebrale e produce immagini che rivelano un’attività coordinata, o “connessioni funzionali”, tra le diverse parti del cervello.
Il metodo ha identificato connessioni funzionali chiave nei dati di imaging che potrebbero fungere da “firma” della rete cerebrale per la depressione maggiore. Infatti, quando i ricercatori hanno applicato quella nuova firma ai dati rs-fMRI raccolti in diverse istituzioni per altre 521 persone, hanno raggiunto una precisione del 70% nell’identificare quale di quelle nuove persone aveva un disturbo depressivo maggiore. (Agonb) Cdm 09:30.
