Roma, 26 novembre 2024 (Agenbio) – Dagli anni 50 ad oggi l’aspettativa di vita è cresciuta di circa 20 anni, un aumento che si riflette su riduzione della mortalità infantile, progresso delle cure e diffusione di stili di vita più sani. Ciò comporta però un aumento dell’incidenza media di malattie neurodegenerative come il Parkinson. Dei ricercatori del Massachusetts Institute of Technology (MIT), hanno pubblicato su Nature Medicine uno studio dove si è creato un modello di IA per identificare il Parkinson e seguirne lo sviluppo utilizzando i modelli di respirazione notturna. Testato su 7.671 persone, ha identificato con un’accuratezza di circa il 90%. Sono stati utilizzati 3 diversi dataset provenienti da centri medici e studi pubblici negli USA. I dati riguardavano circa 120mila ore di segnali di respirazione notturna provenienti da 757 soggetti con Parkinson e 6.914 soggetti di controllo. I dataset sono stati divisi in 2 gruppi: quelli raccolti con una cintura respiratoria e quelli con un dispositivo wireless. I primi raccoglievano brevi osservazioni, i secondi fornivano dati più ampi, utili per monitorare la progressione. Con dati di una sola notte, si è dimostrata un’accuratezza dell’88% per i dati con la cintura e del 90% per quelli wireless. Con dati di 12 notti la precisione ha raggiunto il cento per cento. Testando i dati di un terzo dataset esterno, l’accuratezza è stata del’85%. A seguire è stato testato per stimare la gravità del Parkinson, correlando le previsioni con il (MDS-UPDRS), una scala standard usata per valutare la gravità del morbo di Parkinson, misurando vari aspetti. I risultati hanno mostrato una buona correlazione con ciascuna delle 4 categorie (Stato mentale, comportamento e umore, attività quotidiane; capacità motorie e complicazioni della malattia) del MDS-UPDRS. Lo studio ha scoperto che i pazienti con Parkinson mostravano segnali respiratori e di elettroencefalografia quantitativa chiaramente distinti. Nei pazienti, i pattern respiratori sono più irregolari e soggetti a frammentazioni, con episodi di apnea e riduzione della variabilità del ritmo respiratorio, diversamente dai soggetti di controllo che mantenevano una respirazione più regolare durante il sonno. Questo approccio innovativo offre una diagnosi oggettiva, non invasiva e accessibile da casa. Inoltre, il modello IA ha il potenziale di ridurre il tempo e i costi per i trial clinici, velocizzando lo sviluppo di nuovi trattamenti. (Agenbio) Mmo 11.00
