Roma, 18 febbraio 2025 (Agenbio) – Una ricerca coordinata dal Cnr-Istc ha utilizzato, per la prima volta, un algoritmo di machine learning per analizzare l’esito di test neuropsicologici, neurofisiologici e genetici volti a predire l’insorgenza di Alzheimer e Parkinson tenendo conto del sesso.
Lo studio si pone come base per implementare nella pratica clinica approcci diagnostici specifici basati sul genere.
Nel caso dell’Alzheimer, l’algoritmo ha analizzato l’esito di semplici test neuropsicologici volti a stimare la probabilità di insorgenza della patologia a seconda del sesso sulla base di parametri predittori come la memoria, l’orientamento, l’attenzione e il linguaggio (MMSE); la memoria verbale a breve termine (AVTOT); e la memoria episodica a lungo termine (LDELTOTAL).
Il modello di machine learning sviluppato per la ricerca sul Parkinson ha, invece, identificato caratteristiche chiave – neuropsicologiche, genetiche e corporee – che possono essere legate all’insorgenza della patologia. Relativamente agli uomini, emerge che sono da considerare tra i principali predittori dell’insorgenza del Parkinson dati che misurano la rigidità muscolare e le disfunzioni del sistema nervoso autonomo; mentre per le donne sono più rilevanti i dati sulle disfunzioni urinarie per predire la malattia.
Il modello di machine learning ha individuato come predittori significativi del Parkinson anche l’età e la storia familiare del campione, con un impatto maggiore negli uomini. Inoltre, sembrano essere più rilevanti, sempre in ambito maschile, i test che misurano la fluidità verbale semantica (SFT) e i dati sulla variante genetica SNCA-rs356181, legata al gene dell’alfa-sinucleina, una proteina coinvolta nello sviluppo di malattie neurodegenerative come il Parkinson.
I risultati sono stati pubblicati in due distinti articoli del Journal of the Neurological Science. (Agenbio) Etr 12.00
