Psico.it Psicologia, Psicoterapia e Benessere
Un nuovo studio pubblicato su Molecular Psychiatry sta dimostrando che un nuovo algoritmo di apprendimento automatico dell’intelligenza artificiale (AI), sviluppato dall’Università di Tokyo e dai suoi colleghi ricercatori, è in grado di prevedere il rischio di psicosi.
Ricordiamo che la psicosi si presenta sotto forma di un insieme di sintomi come deliri, false credenze e allucinazioni che compromettono il contatto di una persona con la realtà. Secondo le stime, ogni anno da 15 a 100 persone su 100.000 sviluppano una psicosi e spesso prima che si manifesti possono verificarsi cambiamenti di comportamento come ritiro sociale, diminuzione della pulizia personale o della cura di sé, difficoltà a separare la fantasia dalla realtà, difficoltà a pensare in modo logico o chiaro, paranoia, sospettosità, problemi di sonno e altro ancora.
La psicosi può essere dovuta a diversi fattori come fattori di rischio genetici, problemi di sviluppo cerebrale, esposizione a stress o traumi, malattie mentali come depressione grave, disturbo bipolare e schizofrenia, privazione del sonno o abuso di alcol o droghe. La psicosi può essere un sintomo di altre malattie come il morbo di Alzheimer, la demenza e il morbo di Parkinson.
La diagnosi precoce della psicosi spesso produce risultati di recupero più favorevoli. Pertanto, avere un modo per prevedere l’insorgenza della psicosi prima che una persona sperimenti un episodio psicotico utilizzando l’apprendimento automatico dell’intelligenza artificiale può migliorare i risultati dei pazienti.
“Il paradigma del rischio clinico elevato (CHR) è ampiamente utilizzato con l’obiettivo di migliorare la diagnosi precoce e la prevenzione dei disturbi psicotici“, afferma l’autore corrispondente e professore associato dell’Università di Tokyo Shinsuke Koike, Ph.D., insieme ai suoi colleghi di ricerca provenienti da 21 istituzioni di Giappone, Spagna, Germania, Regno Unito, Italia, Norvegia, Svezia, Danimarca, Stati Uniti, Canada, Cina, Corea del Sud, Svizzera, Russia, Singapore e Paesi Bassi.
Gli scienziati hanno così sviluppato un algoritmo di apprendimento automatico dell’intelligenza artificiale utilizzando i dati della risonanza magnetica cerebrale di persone ad alto rischio clinico che in seguito hanno avuto una psicosi, provenienti da 21 siti del gruppo di lavoro ENIGMA sull’alto rischio clinico di psicosi. L’algoritmo di apprendimento automatico dell’intelligenza artificiale utilizzato è XGBoost (eXtreme Gradient Boosting), una libreria software scalabile e open-source per algoritmi ad albero decisionale con gradiente amplificato (GBDT) distribuiti. XGBoost utilizza il boosting ad albero in parallelo ed è ampiamente utilizzato per problemi di classificazione, ranking e regressione. I ricercatori hanno sviluppato un classificatore AI e hanno tracciato i pesi per identificare le caratteristiche chiave per la generalizzazione.
“L’accuratezza del classificatore sui set di dati di addestramento e di conferma indipendente è stata rispettivamente dell’85% e del 73%“, hanno riferito i ricercatori.
Secondo gli scienziati, le scansioni cerebrali con risonanza magnetica dei soggetti ad alto rischio clinico di psicosi in altri studi hanno mostrato differenze strutturali nel cervello, in particolare una riduzione della materia grigia nella corteccia temporale mediale e superiore e nella corteccia frontale mediale. In questo studio, i ricercatori hanno scoperto che le aree temporali, insulari e frontali superiori erano le regioni cerebrali che aiutavano maggiormente l’algoritmo a classificare i controlli sani dai partecipanti ad alto rischio che in seguito hanno sviluppato una psicosi.
Risultati che, concludono i ricercatori, suggeriscono come – se si considera lo sviluppo cerebrale dell’adolescenza – le scansioni di risonanza magnetica di base per gli individui CHR possono essere utili per identificare la loro prognosi.
