Gennaio 2025

Come può l’intelligenza artificiale aiutare a migliorare la cura delle malattie neurodegenerative? In medicina i modelli di machine learning funzionano con successo se il contesto è ben definito. Nell’imaging medicale (radiografie o simili), grazie al lavoro complesso svolto fino ad oggi, l’AI è in grado di analizzare l’immagine e comunicare, per esempio, la presenza o meno di un tumore, offrendo al medico informazioni precise per effettuare una diagnosi. La Radiologia, rispetto ad altri campi della Medicina, è infatti in una posizione favorevole per adottare gli algoritmi e le infrastrutture di AI. Invece, se consideriamo di utilizzare l’AI in ambito clinico per predire la progressione della malattia e migliorarne la cura, il discorso si fa complesso. Ma c’è chi ci sta lavorando, anche qui al DEI, nell’ambito del progetto Brainteaser.  «Eravamo agli inizi del 2020, in pieno Covid quando tutti erano chiusi in casa. – ci racconta la Prof.ssa Barbara Di Camillo, ordinario di informatica presso il Dipartimento di Ingegneria dell’Informazione dell’Università degli Studi di Padova e manager scientifico di Brainteaser – Ricordo che registravo le lezioni per gli studenti del mio corso in salotto, intorno alle cinque del mattino, quando tutta la famiglia dormiva. In quello stesso periodo uscì una call in cui si richiedevano progetti europei che affrontassero temi clinici utilizzando l’AI, per esplorare l’uso dell’intelligenza artificiale in ambito clinico».  Dopo un anno, nel febbraio del 2021, prende avvio il progetto Brainteaser, il cui obiettivo è di integrare dati sociali, ambientali e sulla salute umana per sviluppare modelli di stratificazione dei pazienti e di progressione della malattia, per soddisfare le esigenze della medicina personalizzata.  In pratica, si tratta di portare i vantaggi dell’intelligenza artificiale direttamente ai pazienti, per gestire al meglio il decorso della loro patologia.  Le malattie prese in esame nel progetto sono la sclerosi laterale amiotrofica (SLA) e la sclerosi multipla (SM), due patologie neurodegenerative complesse con quadro clinico, evoluzione, prognosi e terapie molto differenti. Tuttavia, queste malattie si accomunano perché colpiscono il sistema nervoso, sono croniche, progressive e modificano significativamente la qualità della vita dei pazienti e dei loro famigliari. Al progetto Brainteaser viene destinato un budget che sfiora i 6 milioni di euro, con finanziamenti dal programma di ricerca e innovazione Horizon 2020 dell’Unione Europea per una durata di quattro anni, con la partecipazione di 11 partner europei coordinati dall’Universidad Politécnica de Madrid (UPM) e il coinvolgimento di 300 pazienti individuati in quattro centri clinici situati in Italia, Spagna e Portogallo. «L’approccio “Open Science”, richiesto dalla call, ci ha portato a seguire un iter burocratico abbastanza complesso per permetterci di costruire i tool e le app in collaborazione con i clinici e le associazioni dei pazienti, ma anche con altri operatori, come i fisioterapisti, per capire di che cosa avessero bisogno – continua la Di Camillo. E aggiunge – Abbiamo specificato che il dato non sarebbe stato venduto, né che ci sarebbe stato un successivo utilizzo commerciale. Il dato sarebbe stato messo a disposizione per creare dei modelli di Intelligenza Artificiale per predire il rischio di progressione nei pazienti con SLA e SM».    L’Università di Padova, responsabile tecnico di Brainteaser, sta guidando lo sviluppo di questi modelli di Intelligenza Artificiale, in collaborazione con altri partner. «Per quanto riguarda l’AI, una parte viene sviluppata da noi a Padova, una dal gruppo di Torino, una da quello di Lisbona e una parte dal gruppo di Pavia – specifica la Di Camillo. E continua – Con l’AI abbiamo elaborato tutti i dati raccolti durante il progetto e i dati retrospettivi che avevano i clinici, per impostare i modelli predittivi che indicassero la progressione della malattia e la stratificazione dei pazienti in gruppi diversi in base alla velocità di progressione».  Grazie a uno smartwatch e a uno smartphone consegnati a ogni paziente del progetto, viene messa a disposizione un’app che offre anche contenuti educativi e servizi personalizzati, come strumenti per promuovere l’autogestione della malattia. I pazienti possono condividere informazioni utilizzando l’app che, allo stesso tempo, monitora costantemente la loro attività/mobilità e i parametri vitali. Attraverso l’uso dell’AI, quindi, non solo vengono generate delle predizioni ma anche una visualizzazione chiara e comprensibile dei dati. Queste informazioni vengono trasmesse al clinico che, vedendo le predizioni del modello e i dati del paziente, può decidere se anticipare (mai posticipare) la visita periodica del paziente. Oltre ai dati clinici, vengono acquisiti i dati delle app progettate e sviluppate per i pazienti con sclerosi laterale amiotrofica e sclerosi multipla. Vengono inoltre raccolti anche i dati di un sensore della qualità dell’aria indossato dai pazienti: la qualità dell’aria è un dato che incide sulla malattia ma non risulta essere una variabile dei modelli predittivi. «Quello che ci interessa nello sviluppo dell’AI – sottolinea la Prof.ssa Di Camillo – è la capacità degli algoritmi di generalizzare su nuovi dati. Se consideriamo come predire la progressione della malattia, sappiamo che ci sono tantissime variabili che non è possibile o facile raccogliere. Per esempio, non consideriamo il contesto familiare, anche se un paziente solo o che è stato lasciato dal coniuge dopo la diagnosi funesta, molto probabilmente vede peggiorato il decorso della sua malattia. Un modello di predizione, comunque, deve funzionare su tutti i pazienti, in modo da dare al clinico un’indicazione accurata sulla possibile progressione della malattia». Brainteaser si chiuderà il prossimo giugno e quindi, in questo periodo, i partner stanno parlando dell’exploitation plan e dell’incontro che si terrà a Bruxelles su questo argomento.  «Utilizzare l’AI in clinica non è semplice: in un contesto di ricerca è possibile, ma in un contesto reale è necessario certificare tutti i software come dispositivi medici: strumenti clinici, sistemi di monitoraggio e app per i pazienti sono relativamente facili da certificare. Tuttavia, per l’AI usata in un contesto predittivo, la questione diventa molto più complessa, soprattutto alla luce del recente “AI act”, pubblicato lo scorso maggio, che aggiunge, giustamente, ulteriori vincoli e requisiti ». – conclude la prof.ssa Di Camillo. Con Brainteaser, ricercatori, clinici e pazienti hanno svolto un lavoro enorme per portare l’intelligenza artificiale nella pratica clinica, con…