Un team di ricerca statunitense ha sviluppato un innovativo metodo diagnostico per i disturbi dello spettro autistico basato sull’intelligenza artificiale. La precisione di questo metodo diagnostico arriva fino al 95%
Un team di ricerca statunitense ha sviluppato un metodo innovativo per la diagnosi dei disturbi dello spettro autistico, utilizzando l’intelligenza artificiale. Questo nuovo approccio si basa sull’analisi delle immagini del cervello per rilevare segnali genetici associati all’autismo. La precisione di questo metodo diagnostico arriva fino al 95%, il che lo rende altamente accurato.
Tradizionalmente, i metodi diagnostici standardizzati, come l’ADOS-2, si concentrano su comportamenti, linguaggio, comunicazione e interazione sociale. Tuttavia, questi approcci possono portare a ritardi e lunghe attese per le diagnosi nei bambini. Poiché l’autismo ha una base genetica solida, come evidenziato dagli autori dello studio, avere un metodo che possa identificare i marcatori genetici potrebbe cambiare radicalmente la diagnosi precoce, la classificazione e i trattamenti, migliorando anche gli esiti terapeutici.
Il progetto è stato realizzato da un gruppo di scienziati della Facoltà di Medicina della Johns Hopkins University e del Dipartimento di Ingegneria biomedica dell’Università della Virginia, in collaborazione con il Dipartimento di Neurologia dell’Università della California di San Francisco. La ricerca si basa sul lavoro della professoressa Shinjini Kundu, specialista in bioinformatica. Kundu ha sviluppato una tecnica di modellazione chiamata “morfometria basata sul trasporto 3D”, che analizza le immagini per rilevare variazioni nel codice genetico all’interno della struttura cerebrale.
Questa intelligenza artificiale analizza le scansioni cerebrali ottenute tramite risonanza magnetica, mettendo in relazione il movimento di molecole come proteine e nutrienti con le variazioni del numero di copie genetiche associate all’autismo. In particolare, l’IA è in grado di distinguere tra individui con disturbi dello spettro autistico e quelli senza. Il modello di apprendimento automatico è stato addestrato utilizzando dati di pazienti del Simons Variation in Individuals Project, che include soggetti con variazioni genetiche legate all’autismo e persone senza disturbi neurologici, abbinati per età e genere.
L’accuratezza del test varia dall’89 al 95%, rendendolo particolarmente efficace nell’identificare i tratti distintivi dei disturbi dello spettro autistico. Questo nuovo metodo potrebbe non solo migliorare la diagnosi dell’autismo, ma anche avere applicazioni per altre condizioni neurologiche simili, aprendo la strada a terapie più mirate e tempestive.