Un algoritmo di machine learning supporta l’analisi e la correlazione di un insieme complesso ed eterogeneo di dati relativi ai sintomi predittivi di disturbi psicotici.

TAKEAWAY

• Un bambino su 4.000 presenta un’anomalia del cromosoma 22, che può portare, nell’adolescenza, allo sviluppo di malattie psicotiche. Tuttavia, solo un terzo, alla fine, ne sarà affetto. Come è possibile sapere con elevata certezza chi potrebbe davvero esserne colpito?
• Sul tema, un gruppo di scienziati, avvalendosi dell’analisi di rete di tipo longitudinale, è riuscito a rilevare i sintomi che preannunciano, nei bambini, lo sviluppo della malattia psicotica.
• E per farlo, ha sviluppato un algoritmo di machine learning deputato alla correlazione delle molte variabili provenienti da ambiti diversi (neurobiologico, psicologico e cognitivo), con l’obiettivo di determinare quali sintomi sono predittivi della patologia..

---

Quando si parla di intelligenza artificiale per disturbi psicotici, si fa riferimento all’aiuto che le tecniche che fanno capo all’ambito di studi dell’AI sono in grado di offrire all’analisi di un insieme complesso ed eterogeneo di segni e sintomi appartenenti alla sfera psichica.

In particolare, l’urgente necessità di una diagnosi precoce, soprattutto in età infantile, finalizzata a un intervento terapeutico tempestivo e a una più puntuale assistenza clinica ai pazienti, richiede un approccio sistematico per affrontare tale complessità.

Le tecniche di analisi di rete, supportate da un algoritmo di machine learning – spiegano Corrado Sandini e Stéphan Eliez, entrambi ricercatori presso il Dipartimento di Psichiatria della Facoltà di Medicina all’Università di Ginevra – sono emerse come approcci alternativi, in grado di aiutare a fare luce sulle complesse dinamiche della psicopatologia precoce e a spianare la strada verso un approccio più personalizzato alla cura clinica.

Ricordiamo che le tecniche di analisi di rete rimandano a una branca della matematica dedicata allo studio dei grafi – intesi quali strutture composte da “nodi” collegati fra loro da linee chiamate “archi” – la cui attrattiva, da un punto di vista computazionale, è data dalla capacità di rappresentare modelli ampi nella struttura complessiva di un set di dati, conservando informazioni relative alle singole variabili.

Ad esempio, in termini di struttura complessiva, le tecniche di rete consentono di identificare i gruppi di variabili più densamente connesse tra loro rispetto al resto della rete, definita “modularità di rete”.

L’applicazione dell’analisi di rete – fa notare Corrado Sandini – ha un profondo impatto teorico e pratico sullo studio dei disturbi della salute mentale. Infatti, secondo la teoria delle reti della psicopatologia, i disturbi mentali sono concettualizzati come “sistemi di sintomi che interagiscono reciprocamente”.

Il paradigma più ampiamente implementato consiste nel misurare le correlazioni tra diverse coppie di sintomi psichiatrici in campioni trasversali, ricostruendo una rete di interazioni sintomi-sintomi.

All’interno di una prospettiva di rete, le manifestazioni cliniche che hanno un’elevata tendenza a coesistere tra i soggetti e che potrebbero altrimenti essere fuse insieme in un’unica dimensione o etichetta diagnostica, sarebbero invece rappresentate come un modulo di rete altamente interconnesso, composto da sintomi individuali.

Conservando la singolarità delle manifestazioni cliniche individuali è, quindi, possibile “identificare i sintomi che svolgono un ruolo particolarmente importante nel mediare la relazione tra altre variabili cliniche e che si dice abbiano un’elevata centralità della rete”.

Intelligenza artificiale per disturbi psicotici: come isolare i sintomi predittivi all’interno di un ampio set di dati eterogenei

Un bambino su 4.000 presenta un’anomalia del cromosoma 22, che può portare, nell’adolescenza, allo sviluppo di malattie psicotiche, tra cui la schizofrenia. Tuttavia, solo un terzo, alla fine, sarà affetto da un disturbo psicotico. Dunque, la domanda è: come è possibile sapere con elevata certezza chi potrebbe davvero esserne colpito? Come identificare i soggetti a rischio?

Sul tema, un gruppo di scienziati della già citata Università di Ginevra, in collaborazione col Politecnico di Losanna, in uno studio in materia di intelligenza artificiale per disturbi psicotici, si è avvalso del metodo di analisi di rete di tipo longitudinale, al fine di rilevare i sintomi che preannunciano, nei bambini, lo sviluppo della malattia psicotica.

E per farlo, ha sviluppato un algoritmo di machine learning deputato alla correlazione delle molte variabili provenienti da ambiti diversi (tra cui quello neurobiologico, quello psicologico e cognitivo), con l’obiettivo di determinare quali sintomi sono predittivi di una malattia psicotica nel futuro percorso evolutivo del bambino.

I risultati, pubblicati il 27 settembre 2021 sulla rivista eLife, consentiranno – secondo il team di studio – il trattamento precoce dei bambini ritenuti a rischio di futuri disturbi, con l’obiettivo di prevenirli.

Più nel dettaglio, la metodologia è stata applicata a un gruppo di settanta ragazzi affetti da una microdelezione del cromosoma 22, alcuni dei quali, in passato, sono stati seguiti per più di vent’anni. L’algoritmo AI, quindi, è stato allenato per mezzo di un set di dati raccolti in oltre venti anni di studio e osservazione.

“L’obiettivo era quello di ottenere statistiche approfondite su variabili (sintomi) altamente intrecciate in tutto il percorso evolutivo – dall’infanzia alla prima età adulta – per identificare quelle specifiche variabili che, nell’infanzia, preannunciano lo sviluppo di malattie psicotiche” sottolinea Dimitri Van De Ville, del Dipartimento di Radiologia e Informatica medica presso la Facoltà di Medicina dell’Ateneo di Ginevra e l’Istituto di Bioingegneria del Politecnico di Losanna.

I risultati dello studio condotto dall’Università di Ginevra e dal Politecnico di Losanna

In tema di intelligenza artificiale per disturbi psicotici, lo studio condotto dall’Università di Ginevra e dal Politecnico di Losanna, col fine di testare la metodologia messa a punto, ha preso in considerazione quaranta variabili (sintomi), che includono, in particolare, allucinazioni, stato dell’umore, senso di colpa e gestione dello stress quotidiano.

Le rappresentazioni di tali variabili attraverso i grafi hanno, poi, evidenziato quelle più importanti, responsabili dello sviluppo di problemi psichici nell’arco di tre anni:

“Attraverso le reti dei grafi, costruite calcolando – grazie a un algoritmo di machine learning – le correlazioni tra i diversi sintomi – abbiamo rilevato che un bambino ansioso di dieci anni, la cui ansia si trasforma in incapacità di fare fronte allo stress durante l’adolescenza, rischia di sviluppare un disturbo psicotico. L’evoluzione dell’ansia è, quindi, emersa quale segnale altamente predittivo”

continua Van De Ville

Per confermare i risultati ottenuti durante il test di prova, i ricercatori hanno applicato la medesima metodologia ad altri gruppi di ragazzi vulnerabili a malattie psicotiche – e seguiti per molti anni da équipe di psichiatri – riuscendo così a confermare che lo strumento messo a punto possiede una propria validità.

L’obiettivo, ora – spiega il team – è quello di utilizzare l’analisi di rete (e l’algoritmo di intelligenza artificiale a supporto) come strumento predittivo, ma anche di affinarlo integrando altre variabili relative ad altri sintomi dei disturbi psicotici. Lo scopo finale è quello di farne un vero e proprio mezzo di diagnosi clinica in psichiatria.

L’interesse primario nei confronti di questo metodo è certamente la previsione – conclude Dimitri Van De Ville – al fine di evitare la malattia, ma anche il suo essere uno strumento personalizzato, in grado di studiare l’evoluzione intrapsichica specifica di ogni bambino.