Marcatori di progressione delle malattie neurodegenerative (MARKERS-NDD) (MARKERS-NDD)

Considerando le stime attuali e il peso sociale ed economico globale delle malattie neurodegenerative, sono urgentemente necessari cambiamenti nelle modalità e nei tempi di diagnosi di queste malattie, nonché nella tempestività con cui vengono attuati interventi terapeutici efficaci. La complessità dei meccanismi molecolari alla base della degenerazione neuronale e l'eterogeneità della popolazione di pazienti affetti da malattie neurodegenerative rappresentano enormi sfide per lo sviluppo di strumenti diagnostici precoci e di sistemi in grado di prevedere il decorso della malattia.

Nonostante l’intensa ricerca nel campo della farmacologia, della chirurgia e della riabilitazione, le malattie neurodegenerative rimangono malattie croniche progressive senza una terapia che possa cambiarne il decorso.

MARKERS-NDD è uno studio prospettico, osservazionale, longitudinale, che mira a raccogliere dati da pazienti affetti da malattie neurodegenerative (NDD) seguiti longitudinalmente per esami di routine eseguiti come parte della normale pratica clinica. I dati raccolti da valutazioni cliniche, analisi del movimento, brain imaging, valutazioni neuropsicologiche ed elettroencefalografiche, esami ematochimici verranno analizzati per effettuare indagini statistiche e analisi predittive, anche utilizzando sistemi di intelligenza artificiale, che consentano l'identificazione di nuovi marcatori precoci di diagnosi e prognosi delle malattie neurodegenerative.

L’analisi quantitativa del movimento, con l’ausilio di sistemi standard di motion capture (gait analysis) e con sensori inerziali indossabili, rappresenta un valido strumento sia per supportare la diagnostica clinica sia per valutare la risposta al trattamento farmacologico, sia per monitorare la progressione delle NDD. In questa prospettiva, l’analisi cinematica del cammino e del gesto grafico può rivelare alterazioni precoci delle caratteristiche motorie per supportare la diagnosi differenziale e la stratificazione del paziente e permetterci di seguire la progressione della malattia nel tempo.

Sebbene i sintomi motori rappresentino aspetti chiave per la diagnosi differenziale tra sindrome parkinsoniana e demenza, alterazioni delle funzioni cognitive e, in particolare, delle funzioni esecutive possono essere presenti anche nelle fasi iniziali della malattia in pazienti affetti da sinucleinopatie come la malattia di Parkinson e la demenza a corpi di Lewy.

Nella malattia di Parkinson (PD), questi disturbi cognitivi possono evolvere nel tempo verso un lieve declino cognitivo (Mild cognitive Impairment, PD-MCI) fino alla demenza (Parkinson Disease Dementia, PDD).

L’identificazione di marcatori neuropsicologici in grado di predire l’andamento di queste malattie e il rischio di conversione nei pazienti affetti da PD è un aspetto cruciale per il trattamento e la gestione dei pazienti nelle diverse fasi della malattia.

Nell’era dell’intelligenza artificiale (AI), con l’introduzione della visione artificiale basata sull’intelligenza artificiale, il movimento umano può essere tracciato e analizzato in tempo reale tramite il supporto di una semplice fotocamera di dispositivi mobili, come tablet e smartphone, eliminando potenzialmente la necessità di sensori aggiuntivi o apparecchiature specializzate. Pertanto, un approccio come la telemedicina che utilizza l’intelligenza artificiale potrebbe offrire nuove possibilità e sfide per la diagnosi remota, il telemonitoraggio e la teleriabilitazione nei disturbi neurologici come le malattie neurodegenerative. L’analisi del movimento basata sulla visione artificiale guidata dall’intelligenza artificiale potrebbe ridurre il numero di movimenti del paziente, soprattutto negli stadi avanzati della malattia, spesso caratterizzati da grave disabilità, alleviare il carico degli operatori sanitari, a volte anziani o impegnati in attività lavorative, e consentire consultazioni da svolgersi in zone remote e non facilmente raggiungibili.

Il confronto e la validazione di questi sistemi con il gold standard dell'analisi del movimento rappresentato dalla gait analysis con motion-captures e con i già validati sistemi di analisi con sensori inerziali, costituisce un tassello fondamentale nello sviluppo di strumenti clinici che supportino la diagnosi remota e il telemonitoraggio delle terapie trattamenti farmacologici e riabilitativi.

Allo stesso modo, l’applicazione di sistemi di intelligenza artificiale per l’analisi cinematica del gesto grafico ha consentito lo sviluppo di diversi sistemi di pattern recognition per il riconoscimento automatico della scrittura in diversi campi applicativi.

Le caratteristiche disgrafiche erano correlate ad anomalie delle funzioni motorie e cognitive rivelate da test clinici e neuropsicologici, nonché a correlati neurofisiologici dell'attività corticale correlata alla scrittura come l'elettroencefalogramma (EEG).

Sistema di analisi della grafia che utilizza sistemi di intelligenza artificiale e prevede l'esecuzione di test neuropsicologici validati, con l'ausilio di tavolette grafiche commerciali, effettuati nell'ambito della normale pratica clinica - come una semplice visita ambulatoriale o nel corso di un esame neuropsicologico strutturale come componente di l’ormai comune approccio multidisciplinare che caratterizza la gestione dei pazienti con NDD - potrebbe essere particolarmente utile nel PD-MCI per seguire la progressione dei sintomi sia motori che cognitivi. Essendo una misura economicamente vantaggiosa e non invasiva delle prestazioni motorie e cognitive, i sistemi di analisi grafica dei gesti potrebbero essere applicati ripetutamente nel tempo senza effetti seriali o di metaapprendimento.

Un ulteriore aspetto fondamentale nella diagnosi precoce dei NDD è rappresentato dall'analisi della voce: la produzione della voce umana avviene attraverso movimenti complessi e sinergici di sistemi e sottosistemi (corde vocali, laringe, glottide, cavità orale e altro), che possono essere influenzati dalle condizioni di salute del relatore. In particolare, tra le malattie neurodegenerative, la malattia di Parkinson e il parkinsonismo comportano cambiamenti drammatici, oggettivi e misurabili nella produzione vocale, che possono includere (tra gli altri) aumento dei livelli di rumore (dovuto alla chiusura incompleta delle corde vocali) e perdita della voce (disartrofonia, disartria e ipofonia). Sebbene la valutazione dei disturbi del linguaggio possa essere effettivamente effettuata tramite laringoscopio e strumenti video-stroboscopici, si tratta di esami molto costosi, che richiedono molto tempo e personale qualificato. I sistemi di intelligenza artificiale basati sulla voce che fanno uso di sistemi commerciali (dispositivi mobili dotati di microfoni con robustezza sonora) potrebbero consentire l’analisi della voce con algoritmi di intelligenza artificiale, per diagnosticare la malattia nelle sue fasi iniziali.

Un'analisi a lungo termine dei comuni parametri ematochimici di laboratorio e l'analisi di diversi campioni biologici, come campioni fecali per l'analisi del microbiota, eseguiti come controlli di routine da pazienti con malattie croniche come le NDD, potrebbero consentire l'identificazione di associazioni e marcatori precoci utili nella diagnosi precoce. diagnosi e monitoraggio della progressione della malattia.

Allo stesso tempo, l’introduzione di sistemi di brain imaging sempre più potenti e accurati, supportati da sistemi di machine learning e tecniche di intelligenza artificiale, per ottenere una diagnosi eziologica sempre più accurata.

Rilevante è che ogni malattia neurodegenerativa favorisce una specifica rete cerebrale che a sua volta è associata a una specifica perdita di tessuto in particolari regioni del cervello. Si apre quindi la possibilità di identificare nuovi marcatori di neuroimaging attraverso sistemi di machine learning per guidare la diagnosi differenziale e valutare con precisione il decorso della malattia.

In conclusione, l’approccio adottato dallo studio MARKERS-NDD è fondamentale per aumentare le potenzialità di successo di un’ambiziosa strategia che mira a sviluppare marcatori di progressione delle malattie neurodegenerative che accelerino la ricerca di terapie modificanti la malattia.