Valutazione dell'uso di tecniche di apprendimento automatico per classificare le sindromi neurodegenerative PARKinsoniane (intelligenza artificiale) (PARKIA)

La diagnosi della malattia di Parkinson (MdP) si basa principalmente sull'osservazione clinica del paziente, alla ricerca dei tre sintomi caratteristici e talvolta rimane una vera sfida. Gli algoritmi di Machine Learning (ML) potrebbero aiutare a diagnosticare precocemente il morbo di Parkinson e differenziare il morbo di Parkinson idiopatico dalle sindromi parkinsoniane atipiche.

In questo contesto, il lavoro del team di Castillo-Barnes ha fornito una serie di funzionalità di imaging basate su caratteristiche morfologiche estratte da scansioni di tomografia computerizzata a emissione di fotone singolo (SPECT) DaTSCAN® o Ioflupane (radiofarmaco marcato con iodio-123) per discernere i partecipanti sani dai partecipanti con malattia di Parkinson in una serie bilanciata di SPECT dal database "Parkinson's Progression Markers Initiative" (PPMI).

Il team di Shabii et al, ha valutato le prestazioni di classificazione dei pazienti con Parkinson e dei controlli normali quando gli indicatori semi-quantitativi e le caratteristiche della forma ottenute sul trasportatore della dopamina (DAT) mediante tomografia computerizzata a emissione di fotone singolo (SPECT) con Ioflupane (123I-IP) sono combinato come una funzionalità di machine learning (ML).

I metodi basati sull'intelligenza artificiale possono migliorare le valutazioni diagnostiche. Diversi studi di imaging dopaminergico che utilizzano l'IA hanno riportato un'accuratezza fino al 90% per la diagnosi di PD.

Questi approcci automatizzati utilizzano metodi di apprendimento automatico, basati su analisi strutturali, per (i) differenziare PD e soggetti sani, (ii) differenziare PD e parkinsonismo vascolare e (iii) distinguere tra diverse forme di parkinsonismo atipico.

Uno studio condotto in 2 centri utilizzando un modello SVM (Linear Support Vector Machine) ha discriminato pazienti con PD e soggetti sani con un'accuratezza dell'82,5%. Questa performance è simile alla valutazione visiva dei medici nucleari Un modello SVM lineare basato sui valori voxel della statistica le immagini parametriche sono state in grado di differenziare il PD dal parkinsonismo vascolare con una precisione del 90,4%. Il team di Nancy ha una vasta esperienza nel rilevamento del PD nelle scansioni SPECT e SPECT/CT con Ioflupane o DaTSCAN™