Machine Learning e Spettroscopia Raman per Diagnosticare l’Alzheimer: Lo Studio del CNR e Università di Firenze
Machine Learning e Spettroscopia Raman per Diagnosticare l’Alzheimer: Lo Studio del CNR e Università di Firenze
L’applicazione di tecniche avanzate di machine learning ai dati ottenuti dalla spettroscopia Raman su campioni biologici permette di individuare alterazioni biochimiche legate alla malattia di Alzheimer. È questo il risultato di uno studio condotto dall’Istituto di scienza e tecnologie dell’informazione (CNR-Isti) del Consiglio Nazionale delle Ricerche di Pisa, in collaborazione con l’Istituto di fisica applicata (CNR-Ifac) di Firenze, l’Università di Firenze e l’Azienda ospedaliera universitaria Careggi di Firenze. La ricerca aveva l’obiettivo di differenziare i pazienti con Alzheimer da quelli con altre patologie del sistema nervoso centrale, attraverso la classificazione dei dati derivati dalla spettroscopia Raman. Questa tecnica, che si basa sull’analisi delle interazioni della luce con le molecole del campione, consente di rilevare alterazioni biochimiche che potrebbero segnalare la presenza della malattia.
Lo studio, pubblicato sul Journal of the Franklin Institute, presenta una novità significativa: l’applicazione di un metodo avanzato di analisi e classificazione dei dati di spettroscopia Raman ottenuti da campioni di liquido cerebrospinale, sfruttando tecniche di apprendimento automatico topologico. Questo approccio fonde il machine learning con la topologia computazionale, una disciplina matematica che studia la struttura e la forma dei dati, permettendo di identificare con grande precisione le alterazioni biochimiche indicative della malattia di Alzheimer.
“Dagli spettri Raman si estraggono caratteristiche topologiche che vengono poi usate per addestrare algoritmi di machine learning capaci di classificare i dati,” spiega Maria Antonietta Pascali, ricercatrice del CNR-Isti. “L’ottimizzazione del processo consente di individuare il modello predittivo migliore, aumentando così l’accuratezza nella distinzione tra Alzheimer e altre patologie del sistema nervoso centrale.”
I risultati sono molto promettenti: secondo Pascali, l’accuratezza dell’86% nella classificazione dei campioni di liquido cerebrospinale rappresenta un importante passo avanti nella diagnosi dell’Alzheimer. Con ulteriori perfezionamenti, questa tecnica potrebbe non solo migliorare le capacità diagnostiche, ma anche trovare applicazione nella pratica clinica. “Questa metodologia si prospetta come uno strumento efficace non solo per la diagnosi dell’Alzheimer, ma potrebbe estendersi anche ad altri ambiti di studio,” conclude Pascali.
