Choroba Alzheimera: algorytm rozróżniający ryzyko u mężczyzn i kobiet

Kiedy uderza — około 800 000 osób we Włoszech — nie dotyka wszystkich w równym stopniu. Rzeczywiście, liczby pokazują, że kobiety chorują na chorobę Alzheimera częściej: od 0,7% wśród osób w wieku 65-69 lat do 23,6% dla kobiet powyżej 90. roku życia, w porównaniu z mężczyznami, u których wskaźniki wahają się odpowiednio od 0,6% do 17,6%. Ale sposób, w jaki choroba się objawia, również ma znaczenie: kobiety często doświadczają szybszego spadku funkcji poznawczych i większego upośledzenia pamięci epizodycznej. Wydaje się, że jest to spowodowane — choć badania wciąż trwają — rolą hormonów płciowych i różnicami w strukturze mózgu. Jednak narzędzia używane do diagnozowania choroby, od testów po bardziej inwazyjne i kosztowne metody, takie jak rezonans magnetyczny lub analiza płynu mózgowo-rdzeniowego, nie uwzględniają w wystarczającym stopniu tych różnic. Teraz algorytm może coś zmienić.

Skłonność do przezwyciężenia

„Wiele testów neuropsychologicznych historycznie opracowywano na próbkach składających się głównie z mężczyzn” – wyjaśnia Daniele Caligiore, dyrektor ds. badań w Instytucie Nauk Kognitywnych i Technologii (ISTC) Narodowej Rady Badań Naukowych (CNR). „Problem polega na tym, że testy te są następnie stosowane u osób obu płci, ale mężczyźni i kobiety mogą reagować inaczej. Może to prowadzić do błędów diagnostycznych: na przykład kobieta może uzyskać niższy wynik w teście, ale wynik ten nadal może wskazywać na dobrą sprawność, jeśli zostanie oceniona skalą skalibrowaną dla płci żeńskiej”.

Uczenie maszynowe w celu wczesnej diagnostyki

W tym kontekście uczenie maszynowe może stanowić szansę, co pokazał projekt koordynowany przez centrum badawcze Caligiore, którego wyniki opublikowano w czasopiśmie „Journal of Neurological Sciences”. „Naszym celem” – kontynuuje badacz – „jest zrozumienie, które czynniki należy brać pod uwagę z perspektywy płci, aby pomóc lekarzom we wczesnej diagnostyce, zwłaszcza w przypadku złożonych chorób, takich jak choroba Alzheimera i Parkinsona, które są ze sobą ściśle powiązane”.

Włoska współpraca

Praca jest wynikiem współpracy między CNR (National Research Council), Milan 4 Research Area, Mondino Foundation, University of Pawia, Santa Lucia Foundation, Sapienza University of Rome i start-upem AI2Life. Rdzeniem projektu jest algorytm uczenia maszynowego zdolny do przewidywania i różnicowania początku choroby Alzheimera na podstawie płci pacjenta, wykorzystując nieinwazyjnie zebrane dane, takie jak wyniki testów neuropsychologicznych i informacje socjodemograficzne. Algorytm został wytrenowany na danych z dwóch dużych międzynarodowych baz danych, w tym bazy Michael J. Fox Association. W przeciwieństwie do tradycyjnych podejść, które traktują dane jednorodnie, zespół wytrenował system oddzielnie na danych mężczyzn i kobiet. W tym sensie model uczenia maszynowego pozwala nam nie tylko przewidzieć prawdopodobieństwo rozwoju choroby w określonym przedziale czasowym (od jednego do pięciu lat), ale także — dzięki zastosowaniu wyjaśnialnej sztucznej inteligencji, która sprawia, że proces decyzyjny algorytmu jest transparentny — zidentyfikować, które testy są najbardziej predykcyjne dla każdej płci.

Test dla kobiet i mężczyzn

Analiza wyników pokazuje, że niektóre testy neuropsychologiczne mają różną wartość predykcyjną w zależności od płci. „Uczenie maszynowe pozwala nam analizować względne różnice w testach i łączyć wiele parametrów” – kontynuuje Caligiore. „Na przykład zauważyliśmy, że test Mini-Mental State Examination jest skuteczniejszy w przewidywaniu choroby Alzheimera u kobiet, podobnie jak test oceniający długotrwałą pamięć epizodyczną (LDELTOTAL), podczas gdy test werbalnej pamięci krótkotrwałej (AVTOT) jest bardziej trafny w przypadku mężczyzn. Innymi słowy, system jest w stanie powiedzieć: »Aby lepiej zdiagnozować, test X jest ważny u mężczyzn, test Y u kobiet«. To przełom w spersonalizowanej diagnostyce”. Stwierdzono również, że poziom wykształcenia, a co za tym idzie, rezerwa poznawcza, jest czynnikiem decydującym, szczególnie w przypadku kobiet.

Spersonalizowana i dostępna diagnoza

Charakterystycznym elementem projektu jest stworzenie graficznego interfejsu o nazwie EMA (ExplAIn Medical Analysis), który umożliwia lekarzom bezpośrednie korzystanie z systemu. Wystarczy wprowadzić wyniki testów neuropsychologicznych, a algorytm dostarczy ocenę ryzyka z prawdopodobieństwem liczbowym. „W przyszłości wyobrażamy sobie prosty system, w którym pacjenci będą wypełniani kwestionariusze, zbierane będą wyniki, a klinicysta będzie wprowadzał je do interfejsu” – wyjaśnia Caligiore. „System zwróci wartość liczbową: na przykład 75% prawdopodobieństwa rozwoju choroby Alzheimera w ciągu trzech lat”. To narzędzie predykcyjne, przydatne nawet dla osób, które nie wykazują jeszcze oczywistych objawów”. Podkreśla, że badania nad sztuczną inteligencją często kończą się na etapie laboratoryjnym. Zamiast tego chcą, aby to narzędzie było użyteczne w codziennej praktyce klinicznej, tak aby diagnoza choroby Alzheimera była szybsza, bardziej sprawiedliwa i mniej inwazyjna.

Szkolenie z danymi od pacjentów włoskich

Zespół pracuje obecnie nad nową fazą rozwoju, opartą na włoskich danych klinicznych. Ten krok jest kluczowy dla ograniczenia uprzedzeń kulturowych i dostosowania systemu do specyfiki populacji europejskiej. „Dane z Ameryki Północnej są bardzo przydatne, ale odzwierciedlają styl życia inny niż nasz” – podsumowuje Caligiore. „Dlatego teraz weryfikujemy algorytm danymi włoskimi, aby zwiększyć dokładność i zbudować naprawdę skuteczny system również w naszym kontekście opieki zdrowotnej”.