Un team dell’University of California San Francisco – UCSF ha sviluppato e validato un framework di deep learning multitask capace di predire simultaneamente: la diagnosi di malattia di Alzheimer, i punteggi cognitivi correnti e il declino cognitivo futuro — utilizzando come unico input la RM cerebrale basale standard e i dati demografici del paziente.
A differenza degli approcci precedenti che richiedevano biomarcatori PET (amiloide, tau), liquor o test cognitivi multipli, questo sistema integra informazioni multimodali in un’unica architettura neurale che lavora con dati di routine già disponibili nella pratica clinica.
I risultati di validazione su coorti indipendenti mostrano accuratezza superiore ai metodi diagnostici standard attuali nelle fasi precliniche.
RILEVANZA CLINICA:
Per neurologi, geriatri e neuroradiologi, uno strumento AI capace di predire la diagnosi di Alzheimer e il declino cognitivo futuro con la sola RM standard di routine — senza necessità di PET o liquor — abbatte le barriere di accesso alla diagnosi precoce, aprendo la strada a screening scalabili su larga scala. Nel contesto dell’approvazione di lecanemab e donanemab, l’identificazione precoce dei pazienti nelle fasi pre-sintomatiche è fondamentale per massimizzare il beneficio terapeutico.
Leggi il full text dell’articolo:
- Predicting categorical and continuous Alzheimer’s disease outcomes from a single MRI scan
Ma, D., Pabalan, C., Rajagopal, A. et al.
Nat Aging 6, 1121–1137 (2026). https://doi.org/10.1038/s43587-026-01121-2
Fonte: University of California San Francisco
