Non esiste un esame del sangue per identificare il rischio di morbo di Parkinson non genetico, ma ciò potrebbe cambiare se il nuovo strumento di apprendimento automatico dei chimici dell’University of New South Wales, a Sidney, in collaborazione con la Boston University verrà convalidato.
Nella ricerca pubblicata sulla rivista “ACS Central Science“, i ricercatori hanno descritto come hanno utilizzato le reti neurali per analizzare i biomarcatori nei fluidi corporei dei pazienti.
I ricercatori hanno esaminato campioni di sangue prelevati da individui sani raccolti dall’indagine prospettica europea spagnola sul cancro e la nutrizione (EPIC). Concentrandosi su 39 pazienti che hanno sviluppato il Parkinson fino a 15 anni dopo, il team ha eseguito il proprio programma di apprendimento automatico su set di dati contenenti ampie informazioni sui metaboliti, i composti chimici che il corpo crea quando scompone cibo, farmaci o sostanze chimiche.
Il team è stato in grado di identificare combinazioni uniche di metaboliti che potrebbero prevenire o potenzialmente essere segnali premonitori per il Parkinson. Abbiamo inserito tutte le informazioni in CRANK-MS senza alcuna riduzione dei dati fin dall’inizio. E da questo, possiamo ottenere la previsione del modello e identificare quali metaboliti guidano maggiormente la previsione, tutto in un unico passaggio.
Non ci sono esami del sangue o di laboratorio per diagnosticare casi non genetici. Ma sintomi atipici come il disturbo del sonno e l’apatia possono presentarsi nelle persone con Parkinson decenni prima che si manifestino i sintomi motori. CRANK-MS, quindi, potrebbe essere utilizzato al primo segno di questi sintomi atipici per escludere o escludere il rischio di sviluppare il Parkinson in futuro.
CRANK-MS è uno strumento pubblicamente disponibile per tutti i ricercatori che desiderano utilizzare l’apprendimento automatico per la diagnosi delle malattie utilizzando i dati della metabolomica.
“L’applicazione di CRANK-MS per rilevare il morbo di Parkinson è solo un esempio di come l’IA può migliorare il modo in cui diagnostichiamo e monitoriamo le malattie. La cosa interessante è che CRANK-MS può essere facilmente applicato ad altre malattie per identificare nuovi biomarcatori di interesse2.
“Lo strumento è intuitivo e in media i risultati possono essere generati in meno di 10 minuti su un laptop convenzionale.” – affermano i ricercatori.
Leggi il full text dell’articolo:
- Interpretable Machine Learning on Metabolomics Data Reveals Biomarkers for Parkinson’s Disease
J. Diana Zhang, Chonghua Xue, Vijaya B. Kolachalama, and William A. Donald.
ACS Cent. Sci. 2023, Publication Date:May 9, 2023 https://doi.org/10.1021/acscentsci.2c01468
