Psicosi. Apprendimento automatico e imaging per diagnosi a lungo termine

di Marilynn Larkin

La combinazione di apprendimento automatico (machine learning) ed esami di imaging può aiutare lo psichiatra a formulare una diagnosi corretta, a lungo termine, di psicosi o depressione, in funzione di una prescrizione terapeutica che eviti il deterioramento funzionale nei soggetti ad alto rischio

08 OTT - (Reuters Health) – Uno strumento predittivo, basato su risonanza magnetica e apprendimento automatico, potrebbe essere utilizzato dagli specialisti per evitare il deterioramento funzionale nei pazienti ad alto rischio psicotico o depressivo. A presentare il metodo di prognosi, sulle pagine di JAMA Psychiatry, è stato un team di ricercatori guidato da Nikolaos Koutsouleris, della Ludwig-Maximilian-University di Monaco, in Germania.
 
Lo studio. 
I ricercatori hanno studiato 116 soggetti a elevato rischio clinico (CHR – clinical high risk) per psicosi e 120 con depressione a esordio recente (ROD – recent-onset depression). I partecipanti sono stati seguiti per una media di 329 giorni. Dai risultati è emerso che, sulla base di dati clinici, l’apprendimento automatico è stato in grado di predire risultati sul funzionamento sociale con un’accuratezza del 76,9% nei pazienti con psicosi e del 66,2% in quelli con depressione.

Quando venivano prese le informazioni ottenute dagli esami di imaging, le percentuali di accuratezza erano del 76,2% nei pazienti CHR e del 65% in quelli con ROD, mentre quando si combinavano dati clinici con quelli di imaging, le percentuali arrivavano, rispettivamente, a 82,7% e 70,3%. Nel gruppo CHR, la riduzione del volume della materia grigia (GMV) pre-frontale e temporo-occipitale e l’incremento di GMV prefrontale-cerebellare e dorsolaterale avevano un valore predittivo, mentre una riduzione della GMP mediotemporale e un aumento della GMV prefrontale-perisilviana hanno avuto un valore predittivo per la ROD.
Infine, nei pazienti con CHR, ma non in quelli con ROD, una prognosi infausta è stata associata a un aumentato rischio di disturbi psicotici, depressivi e d’ansia al follow-up. Nel complesso, l’apprendimento automatico ha superato la prognosi clinica degli esperti. Infine, l’aggiunta dei dati dagli esami di neuroimaging ha determinato un aumento di 1,9 volte sulla certezza prognostica nei casi di CHR incerti e un aumento di 10,5 volte sempre nella certezza prognostica nei casi di ROS non sicuri.

I commenti
. “La psichiatria, al contrario per esempio dell’oncologia, non ha strumenti quantitativi per prevedere gli esiti a livello del singolo paziente”, spiega Koutsouleris. “Siamo riusciti a dimostrare che l’apprendimento automatico può essere usato per la prognosi di disabilità sociale tra adolescenti e giovani adulti a rischio di sviluppare malattie psichiatriche, in particolare psicosi e depressione recidivante. Inoltre, abbiamo messo a punto un flusso di lavoro per ottenere una previsione solida, iniziando con dati clinici facili da ottenere e aggiungendo dati da imaging cerebrale per migliorare la previsione nei casi che potrebbero non essere previsti con sufficiente affidabilità”.

Secondo Aristotle Voineskos, dell’Università di Toronto, “una delle scoperte più interessanti è che i dati della risonanza magnetica erano migliori rispetto alla valutazione clinica nella previsione del risultato funzionale, almeno in un sottogruppo di pazienti”. “Uno studio aggiuntivo dovrebbe determinare il rapporto costo/efficacia della risonanza magnetica, oltre a dover considerare che bisogna formare psichiatri e altri operatori per capire quando è necessario prescrivere una risonanza magnetica”, ha sottolineato l’esperto, che non era coinvolto nello studio, ma che ha scritto un editoriale sull’articolo.

Fonte: JAMA Psychiatry 2018

 
Marilynn Larkin
 

(Versione italiana Quotidiano Sanità/Popular Science)

08 ottobre 2018
© Riproduzione riservata