Schizofrenia. Il machine learning identifica due sottotipi

L’uso del machine learning ha permesso a un tea USA di identificare due sottotipi neuroanatomici della schizofrenia. Una scoperta che potrebbe rivelarsi molto utile per quanto riguarda l’individuazione delle terapie più efficaci

10 MAR - (Reuters Health) – In uno studio USA un approccio di machine learning alla risonanza magnetica e alle misure cliniche ha identificato due sottotipi neuroanatomici della schizofrenia. “I pazienti con diversi profili neuroanatomici potrebbero rispondere in modo diverso ai vari trattamenti – dice Christos Davatzikos della Perelman School of Medicine dell’Università della Pennsylvania a Philadelphia, autore principale dello studio – I trial dovrebbero potenzialmente valutare separatamente gli effetti del trattamento per questi due gruppi”.
 
Precedenti studi avevano già suggerito l’associazione di profili dei sintomi nella schizofrenia a diverse caratteristiche neuroanatomiche, ma le “firme cerebrali” si sovrappongono, come hanno notato Davatzikos e colleghi notano su Brain.

Lo studio
Il team ha applicato un metodo di machine learning recentemente sviluppato, chiamato Hydra, per analizzare la risonanza magnetica e le misure cliniche in 307 pazienti con schizofrenia consolidata e in 364 controlli sani nel tentativo di scoprire i modelli associati alla malattia. Hydra ha identificato due sottotipi altamente riproducibili. Il sottotipo 1 mostrava deficit della materia grigia in modo più evidente nel talamo, nel nucleo accumbens, nel tempo mediale, nella corteccia prefrontale e insulare mediale, nonché riduzioni diffuse nei volumi di sostanza bianca, rispetto ai controlli sani.

Al contrario, il sottotipo 2 presentava una normale anatomia cerebrale, ad eccezione dei volumi di sostanza grigia più grandi nei gangli della base e del volume di sostanza bianca relativamente più grande nelle strutture profonde, in particolare la capsula interna, rispetto ai controlli sani.
Entrambi i sottotipi presentavano un liquido cerebrospinale lievemente elevato (Csf), principalmente nel terzo ventricolo e nella fessura interemisferica frontale.

Il volume della sostanza grigia è correlato negativamente con la durata della malattia nel sottotipo 1, ma non nel sottotipo 2, “indicando potenzialmente diversi processi patologici neurali sottostanti”, osservano gli autori.
I pazienti con sottotipo 1 avevano un livello di istruzione inferiore rispetto al sottotipo 2, ma i due sottotipi non differivano per età, sesso, durata della malattia, dose antipsicotica, età di insorgenza della malattia, gravità dei sintomi o tipo antipsicotico.

“Gli studi futuri devono valutare queste firme neuroanatomiche nei pazienti alla prima manifestazione dei sintomi, o anche prima, negli adolescenti a rischio – dice Davatzikos – I futuri studi longitudinali dovrebbero anche valutare il valore predittivo di questi marcatori. Abbiamo già scoperto trasversalmente che il sottotipo 2 non è stato associato alla perdita del volume cerebrale nel tempo, mentre il sottotipo 1 ha mostrato una più forte associazione tra riduzione del volume del cervello e durata della malattia”.

“Gli studi futuri dovrebbero anche valutare questi sottotipi neuroanatomici (ovvero basati sulla risonanza magnetica) utilizzando misure di neuroimaging multimodali e misure genetiche”, conclude il co-autore, Ganesh B. Chand.

Fonte: Brain
 
Willl Boggs
 
(Versione italiana Quotidiano Sanità/Popular Science)

10 marzo 2020
© Riproduzione riservata