Un software per le diagnosi psichiatriche. Sembra fantascienza, è diventato realtà grazie a un progetto che coinvolge tra gli altri l’Università Statale di Milano.

Su "Jama Psychiatry" è stato infatti pubblicato uno studio, che ha previsto con percentuali di successo molto alte i disagi di integrazione sociale in pazienti a rischio. Un risultato a cui si è arrivati appunto grazie a un software che lavora sulla combinazione di dati clinici e di neuroimaging, messo a punto dal progetto europeo PRONIA (Personalized Prognostic Tools for Early Psychosis Management), che ha coinvolto anche l'Università degli Studi di Milano attraverso il docente di Psichiatria Paolo Brambilla e il suo team. 

Il progetto prende le mosse da un dato: il 75% dei disturbi di disabilità si manifesta prima dei 25 anni, e comporta difficoltà e deterioramento nelle relazioni sociali e occupazionali. Inoltre, a oggi non esistono strumenti di stratificazione del rischio su cui poter impostare una strategia preventiva e personalizzata, per arginare le disabilità funzionali nei soggetti a rischio e nella fase iniziale della malattia. 

L'ambizioso obiettivo del progetto europeo PRONIA è dunque quello di sviluppare un accurato modello di predizione, per identificare possibili deficit relazionali e occupazionali nella loro fase iniziale in due diversi gruppi di pazienti: ad alto rischio clinico di psicosi (Clinical High-Risk, CHR), oppure con recente insorgenza di depressione (Recent-Onset Depression, ROD) o psicosi (Recent-Onset Psychosis, ROP). 

Lo studio è stato condotto su un campione di 236 pazienti di età compresa tra i 15 e i 40 anni, con un controllo di 176 elementi sani. I soggetti sono stati reclutati in sette siti accademici di diagnosi precoce, sparsi in cinque diversi paesi europei, da febbraio 2014 a maggio 2016. Ogni paziente è stato testato per un periodo di 18 mesi, con una valutazione clinica ogni tre. 

Il software di machine-learning utilizzato, NeuroMiner, ha analizzato tre diversi modelli: il primo sul funzionamento sociale e di ruolo di ciascun paziente; il secondo con l’analisi delle immagini del volume della materia grigia; il terzo con la combinazione dei primi due outcomes, convertiti in un unico risultato finale.  

Questo schema di machine learning ha dimostrato che i disagi di integrazione sociale possono essere correttamente predetti nell’83% dei pazienti in CHR e nel 70% dei pazienti con ROD: un risultato migliore di molte prognosi cliniche di esperti (che tendono a sovrastimare le capacità di social functioning dei pazienti).  

“È un importante punto di partenza – afferma il Professor Brambilla - per la creazione di nuovi modelli prognostici generalizzabili attraverso diverse combinazioni di dati, in grado di consentire una vera strategia preventiva e personalizzata in psichiatria”.

× Condividi con gli utenti della tua rete

CONDIVIDI