menu
close

Analisi del cerume tramite IA rileva il Parkinson con il 94% di accuratezza

Ricercatori cinesi hanno sviluppato un sistema olfattivo basato sull’intelligenza artificiale in grado di rilevare il morbo di Parkinson analizzando i composti volatili presenti nel cerume, con un’accuratezza del 94%. Questo innovativo metodo di screening identifica quattro specifici biomarcatori chimici nelle secrezioni del condotto uditivo, offrendo la possibilità di sostituire costose scansioni e checklist diagnostiche soggettive con un semplice tampone auricolare non invasivo. La tecnologia potrebbe rivoluzionare la diagnosi precoce e il trattamento di questa debilitante malattia neurologica.
Analisi del cerume tramite IA rileva il Parkinson con il 94% di accuratezza

Gli scienziati dell’Università di Zhejiang, in Cina, hanno creato uno strumento diagnostico rivoluzionario che utilizza l’intelligenza artificiale per rilevare il morbo di Parkinson attraverso l’analisi del cerume, raggiungendo un’accuratezza impressionante del 94,4%.

Il team di ricerca, guidato da Hao Dong e Danhua Zhu, ha pubblicato i risultati sulla rivista Analytical Chemistry. Il loro approccio si basa sul fatto che il cerume contiene sebo, una sostanza oleosa la cui composizione chimica varia con la progressione della malattia. A differenza del sebo cutaneo, il cerume si trova in un ambiente protetto, privo di contaminanti esterni come inquinamento o cosmetici.

Lo studio ha coinvolto la raccolta di campioni di cerume da 209 partecipanti (108 affetti da Parkinson e 101 sani). Utilizzando sofisticate tecniche di gascromatografia-spettrometria di massa (GC-MS), i ricercatori hanno identificato quattro composti organici volatili presenti in concentrazioni significativamente diverse nei pazienti con Parkinson: etilbenzene, 4-etiltoluene, pentanale e 2-pentadecile-1,3-diossolano.

Il team ha quindi sviluppato un sistema olfattivo artificiale (AIO) combinando sensori a onda acustica superficiale accoppiati a gascromatografia (GC-SAW) con una rete neurale convoluzionale (CNN). Questo modello di apprendimento automatico è stato addestrato a riconoscere i pattern nei dati cromatografici che distinguono i campioni di pazienti con Parkinson da quelli sani.

Attualmente, la diagnosi del Parkinson si basa principalmente sull’osservazione dei sintomi fisici, che spesso compaiono solo dopo che si è già verificata una significativa neurodegenerazione. La diagnosi precoce è fondamentale, poiché la maggior parte dei trattamenti disponibili può solo rallentare la progressione della malattia, senza invertirla. I metodi diagnostici tradizionali, come le scale cliniche di valutazione e le neuroimmagini, possono essere soggettivi, costosi e non sempre rilevano i casi nelle fasi iniziali.

"Questo metodo è stato testato in un esperimento su piccola scala e in un singolo centro in Cina", ha sottolineato Dong. "Il prossimo passo sarà condurre ulteriori ricerche in diverse fasi della malattia, in più centri di ricerca e su gruppi etnici diversi, per determinare se questo metodo abbia un valore applicativo più ampio."

Se validato su scala più ampia, questo strumento di screening a basso costo e non invasivo potrebbe rivoluzionare la diagnosi precoce del Parkinson, consentendo interventi tempestivi e potenzialmente migliori risultati per milioni di pazienti in tutto il mondo.

Source:

Latest News