Un team di ricercatori italiani guidato dall’IUSS di Pavia e dall’IRCCS Maugeri Bari ha pubblicato su npj Parkinson’s Disease (Nature Publishing Group) un innovativo studio che unisce intelligenza artificiale e linguaggio naturale per anticipare la diagnosi della Malattia di Parkinson prima della comparsa dei sintomi motori.
Il progetto rappresenta il primo contributo mondiale ad applicare un modello multivariato di AI e NLP su pazienti italiani. Lo studio, condotto in collaborazione con il Global Brain Health Institute (UCSF), l’Universidad de San Andrés (Argentina) e DeepTrace Technologies (spin-off IUSS), apre nuove strade per la diagnosi precoce della malattia.
AI e linguaggio naturale per rilevare segnali precoci
Obiettivo della ricerca è la creazione di biomarcatori digitali del linguaggio in grado di identificare precocemente fenotipi di Parkinson. Sono stati analizzati i campioni vocali di 40 pazienti selezionati presso l’IRCCS Maugeri Bari, a cui è stato chiesto di svolgere compiti linguistici come descrivere immagini o parlare liberamente.
I dati audio sono stati elaborati da algoritmi avanzati di machine learning, che hanno estratto caratteristiche linguistiche fondamentali per riconoscere le differenze tra soggetti sani e pazienti con Parkinson.
“Abbiamo dimostrato la fattibilità tecnica di analizzare il parlato in lingua italiana – spiega Simona Aresta, prima autrice, ricercatrice bioingegnera all’IRCCS Maugeri di Bari e dottoranda IUSS presso The Hadron Academy –. È un primo passo verso strumenti clinici digitali, scalabili e applicabili anche a distanza.”
Accuratezza e risultati promettenti
I risultati dello studio parlano chiaro:
- 77% di accuratezza nel distinguere pazienti con Parkinson da soggetti sani
- 85% di precisione nella classificazione dei sottogruppi cognitivi
- 75% di performance nell’identificare due fenotipi cognitivi (PD-nMCI vs PD-MCI)
Secondo la dott.ssa Petronilla Battista, neuropsicologa e logopedista responsabile del Laboratorio di Neuropsicologia Maugeri e coautrice dello studio:
“Tra i marcatori più indicativi emersi dall’analisi, spicca la riduzione nell’uso dei verbi d’azione. Questi elementi linguistici, elaborati in aree cerebrali come il lobo frontale, spesso coinvolte nei primi stadi della malattia, sembrano essere particolarmente sensibili al deterioramento precoce. […] Il linguaggio è dunque una finestra preziosa sulle funzioni cognitive del cervello. […] L’analisi automatica del parlato può diventare uno strumento affidabile […] per identificare […] precocemente i diversi fenotipi della malattia di Parkinson ma anche per valutare l’efficacia delle terapie farmacologiche”.
AI come supporto non invasivo alla clinica neurologica
Il professor Christian Salvatore, docente IUSS, direttore di Ailice Labs e CEO di DeepTrace Technologies, sottolinea:
“Questo lavoro dimostra come l’AI possa essere impiegata per costruire veri e propri biomarcatori digitali del linguaggio, standardizzabili, con valore clinico concreto. […] La nostra pipeline è progettata per essere modulare, spiegabile, adattabile e integrabile nella pratica clinica per la diagnosi precoce e non invasiva […]”.
L’iniziativa rappresenta un esempio efficace di tecnologia traslazionale, sviluppata in ambito accademico ma pensata per un impatto diretto nella sanità.
Verso strumenti digitali per screening e follow-up
I prossimi passi del progetto prevedono:
- Estensione a campioni più ampi per confermare l’affidabilità dei dati
- Sviluppo di strumenti digitali explainable e multilingua
- Validazione in contesti clinici reali, per il monitoraggio e lo screening precoce
Questo approccio innovativo, basato su intelligenza artificiale e linguaggio naturale, potrebbe rivelarsi utile anche nella diagnosi e nel trattamento di altre patologie neurologiche.