Machine Learning e spettroscopia Raman per una diagnosi precoce e precisa dell’Alzheimer
08/11/24
Lo studio è stato condotto tra il CNR di Pisa e Firenze, UniFi e l’Azienda Ospedaliera Universitaria Careggi
filtra per Biotech&Pharma Medical Device ICT Nutraceutica Sanità
Lo studio è stato condotto tra il CNR di Pisa e Firenze, UniFi e l’Azienda Ospedaliera Universitaria Careggi
Una ricerca toscana pubblicata sul Journal of the Franklin Institute apre nuove possibilità nella diagnosi della malattia di Alzheimer grazie all’uso combinato di machine learning e spettroscopia Raman, una tecnica di analisi molecolare. Lo studio, frutto della collaborazione tra l’Istituto di scienza e tecnologie dell’informazione del Consiglio Nazionale delle Ricerche di Pisa (Cnr-Isti), l’Istituto di fisica applicata del Cnr di Firenze (Cnr-Ifac), l’Università di Firenze e l’Azienda Ospedaliera Universitaria Careggi (Firenze), ha dimostrato che l'apprendimento automatico applicato a dati raccolti da campioni di liquido cerebrospinale può rilevare con precisione alterazioni biochimiche specifiche dell’Alzheimer.
Il metodo utilizzato. I ricercatori hanno applicato un approccio di machine learning topologico ai dati della spettroscopia Raman, ottenendo risultati molto promettenti. Questo metodo, che sfrutta la topologia computazionale per analizzare la forma dei dati, ha raggiunto un'accuratezza dell’86% nel distinguere i soggetti affetti da Alzheimer da quelli con altre patologie neurodegenerative. La spettroscopia Raman, nota per la capacità di individuare interazioni molecolari nei tessuti biologici, si è rivelata particolarmente adatta per identificare biomarcatori della malattia. In prospettiva, questo metodo potrebbe essere integrato nella pratica clinica, migliorando la tempestività e l’efficacia delle diagnosi e offrendo nuove possibilità per il monitoraggio e la ricerca di terapie.
Lascia un commento