Di Brain & Behavior Staff
I ricercatori continuano a fare progressi nella ricerca di marcatori biologici di malattie mentali. Tali marcatori, se possono essere convalidati scientificamente, sono ampiamente previsti per rendere la diagnosi e la valutazione del rischio più obiettive.
Ora, un grande team internazionale guidato dal BBRF Independent Investigator del 2015 e dal giovane ricercatore del 2007 Tomas Hajek, MD, Ph.D., della Dalhousie University, Halifax, Nuova Scozia, ha riferito risultati incoraggianti di uno sforzo per utilizzare metodi di apprendimento automatico per identificare marcatori diagnostici del disturbo bipolare. I risultati si basano su informazioni raccolte tramite imaging cerebrale MRI. Il rapporto è apparso il 31 agosto 2018 in Molecular Psychiatry.
Per ora, la diagnosi di tutte le malattie mentali continua a basarsi sui sintomi del paziente osservati e segnalati. Il disturbo bipolare presenta una particolare sfida diagnostica, poiché in molti casi si manifesta dapprima come depressione. Una piccola percentuale di persone depresse, in un secondo momento, sperimenterà quello che viene definito un episodio maniacale, caratterizzato da sintomi apparentemente diametralmente opposti a quelli della depressione: un alto stato di eccitazione, grande energia, un bisogno ridotto di sonno e una tendenza prendere decisioni avventate e impulsive. Questo sottogruppo di pazienti è considerato affetto da disturbo bipolare.
A complicare ulteriormente il compito diagnostico è il fatto che il disturbo bipolare è ciò che gli scienziati chiamano “eterogeneo”, il che significa che esistono diversi sottotipi con distinti pattern di sintomi e neurobiologia di base. Pertanto, basare la diagnosi su misure biologiche oggettive, come quelle che coinvolgono l’imaging cerebrale, sarebbe molto utile sia per i medici che per i pazienti.
Il dott. Hajek e colleghi hanno voluto determinare se i dati di imaging con risonanza magnetica potrebbero rivelare una serie di proprietà biologiche nel cervello che segnalavano la presenza di disturbo bipolare nella maggior parte dei pazienti. Per testare il concetto, il team ha riunito scansioni MRI da un totale di 853 pazienti con disturbo bipolare e 2.167 controlli. Questi soggetti facevano parte di un set di dati in un progetto chiamato ENIGMA, che ha raccolto informazioni sui pazienti da diversi siti per formare campioni di grandi dimensioni. Sono richiesti campioni di grandi dimensioni per impiegare efficacemente metodi di apprendimento automatico, in cui i computer si allenano per identificare – in questo caso – aspetti dell’anatomia cerebrale che corrispondono al disturbo bipolare. Fino ad ora, nessun campione di dimensioni comparabili era stato assemblato per fare questo.
Considerando la variabilità della malattia e il fatto che i pazienti per questo studio sono stati reclutati senza alcun coordinamento in 13 diversi siti, i ricercatori inizialmente erano dubbiosi di poter differenziare i pazienti dai controlli basati sulla struttura del cervello. Tuttavia, sono emersi con parametri biologici dalle scansioni MRI che consentono loro di identificare i pazienti con disturbo bipolare con una precisione del 65% circa. “Questi risultati forniscono una prova di concetto per una firma generalizzabile dell’immagine cerebrale del disturbo bipolare che può essere rilevata in singoli soggetti anche all’interno di un ampio campione multi-sito”, ha osservato il team. “Il tentativo di differenziare i pazienti dai controlli è il primo passo prima di passare a problemi più rilevanti dal punto di vista clinico, come la diagnosi differenziale” – essendo in grado di distinguere tra diversi disturbi psichiatrici con manifestazioni simili, hanno aggiunto.
Per servire come strumento diagnostico clinico, l’apprendimento automatico dovrà generare una precisione diagnostica di almeno l’80%. Avere accesso alle attuali scansioni MRI, non solo alle informazioni su determinate regioni del cervello, potrebbe migliorare considerevolmente le prestazioni, ha affermato il Dr. Hajek. Attualmente, tuttavia, la condivisione delle scansioni completa comporta complicazioni legali e di privacy del paziente, ha osservato.
Altri beneficiari di BBRF che hanno partecipato alla ricerca hanno incluso: Geraldo Busato, Ph.D., 2010 Independent Investigator; Dara Cannon, Ph.D., 2006, 2004 Young Investigator; Janice Fullerton, Ph.D., 2007 Young Investigator; David Glahn, Ph.D., 2014 Independent Investigator, 2003, 2005 Young Investigator; Roshel Lenroot, MD, 2003 giovane investigatore; Colm McDonald, Ph.D., 2009 Independent Investigator, 2002 Young Investigator; Theodore Satterthwaite, MD, 2014 Klerman Prizewinner, 2010 Young Investigator; Jair Soares, MD, Ph.D., 1999, 1997 Young Investigator; e Eduard Vieta, MD, Colvin Prizewinner 2012.
