Un approccio di Machine Learning alla progettazione di uno screening selettivo efficiente di un lieve danno cognitivo

L’invecchiamento della popolazione sta aumentando la prevalenza di malattie croniche e degenerative, in particolare demenze degenerative, che dovrebbero colpire più di 131 milioni di persone in tutto il mondo entro il 2050¹. Tra tutte le demenze degenerative, il morbo di Alzheimer (AD) è il più comune con una prevalenza complessiva in Europa del 6,88%². A causa della sempre più declinata indipendenza dei pazienti affetti da AD, questo gruppo dovrebbe iniziare a ricevere supporto non appena l’AD inizia a manifestarsi. Pertanto, la diagnosi precoce di segni prodromici di AD, come un lieve danno cognitivo (MCI), è essenziale.

MCI è definito come una fase di declino cognitivo intermedio corrispondente al normale invecchiamento e grave deterioramento a causa della demenza³. Secondo le stime di Petersen et al.⁴, la prevalenza di MCI è dell’8,4% tra le persone di età compresa tra 65 e 69 anni e raggiunge il 25,2% per le persone di età superiore agli 80 anni. MCI si traduce in individui che sperimentano più difficoltà del previsto nell’esecuzione di abilità cognitive di basso livello, in particolare quelli legati alla memoria e al linguaggio, ma non interferisce con le attività della vita quotidiana.

Lo screening non è sinonimo di diagnosi; la diagnosi di MCI sarà sempre un compito clinico, mentre i metodi di screening possono solo informarci che un paziente ha una maggiore probabilità di soffrire di questa patologia e che c’è un fondato sospetto di MCI che dovrebbe essere confermato clinicamente. Di conseguenza, gli operatori sanitari primari (medici, farmacisti, infermieri, ecc.) potrebbero beneficiare della disponibilità di semplici metodi di screening (test cognitivi brevi) che possono essere applicati in pochi minuti. Idealmente, questi identificherebbero oggettivamente i pazienti con un’alta probabilità di soffrire di una MCI in modo che possano essere testati clinicamente da medici generici o specializzati.

Dato che la diagnosi precoce di MCI sta diventando un compito essenziale nel contesto della salute pubblica, questo lavoro mirava a identificare quali caratteristiche sono utili nell’identificazione mirata dell’MCI nei test di screening delle popolazioni anziane. Questi gruppi sarebbero quindi testati in modo più approfondito per mCI nei test gestiti dai fornitori di assistenza sanitaria primaria. Questa metodologia fornisce a un albero delle decisioni gli algoritmi appropriati per identificare i gruppi di popolazione di destinazione.

Tra queste caratteristiche, l’età è uno dei fattori più consistenti associati allo sviluppo di questa patologia. Altre caratteristiche rilevanti sono relative ai dati demografici o allo stile di vita⁵. Tra questi ultimi, alcuni studi hanno identificato la durata del sonno diurno o notturno come un fattore di rischio che può portare alla diagnosi di MCI^5,6,7,8,9. Il consumo prolungato di farmaci come le benzodiazepine, consumato da una stima del 20%-25% degli adulti più anziani^10,11, può anche influenzare le ore di sonno e lo sviluppo di MCI^12,13. Infatti, trattamenti prolungati per le malattie croniche possono essere caratteristiche importanti utili nella preselezione di individui con un alto rischio di soffrire di MCI.

Qui, abbiamo sviluppato modelli basati su dati che utilizzano algoritmi di apprendimento automatico, un albero delle decisioni e uno strumento predittivo per aumentare l’efficienza della metodologia per rilevare l’MCI discriminando quali caratteristiche svolgono un ruolo importante nei primi anni rilevamento di MCI. L’albero delle decisioni qui presentato è stato prodotto utilizzando una coorte specifica di pazienti spagnoli che utilizzano farmacie comunitarie. Tuttavia, questo metodo sarebbe utile anche tra le altre popolazioni con caratteristiche diverse.

Questo lavoro è stato completato in collaborazione con l’assistenza sanitaria primaria e medici specializzati. Le farmacie comunitarie erano ideali per testare questo algoritmo perché sono vicine ai pazienti, hanno orari di apertura lunghi e sono spesso visitate e consultate. Le demenze degenerative sono condizioni complesse che non sono sempre ben comprese dagli operatori sanitari primari¹⁴. Pertanto, essere coinvolti nel processo aumenterà la consapevolezza delle persone affette da MCI e demenza.