(TEMPOITALIA.IT) Un gruppo di ricercatori del Francis Crick Institute e dell’UCL Queen Square Institute of Neurology, in collaborazione con la società tecnologica Faculty AI, ha applicato il machine learning per distinguere con alta precisione i sottotipi del morbo di Parkinson utilizzando immagini di cellule staminali derivate dai pazienti. Questa scoperta potrebbe rivoluzionare le strategie di trattamento personalizzato e accelerare la scoperta di nuovi farmaci mirati. Lo studio, pubblicato su Nature Machine Intelligence, ha dimostrato che i modelli computazionali possono classificare accuratamente quattro sottotipi della malattia, con uno di essi raggiungendo un’accuratezza del 95%.
Il morbo di Parkinson è una condizione neurodegenerativa complessa, con sintomi e progressione che variano notevolmente tra i pazienti a causa delle diverse cause sottostanti della malattia. Finora, non esisteva un metodo preciso per differenziare i vari sottotipi, portando a diagnosi non specifiche e trattamenti non sempre adeguati.
I ricercatori hanno generato cellule staminali dai pazienti e creato quattro modelli diversi della malattia in laboratorio. Due di questi sottotipi coinvolgono l’accumulo tossico della proteina α-sinucleina, mentre gli altri due sono legati a difetti nei mitocondri. Utilizzando immagini microscopiche dettagliate di questi modelli cellulari, hanno addestrato un programma di intelligenza artificiale a riconoscere i diversi sottotipi, riuscendo poi a prevederli con alta precisione anche su immagini mai viste prima.
I mitocondri e i lisosomi sono stati identificati come le caratteristiche cellulari più importanti nella distinzione dei sottotipi, confermando il loro ruolo cruciale nello sviluppo della malattia. Tuttavia, anche altre aree cellulari, come il nucleo, sono risultate rilevanti, suggerendo che ci sono ancora aspetti del morbo di Parkinson da esplorare.
Questa scoperta apre nuove prospettive per la medicina personalizzata nel trattamento del morbo di Parkinson e potrebbe portare a sviluppi significativi nella diagnosi e nella terapia, migliorando la qualità della vita dei pazienti. (TEMPOITALIA.IT)
