In questo caso il sistema è stato in grado di distinguere i bambini, separandoli in base alle diverse diagnosi, con un' accuratezza tra il 93% e il 97,5%, a seconda dei diversi algoritmi utilizzati. Successivamente, per un' ulteriore verifica sulla validità del sistema, sono stati considerati altri due gruppi di bambini. Il primo costituto da 25 italiani (15 autistici e 10 con sviluppo tipico) tra i 7 e i 14 anni, i cui Eeg sono stati registrati a Villa Santa Maria. Il secondo costituito da altri 10 bambini autistici italiani tra i 25 e i 37 mesi di età. Anche questa analisi ha dato esisto positivo, sottolineano gli autori. L' accuratezza nel distinguere i soggetti con autismo da quelli appartenenti al gruppo di controllo e da quelli con altre patologie neuropsichiatriche ha infatti raggiunto il 95%.

E anche nel caso dei bambini più piccoli, i cui Eeg sono stati utilizzati per un ulteriore riscontro, le reti neurali hanno consentito di riconoscere correttamente nove soggetti su dieci. "Questo studio dimostra che anche un elettroencefalogramma standard contiene le informazioni necessarie per distinguere sostanzialmente i bambini a sviluppo tipico da quelli con disturbo dello spettro autistico, a patto di poter elaborare i dati con sistemi di analisi molto sofisticati come quelli utilizzati dal nostro gruppo", spiega Enzo Grossi, direttore scientifico della Fondazione Vsm. "Il fatto che un sistema, addestrato su casi di bambini di età più avanzata, abbia comunque classificato correttamente anche nove dei dieci soggetti più piccoli sembra suggerire la presenza di un qualche marcatore dei disturbi dello spettro autistico a livello neurale fin dalla più tenera età, cosa che - aggiunge - renderebbe possibile una diagnosi già nei primi mesi di vita. Il nostro prossimo obiettivo è, pertanto, quello di approfondire questa possibilità analizzando i risultati di Eeg effettuati su bambini con meno di 12 mesi di età, che stiamo cercando di reperire da Centri italiani ed esteri".

Il metodo usato "rappresenta una novità scientifica per l' analisi dei segnali temporali provenienti da molti canali in parallelo, come l' Eeg, e tenta di trovare le invarianti con cui tutti i segnali si modificano l' un l' altro a diverse distanze temporali", spiega Massimo Buscema, direttore del Centro ricerche Semeion. "E' come se un meccanico tentasse di capire la qualità di un motore 'stirando' un' automobile nei modi più diversi per catturare il suo rumore caratteristico, a prescindere dalle accelerazioni. E anche a prescindere dalla sequenza con cui ha pianificato i suoi test". "Nel nostro caso - continua - il motore è un cervello e il suo suono sono le ampiezze, le frequenze e le fasi dei 18 segnali che l' Eeg rileva su ogni persona. L' intero processo è implementato tramite diverse reti neurali profonde, che cooperano inconsapevolmente tra loro. Il risultato è l' individuazione di una sorta di impronta digitale che ogni cervello in pochi minuti traccia in modo quasi invisibile nel proprio Eeg", conclude.

fonte: 'Clinical Eeg and Neuroscience'