L’Istituto Universitario di Studi Superiori IUSS di Pavia e IRCCS Maugeri Bari firmano un importante traguardo nell’ambito della ricerca neurocognitiva e dell’impiego dell’intelligenza artificiale, guidando uno studio che apre nuove prospettive nella diagnosi precoce della malattia di Parkinson. Pubblicato sulla prestigiosa rivista npj Parkinson’s Disease (Nature Publishing Group), lo studio rappresenta il primo contributo al mondo ad applicare un modello multivariato basato su AI e Natural Language Processing (NLP) su pazienti di lingua italiana.

Lo studio è il risultato di una collaborazione tra il centro di ricerca Ailice Labs (Artificial Intelligence Research Group) dello IUSS di Pavia, il Laboratorio di Neuropsicologia dell’IRCCS Maugeri Bari e partner internazionali come il Global Brain Health Institute (UCSF) e l’Universidad de San Andrés (Argentina), oltre alla società DeepTrace Technologies, spin-off IUSS.

Il progetto è stato concepito da Maugeri, leader nella riabilitazione e nella presa in carico dei pazienti fragili, congiuntamente con la IUSS di Pavia, punto di riferimento nazionale per la ricerca avanzata e l’innovazione tecnologica, e mira a creare biomarcatori digitali del linguaggio che consentono di identificare precocemente dei fenotipi di Malattia di Parkinson. Lo studio ha analizzato i campioni vocali raccolti da 40 pazienti presso IRCCS Maugeri Bari scelti tra soggetti con diagnosi di malattia di Parkinson e non, ai quali è stato chiesto di compiere attività linguistiche, quali per esempio descrivere immagini complesse o parlare liberamente, che sono state registrate in file audio. I ricercatori Maugeri e IUSS hanno elaborato questi dati con algoritmi AI avanzati, estrapolando variabili linguistiche (linguistic features) utilizzate per addestrare un modello di machine learning in grado di distinguere i tratti caratteristici dei pazienti Parkinson da quelli di soggetti sani.

"Abbiamo dimostrato la fattibilità tecnica di analizzare il parlato in lingua italiana – spiega Simona Aresta, prima autrice, ricercatrice bioingegnera all’IRCCS Maugeri di Bari e dottoranda IUSS presso The Hadron Academy –. È un primo passo verso strumenti clinici digitali, scalabili e applicabili anche a distanza".

I risultati sono promettenti: 

• • 77% di accuratezza nel distinguere pazienti con Parkinson da soggetti sani;
  • fino all’85% nella classificazione dei sottogruppi cognitivi;
  • 75% di performance nel distinguere i due fenotipi cognitivi della malattia (PD-nMCI vs PD-MCI)

"Tra i marcatori più indicativi emersi dall’analisi, spicca la riduzione nell’uso dei verbi d’azione. Questi elementi linguistici, elaborati in aree cerebrali come il lobo frontale, spesso coinvolte nei primi stadi della malattia, sembrano essere particolarmente sensibili al deterioramento precoce. Inoltre, è stata rilevata una maggiore frequenza di riformulazioni del discorso e una ridotta produzione di parole appartenenti a classi aperte, come nomi e verbi, suggerendo una difficoltà crescente nell’accesso lessicale - dichiara la dott.ssa Petronilla Battista, neuropsicologa e logopedista Responsabile del Laboratorio di Neuropsicologia all’IRCCS Maugeri Bari e corresponding author dello studio -. Il linguaggio è dunque una finestra preziosa sulle funzioni cognitive del cervello. I dati dello studio dimostrano che l’analisi automatica del parlato può diventare uno strumento affidabile non solo per aiutare a identificare precocemente i diversi fenotipi della malattia di Parkinson, ma anche per valutare l’efficacia delle terapie farmacologiche in atto. Il progetto è strategico per il Dipartimento di Medicina Riabilitativa Neuromotoria di Maugeri e rientra tra gli strumenti tecnologici innovativi per migliorare diagnosi e trattamento dei pazienti neurologici".

Il Prof. Christian Salvatore, docente IUSS, direttore del centro Ailice Labs e CEO di DeepTrace Technologies spiega che si tratta della prima volta che un approccio basato su AI e NLP multivariato viene applicato con successo per distinguere i profili cognitivi del Parkinson in lingua italiana: "Questo lavoro dimostra come l’AI possa essere impiegata per costruire veri e propri biomarcatori digitali del linguaggio, standardizzabili, con valore clinico concreto. La nostra pipeline è progettata per essere modulare, spiegabile, adattabile e integrabile nella pratica clinica per la diagnosi precoce e non invasiva, anche applicata ad altri contesti patologici. È un chiaro esempio di tecnologia traslazionale generata in ambito accademico e pronta all’impatto nella pratica clinica".

I prossimi obiettivi del gruppo di ricerca puntano a estendere lo studio a campioni clinici più ampi, in modo da consolidare ulteriormente l’affidabilità dei risultati. Parallelamente, è in corso lo sviluppo di strumenti diagnostici digitali che siano explainable e cross-linguistici, per renderli utilizzabili in contesti clinici internazionali e garantire la trasparenza interpretativa dei risultati. Un ulteriore passo sarà la validazione di questi strumenti in scenari reali di screening precoce e monitoraggio a distanza, con l’obiettivo di offrire supporto concreto alla diagnosi e al follow-up dei pazienti. Questa metodologia è potenzialmente applicabile anche ad altre malattie neurologiche e può rappresentare uno strumento utile per monitorare l’efficacia delle terapie farmacologiche. L’intelligenza artificiale, in questo contesto, si configura come supporto allo specialista, il cui ruolo critico e valutativo resta centrale.