Prof. Antonio Suppa

Individuare il cosiddetto “Tremore Essenziale” analizzando la voce per mezzo di una specifica tecnica di intelligenza artificiale chiamata “Machine Learning”: è la sintesi di uno studio scientifico pubblicato di recente su “Movement Disorders“, rivista del settore, che ha visto protagonista anche il Prof. Antonio Suppa del Dipartimento di Neuroscienze Umane di Sapienza Università di Roma e I.R.C.C.S. Neuromed.

Lo Studio

Lo Studio, frutto della collaborazione tra gli atenei capitolini “La Sapienza” e “Tor Vergata”, e lo stesso istituto “Neuromed” di Pozzilli (IS), ha aperto una prospettiva alquanto promettente: con la tecnica “Machine Learning”, difatti, è stato possibile riconoscere automaticamente – con elevata sensibilità/specificità – il tremore vocale e la risposta sintomatica a specifiche terapie farmacologiche in pazienti affetti da Tremore Essenziale, ovvero «il più frequente disordine del movimento che colpisce – come sottolineato da Neuromed in una nota stampa dedicata allo studio stesso – il 20% delle persone al di sopra dei 65 anni ed è circa venti volte più frequente della Malattia di Parkinson – con cui viene frequentemente confuso».

Il metodo

In buona sostanza, l’innovativo metodo consiste nell’analisi avanzata di registrazioni vocali mediante i più moderni algoritmi di machine learning. Ed essendo la voce «un fenomeno biologico complesso che richiede la corretta attivazione di un esteso network di neuroni nel cervello», la stessa «può fornire informazioni sullo stato di salute del sistema nervoso di una specifica persona».

Le prospettive

Le prospettive dello studio sono decisamente incoraggianti: tale approccio metodologico, difatti, potrebbe rivelarsi uno strumento innovativo e non invasivo nella diagnosi di specifiche malattie neurologiche. «La diagnosi di Tremore Essenziale e la valutazione della risposta alla terapia farmacologica – ha affermato il professor Antonio Suppa nell’articolo pubblicato su Neuromed.it – si basano attualmente su valutazioni cliniche, che hanno il limite di dipendere dalla specifica esperienza del valutatore. Grazie ai risultati del nostro Studio, sarà possibile sviluppare in futuro un nuovo metodo di indagine automatizzato e standardizzato per la diagnosi di questa patologia e per la valutazione della risposta clinica a specifiche terapie farmacologiche».

Ma le prospettive sono ancora più ampie: «L’analisi avanzata della voce – prosegue il Prof. Suppa – potrebbe consentire in futuro di riconoscere specifiche patologie neurologiche e di identificare gli interventi terapeutici più appropriati in linea con la nuova frontiera della medicina di precisione. L’intelligenza artificiale apre, inoltre, nuove prospettive nella diagnosi e cura di specifiche malattie neurologiche a distanza, a beneficio della telemedicina».

I numeri dello Studio

La ricerca è stata condotta attraverso la registrazione della voce di 58 pazienti affetti da Tremore Essenziale e di 74 soggetti sani di controllo. Le registrazioni della voce, eseguite mentre i partecipanti pronunciavano una vocale per cinque secondi, sono state successivamente esaminate con algoritmi di machine learning dal professor Giovanni Costantini e dal professor Giovanni Saggio, presso i laboratori del Dipartimento di Ingegneria Elettronica dell’Università degli Studi di Roma Tor Vergata.

Conclusioni

Grazie all’uso dell’intelligenza artificiale e ai risultati ottenuti dallo Studio, gli strumenti diagnostici a disposizione della scienza in questo campo aumentano e diventano notevolmente più precisi. «Le analisi – spiega il dottor Francesco Asci, neurologo presso il Dipartimento di Neuroscienze Umane di Sapienza Università di Roma e coautore dello Studio – hanno permesso di individuare alterazioni della voce anche in pazienti con Tremore Essenziale che non presentavano nessuna apparente anomalia vocale all’esame clinico. L’analisi avanzata della voce con algoritmi di machine learning, pertanto, consentirà quindi lo sviluppo di procedure diagnostiche innovative, standardizzate e di elevata precisione».