L’uso di metodi avanzati di machine learning applicati ai dati di spettroscopia Raman acquisiti su campioni biologici permette di rilevare alterazioni biochimiche associate alla malattia di Alzheimer, facilitando così un’individuazione più accurata. È quanto emerge da uno studio condotto dall’Istituto di scienza e tecnologie dell’informazione del Consiglio nazionale delle ricerche di Pisa (Cnr-Isti) in collaborazione con l’Istituto di fisica applicata del Cnr di Firenze (Cnr-Ifac), l’Università di Firenze e l’Azienda Ospedaliera Universitaria Careggi (Firenze). La ricerca mirava a distinguere i soggetti affetti da Alzheimer da altre patologie del sistema nervoso centrale mediante la classificazione dei dati ricavati dalla spettroscopia Raman, una tecnica che analizza le interazioni della luce con le molecole del campione, rilevando così le alterazioni biochimiche che possono indicare la presenza della malattia. Il lavoro è stato pubblicato sulla rivista scientifica Journal of the Franklin Institute.
L’innovazione principale risiede nell’aver applicato, per la prima volta, un metodo avanzato per l’analisi e la classificazione dei dati di spettroscopia Raman acquisiti da campioni di liquido cerebrospinale, sfruttando tecniche di apprendimento automatico topologico. Questo approccio combina il machine learning con la topologia computazionale, una branca della matematica che studia la struttura e la forma dei dati, permettendo di identificare in modo preciso alterazioni biochimiche che possono segnalare la malattia. “Dagli spettri Raman vengono estratte caratteristiche di forma (features topologiche), che vengono poi utilizzate per addestrare algoritmi di machine learning capaci di classificare i dati. L’ottimizzazione del processo consente di selezionare il miglior modello predittivo, aumentando così l’accuratezza nella distinzione tra Alzheimer e altre patologie del sistema nervoso centrale”, afferma Maria Antonietta Pascali, ricercatrice del Cnr-Isti.
