Deep learning usato per prevedere dettagli ossei in una ricerca sull’Alzheimer

Alzheimer e lamina cribrosa

L’azienda Leucadia Therapeutics ha messo a punto un sistema per cercare di intervenire su quelle che ritiene siano le cause del morbo di Alzheimer, ovvero la riduzione del drenaggio del liquido cerebrospinale attraverso la lamina cribrosa, che secondo la loro teoria porterebbe alla formazione delle placche amiloidi e degli ammassi neurofibrillari.

Al di là della validità di questa ipotesi, che non ci compete, segnaliamo che l’azienda ha sviluppato modelli AI per analizzare i dati ottenuti dalle micro-TC a contrasto ultra-risoluzione, da un nuovo modello animale e da uno studio clinico progettato appositamente per produrre dati strutturati ai fini dell’apprendimento automatico. I ricercatori hanno poi combinato tali metodi per confrontare i cambiamenti nella morfologia della lamina cribrosa nella malattia di Alzheimer.

Le micro-CT ad alta risoluzione e il modello di deep learning sono stati utilizzati per valutare campioni di osso etmoide isolati da soggetti post-mortem, molti con una diagnosi confermata di Alzheimer.

I ricercatori hanno poi usato 3D-UNet (un’architettura basata sulle reti neurali convoluzionali) per addestrare modelli con campioni ad altissima risoluzione e prevedere quindi i modelli ossei da scansioni CT cliniche a basso dosaggio, ovvero con una risoluzione inferiore.

Scansione 3D-Unet per prevedere la struttura ossea da una TC

L’immagine a sinistra è una scansione CT cone-beam di 20 secondi, dove il dettaglio dell’osso è difficile da vedere. Le informazioni ci sono, ma sono sparse su migliaia di livelli di grigio. L’immagine a destra è come il modello AI ha previsto l’osso dalla scansione a sinistra. Un’immagine più dettagliata, comprese le aperture.

Lo scanner CT produce 3.000 livelli di grigio, ma l’occhio umano può distinguere meno di 20 gradazioni, quindi la segmentazione manuale è difficile e richiede tempo. Gli algoritmi di intelligenza artificiale identificano i bordi, i confini e i buchi per rivelare dove si verificano le aperture e quanto sono grandi, anche con una scansione CT a basso dosaggio cone-beam.

Ribadiamo che non diamo necessariamente validità all’ipotesi medica in sé, bensì a come il deep learning è stato usato per portare avanti questa ricerca.

Per approfondire: Preventing Alzheimer’s with a Brain Drain

Sono partner e fondatore di SNGLR Holding AG, un gruppo svizzero specializzato in tecnologie esponenziali con sedi in Europa, USA e UAE, dove curo i programmi inerenti l'intelligenza artificiale. Dopo la laurea in Management ho conseguito una specializzazione in Business Analytics a Wharton, una certificazione Artificial Intelligence Professional da IBM e una sul machine learning da Google Cloud. Sono socio fondatore del chapter italiano di Internet Society, membro dell’Associazione Italiana esperti in Infrastrutture Critiche (AIIC), della Association for the Advancement of Artificial Intelligence (AAAI), della Association for Computing Machinery (ACM) e dell’Associazione Italiana per l’Intelligenza Artificiale (AIxIA). Dal 2002 al 2005 ho servito il Governo Italiano come advisor del Ministro delle Comunicazioni sui temi di cyber security. Oggi partecipo ai lavori della European AI Alliance della Commissione Europea e a workshop tematici della European Defence Agency e del Joint Research Centre. Questo blog è personale.