Perché servono metodi di screening accessibili per il Parkinson?

La diagnosi tradizionale compare in fasi avanzate; strumenti remoti e accessibili consentono rilevamento precoce, ampliamento dello screening e riduzione di costi e barriere logistiche.

Come è stato condotto lo studio che analizza i video di sorrisi?

Sono stati reclutati 1.452 partecipanti che hanno registrato sorriso, sorpresa e disgusto; caratteristiche facciali estratte con OpenFace e MediaPipe e modelli HistGradientBoost addestrati sul sorriso.

Quali sono i risultati chiave di accuratezza del modello?

In validazione interna l'accuratezza è 88%, sensibilità 77%, specificità 91% e VPN 93%. I test esterni negli USA e Bangladesh hanno mostrato accuratezze tra 80% e 85%.

Quali implicazioni cliniche ha l'uso dell'IA sui video di sorrisi?

Favorisce screening remoto, prioritizzazione dei casi a rischio, supporto al monitoraggio in telemedicina e decongestione delle visite specialistiche, senza sostituire la diagnosi clinica.

Come può essere integrato questo approccio con NeuronUP?

L'integrazione permette personalizzare interventi di stimolazione cognitiva, favorire il rilevamento precoce e combinare valutazione digitale (NeuronUP-score) con programmi di riabilitazione continuativa.

Screening precoce del Parkinson con IA: il sorriso come biomarcatore digitale

Q: Che cos'è la smorfia come biomarcatore digitale per il Parkinson?

La smorfia è un biomarcatore digitale ottenuto dall'analisi dei movimenti facciali, soprattutto del sorriso; l'intelligenza artificiale rileva alterazioni nelle espressioni associate alla malattia di Parkinson.

La dottoranda Marta Arbizu Gómez spiega in questo articolo il recente studio «Rilevamento della malattia di Parkinson con IA mediante video di sorrisi», in cui si presenta la smorfia come biomarcatore digitale per il Parkinson.

Perché abbiamo bisogno di metodi di screening accessibili per il Parkinson?

La malattia di Parkinson (EP) è il disturbo neurodegenerativo con la crescita più rapida a livello mondiale, colpendo ogni anno sempre più persone e generando un impatto profondo sia sui pazienti sia sulle loro famiglie e sui sistemi sanitari.

La diagnosi attuale dipende da sintomi motori come il tremore e la rigidità, che solitamente si manifestano in fasi avanzate, quando è già presente una perdita significativa di neuroni dopaminergici. A ciò si aggiunge la difficoltà di accesso a neurologi specialisti, soprattutto nelle zone rurali o in paesi con risorse limitate.

Avere a disposizione uno strumento semplice, accessibile e applicabile da remoto permetterebbe:

Rilevare segni precoci della malattia e facilitare interventi tempestivi.
Ampliare la portata dello screening nelle popolazioni con difficile accesso agli specialisti.
Ridurre i costi e le barriere logistiche, sfruttando dispositivi di uso quotidiano come smartphone o webcam.

Come è stata condotta la ricerca?

Uno studio recente pubblicato su NEJM AI propone di usare l’intelligenza artificiale (IA) per analizzare video di sorrisi e identificare possibili casi di Parkinson.

Gli investigatori hanno reclutato 1.452 partecipanti da diverse parti del mondo, inclusi gli Stati Uniti e il Bangladesh. Di questi, 391 persone avevano la malattia di Parkinson (300 diagnosticate clinicamente e 91 autodiagnosticate).

Ogni persona ha registrato brevi video eseguendo tre espressioni facciali: sorriso, sorpresa e disgusto. Da questi video sono state estratte caratteristiche facciali chiave usando strumenti avanzati come OpenFace e MediaPipe. Tra le caratteristiche di interesse ci sono l’apertura della bocca, l’attivazione dei muscoli facciali e i movimenti delle sopracciglia.

Con le informazioni ottenute sono stati addestrati modelli di apprendimento automatico (modelli HistGradientBoost) per distinguere tra persone con e senza Parkinson concentrandosi sull’analisi del sorriso.

Iscriviti
alla nostra
Newsletter

Cosa rivelano i risultati chiave?

I risultati sono stati particolarmente promettenti per i seguenti motivi:

Accuratezza generale in validazione interna: 88%.
Sensibilità (capacità di rilevare correttamente i casi con EP): 77%.
Specificità (capacità di escludere correttamente i casi senza EP): 91%.
Valore predittivo negativo (VPN): 93 % (molto utile per escludere la malattia).

In test esterni, condotti negli Stati Uniti e in Bangladesh, l’accuratezza è oscillata tra l’80% e l’85%, rimanendo competitiva con la precisione raggiunta da alcuni specialisti.

Grafico a barre che confronta metriche (Accuratezza, AUROC, Sensibilità, Specificità e VPN) per il Parkinson con IA tra validazione interna, Stati Uniti e Bangladesh. — Grafico 1. Grafico a barre comparativo delle principali metriche diagnostiche, che mostra le prestazioni del modello in validazione interna, Stati Uniti e Bangladesh.

Un dato interessante è che il sorriso si è rivelato l’espressione più discriminativa, rispetto a sorpresa e disgusto. Inoltre, l’analisi non ha mostrato bias significativi per sesso o etnia nella maggior parte dei dataset.

Pertanto, l’uso delle espressioni facciali nello screening del Parkinson può rappresentare uno strumento utile.

Diagramma comparativo che mostra l'AUROC del modello in base a ciascuna espressione facciale: sorriso, disgusto e sorpresa. — Grafico 2. Diagramma comparativo che mostra le prestazioni (AUROC) del modello per ciascuna espressione facciale: sorriso, disgusto e sorpresa.

Quali implicazioni ha per la pratica clinica?

Lo studio dimostra il potenziale dell’IA per trasformare lo screening precoce del Parkinson. Tra le applicazioni principali:

Screening remoto e accessibile: persone in aree rurali o senza accesso a neurologi potrebbero registrare un semplice video da casa e ottenere una valutazione preliminare.
Decongestionare le visite specialistiche: dare priorità alle segnalazioni a neurologia per i casi con maggiore probabilità di malattia.
Monitoraggio complementare: sebbene non sostituisca una diagnosi clinica, potrebbe servire come follow-up aggiuntivo in programmi di telemedicina.

Come si collega questo progresso a NeuronUP?

In NeuronUP sviluppiamo programmi di stimolazione e riabilitazione cognitiva basati su evidenza scientifica. Integrare tecnologie che analizzano biomarcatori digitali come l’espressività facciale apre la strada a:

Personalizzazione degli interventi in base al grado di compromissione motoria e cognitiva.
Rilevamento precoce, che consente di avviare prima i programmi di riabilitazione e massimizzarne l’efficacia.
Integrazione multidisciplinare, combinando valutazione digitale e stimolazione cognitiva per un approccio più completo e continuo.

Conclusione

Il sorriso, un gesto universale e apparentemente semplice, può diventare uno strumento potente per rilevare precocemente la malattia di Parkinson grazie all’intelligenza artificiale. Questo approccio pionieristico non solo avvicina la diagnosi a un maggior numero di persone, ma pone anche le basi per un futuro in cui tecnologia e riabilitazione lavorino insieme per migliorare la qualità della vita di chi convive con questa malattia.