{"id":7371,"date":"2023-04-21T13:02:43","date_gmt":"2023-04-21T11:02:43","guid":{"rendered":"https:\/\/www.convegnonazionaleaiic.it\/metodo-per-rilevare-una-conversione-da-lieve-deterioramento-cognitivo-a-malattia-di-alzheimer\/"},"modified":"2023-04-21T13:02:43","modified_gmt":"2023-04-21T11:02:43","slug":"metodo-per-rilevare-una-conversione-da-lieve-deterioramento-cognitivo-a-malattia-di-alzheimer","status":"publish","type":"post","link":"https:\/\/www.convegnonazionaleaiic.it\/metodo-per-rilevare-una-conversione-da-lieve-deterioramento-cognitivo-a-malattia-di-alzheimer\/","title":{"rendered":"METODO PER RILEVARE UNA CONVERSIONE DA LIEVE DETERIORAMENTO COGNITIVO A MALATTIA DI ALZHEIMER"},"content":{"rendered":"
\n
\n

\"\"\"\" <\/p>\n

AFFILIAZIONE<\/span>
\n<\/strong>dipartimento diceam, universit\u00e0 mediterranea di reggio calabria<\/p>\n

AUTORE PRINCIPALE<\/span>
\n<\/strong>Prof. Morabito Francesco Carlo<\/p>\n

\nVALUTA IL CHALLENGE<\/span><\/strong>[ratingwidget]<\/p>\n<\/div>\n

\n

<\/a><\/p>\n

GRUPPO DI LAVORO<\/span><\/strong>
\nDr. Mammone Nadia<\/strong> – dipartimento diceam, universit\u00e0 mediterranea di reggio calabria, reggio calabria<\/i>
Dr Ieracitano Cosimo<\/strong> – dipartimento diceam, universit\u00e0 mediterranea di reggio calabria, reggio calabria<\/i>
Prof. Morabito Francesco Carlo<\/strong> – dipartimento diceam, universit\u00e0 mediterranea di reggio calabria, reggio calabria<\/i> <\/p>\n

AREA TEMATICA<\/span>
\n<\/strong>Applicazioni di intelligenza artificiale in sanit\u00e0<\/p>\n

ABSTRACT<\/span>
\n<\/strong>La presente invenzione si riferisce ad un metodo per rilevare la conversione da lieve deterioramento cognitivo (MCI = Mild Cognitive Impairment) a malattia di Alzheimer (AD = Alzheimer\u2019s Disease) a partire dall’analisi dei segnali elettroencefalografici (EEG).
\nAl giorno d\u2019oggi, 47 milioni di persone sono affette da demenza in tutto il mondo. Si stima che questo numero crescer\u00e0 fino a 131 milioni entro l\u2019anno 2050, come conseguenza dell\u2019aumento dell\u2019et\u00e0 media della popolazione. L\u2019AD rappresenta circa il 60% dei casi di demenza. Comunemente, si distinguono due diversi tipi di MCI: amnestic MCI (aMCI) e non-amnestic MCI. Il primo si riferisce a pazienti affetti da deficit della memoria e il secondo a pazienti che presentano deficit cognitivi ma non della memoria. I soggetti aMCI hanno maggiori probabilit\u00e0 di sviluppare demenza dovuta ad AD.
\nGli studi longitudinali (follow-up) su pazienti MCI sono di fondamentale importanza per diagnosticare il pi\u00f9 precocemente possibile una eventuale progressione della condizione di MCI in AD e poter cos\u00ec intraprendere tempestivamente un trattamento. A tal fine, \u00e8 necessario disporre di strumenti per la valutazione quantitativa dell\u2019evoluzione dello stato di salute del cervello, al fine di rilevare l\u2019eventuale progressione verso AD. Alla valutazione clinica soggettiva del medico \u00e8 necessario affiancare uno strumento che quantifichi oggettivamente gli effetti della progressione della malattia.
\nLo scopo della presente invenzione \u00e8 quello di fornire uno strumento per la valutazione oggettiva della progressione della condizione di MCI verso AD, quantificando gli effetti che tale progressione ha sull\u2019EEG del paziente. In particolare, l\u2019invenzione \u00e8 basata su una innovativa tecnica di machine learning per la stima della coupling strength fra segnali EEG e la conseguente valutazione della funzionalit\u00e0 della connettivit\u00e0 elettrica cerebrale.
\nL\u2019invenzione \u00e8 attualmente tutelata da brevetto internazionale:
\nTitle: METHOD FOR DETECTING A CONVERSION FROM MILD COGNITIVE IMPAIRMENT TO ALZHEIMER DISEASE (published)
\n– International Publication Number: WO2019\/150274A1 (accepted and published)
\n– Publication Number: US 2021\/0030369 A1 (pending)<\/p>\n

 <\/p>\n