SVILUPPO DI UN ALGORITMO PREDITTIVO BASATO SU NEUROIMMAGINI PER LA DIAGNOSI PRECOCE E LA DIFFERENZIAZIONE DEI DISTURBI PSICHIATRICI

Una delle principali sfide della medicina contemporanea, in virtù della complessità diagnostica, dell’eterogeneità clinica e dell’impatto sociale, è lo studio e il riconoscimento dei disturbi psichiatrici. La diagnosi, tuttora basata in larga parte su valutazioni cliniche soggettive, risente spesso di una limitata oggettività e di difficoltà nel distinguere tra condizioni neuropsichiatriche con sintomatologia parzialmente sovrapponibile. È infatti noto come diversi disturbi psichiatrici possano presentare sintomi comuni, come l’umore depresso, pur richiedendo percorsi terapeutici differenti. Una diagnosi accurata e precoce è dunque essenziale per impostare trattamenti mirati e migliorare l’efficacia clinica degli interventi.
Il presente studio si propone di sviluppare algoritmi e tecniche di intelligenza artificiale integrati con l’analisi automatizzata di neuroimmagini (MRI strutturale e fMRI), al fine di sostenere la diagnosi e differenziare precocemente patologie quali schizofrenia, disturbo bipolare, depressione, ADHD e autismo.

La pipeline progettuale prevede l’elaborazione dei dati provenienti da dataset pubblici (es. OpenNeuro) e da dataset con accesso controllato, con l’estrazione di caratteristiche morfologiche e funzionali tramite strumenti open source. Le feature neuroanatomiche ottenute verranno impiegate per l’addestramento di modelli di machine learning e deep learning, tra cui SVM, Random Forest e reti neurali profonde, con l’obiettivo di discriminare tra soggetti affetti da disturbi psichiatrici e soggetti sani, nonché fornire una predizione sull’evoluzione clinica. Parallelamente, sarà sviluppata un’interfaccia software decisionale, finalizzata alla visualizzazione dei risultati e al supporto attivo dei clinici. Il software includerà un indice di rischio e una rappresentazione visiva delle regioni cerebrali implicate nel processo decisionale del modello.
Questo strumento si propone di integrare il flusso diagnostico e fornire un supporto oggettivo, riproducibile, senza sostituire il ruolo del medico.
Il lavoro si colloca all’intersezione di ingegneria biomedica, intelligenza artificiale e neuroscienze e si distingue per il suo potenziale impatto clinico, contribuendo a una diagnosi più oggettiva, predittiva e data-driven, in linea con i principi della medicina personalizzata.