Structural changes in autism reflect atypical brain network organization and phenotypical heterogeneity: a deep network approach
Questo studio impiega Reti Neurali Convoluzionali 3D per analizzare dati di risonanza magnetica strutturale, rivelando che cambiamenti macrostrutturali atipici nei lobi frontali e temporali sinistri e in specifiche reti funzionali sottendono l'eterogeneità fenotipica del Disturbo dello Spettro Autistico, offrendo così spunti per la sottotipizzazione diagnostica.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA di un preprint non sottoposto a revisione paritaria. Non è un consiglio medico. Non prendere decisioni sulla salute basandoti su questo contenuto. Leggi il disclaimer completo
Il disturbo dello spettro autistico è una complessa condizione dello sviluppo che influenza il modo in cui le persone interagiscono, comunicano e vivono il mondo. Sebbene le sfide principali siano ben note, il disturbo si manifesta in modo diverso in ogni individuo, creando un vasto spettro di esperienze piuttosto che una singola condizione uniforme. Gli scienziati cercano da tempo di comprendere le radici biologiche di questa diversità, cercando differenze fisiche nel cervello che possano spiegare perché una persona fatichi con i segnali sociali mentre un'altra affronti ostacoli differenti. Per decenni, i ricercatori si sono affidati alla neuroimaging funzionale, che cattura il cervello in azione, per mappare queste differenze. Tuttavia, rimane una domanda più fondamentale: può la struttura statica del cervello, la sua architettura fisica catturata in un singolo scatto, rivelare anche gli intricati schemi di questo disturbo?
Un nuovo studio condotto da ricercatori della Boston University suggerisce che la risposta sia sì. Applicando l'intelligenza artificiale avanzata a scansioni cerebrali strutturali standard, il team ha scoperto una mappa nascosta di come l'autismo si manifesti fisicamente attraverso il cervello. Non hanno cercato un singolo "punto dell'autismo", ma hanno invece utilizzato un sistema di deep learning per analizzare l'intero volume cerebrale di oltre cento individui. L'obiettivo era vedere se la forma e la struttura fisica del cervello potessero predire la gravità dei sintomi di una persona e rivelare quali reti specifiche siano coinvolte. I risultati indicano un modello sorprendente: il disturbo lascia un segno asimmetrico distinto sul cervello, con il lato sinistro che mostra i cambiamenti strutturali più significativi, i quali si allineano con la gravità della condizione.
I ricercatori hanno lavorato su una vasta collezione di scansioni cerebrali provenienti da un database pubblico, concentrandosi su individui con autismo che erano stati classificati come aventi un'alta o bassa gravità dei sintomi in base a una scala clinica standard. Hanno addestrato un sofisticato modello informatico, un tipo di intelligenza artificiale noto come rete neurale convoluzionale tridimensionale, per distinguere tra questi due gruppi. Questo modello è stato progettato per osservare l'intero cervello contemporaneamente, imparando a individuare sottili differenze nella materia grigia che un occhio umano potrebbe perdere. Per garantire che il modello stesse imparando riguardo all'autismo e non solo rumore casuale o differenze nel modo in cui le scansioni sono state effettuate in diversi ospedali, il team ha utilizzato rigorosi metodi di test. Hanno verificato che il successo del modello non fosse dovuto alla qualità delle immagini o all'età dei partecipanti, ma piuttosto a genuine caratteristiche strutturali associate al disturbo.
Una volta che il modello ha imparato a distinguere i gruppi, i ricercatori hanno utilizzato una tecnica chiamata mappatura della salienza per vedere esattamente quali parti del cervello il computer stesse osservando. Pensate a questo come al chiedere al computer di evidenziare i pixel specifici nell'immagine che sono stati più importanti per la sua decisione. I risultati hanno rivelato un modello chiaro e coerente: l'emisfero sinistro del cervello era molto più coinvolto rispetto al destro. I cambiamenti strutturali più significativi erano concentrati nei lobi frontali e temporali sul lato sinistro, aree note per essere critiche per il linguaggio, l'interazione sociale e la regolazione emotiva. Sebbene il lato destro del cervello mostrasse alcune variazioni, queste erano di scala molto minore e meno coerenti tra il gruppo.
Lo studio è andato oltre esaminando come queste diverse regioni cerebrali lavorassero insieme. I ricercatori hanno analizzato se i cambiamenti strutturali in un'area tendessero ad accadere insieme a cambiamenti in un'altra, creando una rete di alterazioni connesse. Hanno scoperto che le regioni cerebrali più colpite formavano un sistema coeso che si allinea con le note reti funzionali del cervello. Specificamente, i cambiamenti erano più prominenti nella rete del default mode network, che è attiva quando sogniamo a occhi aperti o pensiamo a noi stessi, e nelle reti dell'attenzione che ci aiutano a concentrarci sul mondo circostante. Lo studio ha inoltre collegato questi schemi strutturali a sintomi specifici. Ad esempio, le variazioni nei lobi temporali e parietali sinistimi erano associate a differenze nei punteggi di comunicazione e consapevolezza sociale, suggerendo che la forma fisica di queste aree si relazione direttamente con la gravità delle sfide sociali di una persona.
Uno dei risultati più convincenti è stato la relazione tra la gravità del disturbo e la coerenza di questi cambiamenti cerebrali. Negli individui con autismo ad alta gravità, le differenze strutturali attraverso l'emisfero sinistro non erano casuali; seguivano un modello proporzionale in cui il grado di cambiamento in un'area era legato al grado di cambiamento in altre aree. Ciò suggerisce che l'architettura cerebrale nei casi gravi è alterata in modo coordinato e sistematico. Al contrario, questa relazione proporzionale era molto più debole o assente negli individui con minore gravità e nell'emisfero destro di tutti. Ciò indica che il lato sinistro del cervello sopporta il carico strutturale primario del disturbo, e l'entità di questo carico scala con l'intensità dei sintomi.
I ricercatori hanno anche esaminato come questi risultati strutturali si confrontino con ciò che si sa della funzione cerebrale. Le reti identificate — come il default mode network e la salience network, che aiuta a decidere a cosa prestare attenzione — sono le stesse reti che hanno mostrato di funzionare diversamente nelle persone con autismo quando sono attive. Questa è una scoperta cruciale perché implica che la struttura fisica del cervello, visibile in una scansione standard, contiene il progetto di queste differenze funzionali. Suggerisce che il modo in cui il cervello è costruito possa dettare il modo in cui opera, e che questi marcatori strutturali siano abbastanza affidabili da essere utilizzati per comprendere lo spettro del disturbo.
Concentrandosi sull'emisfero sinistro e sulle sue reti specifiche, questo studio offre un quadro più chiaro della realtà biologica dietro la diversità dell'autismo. Si va oltre l'idea di una singola causa o di un singolo tipo di cervello, mostrando invece uno spettro di variazioni strutturali che correlano con i sintomi del mondo reale. Il lavoro dimostra che l'intelligenza artificiale può agire come una potente lente, rivelando schemi in dati complessi che erano precedentemente difficili da vedere. Sebbene lo studio non offra un nuovo test diagnostico o una cura, fornisce una mappa dettagliata del paesaggio strutturale del cervello nell'autismo, collegando la forma fisica alla conseguenza funzionale. Questa mappa aiuta a spiegare perché il disturbo appaia così diverso da persona a persona e fornisce una base per la ricerca futura su come queste differenze strutturali modellino le esperienze uniche degli individui sullo spettro.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.