Analizzando i tracciati degli elettroencefalogrammi, un algoritmo basato sul machine learning è in grado di prevedere con che probabilità un paziente possa svegliarsi dal coma
Quanto è probabile che un paziente in stato di coma profondo si riesca a risvegliare? E, domanda ancor più difficile, è possibile misurare in qualche modo quanto è consapevole di se stesso e dell’ambiente che lo circonda – ovvero in altre parole, la natura della sua coscienza? Quesiti che, oltre alla sfera medico-clinica, afferiscono anche al campo dell’etica, e a cui al momento le neuroscienze non sono ancora in grado di dare una risposta. Un possibile aiuto, però, può venire dalla tecnologia: in uno studio recentemente pubblicato sulla rivista Brain, un’équipe di scienziati della France Cognitive Neuroimaging Unit alla Université Paris Sud (e altri istituti di ricerca) ha infatti sviluppato un algoritmo di apprendimento automatico, che funziona quindi con una rete neurale, che è in grado di calcolare le probabilità che un paziente in coma si risvegli analizzandone i tracciati degli encefalogrammi (Eeg). Riuscendo (dicono gli autori) a distinguere la sindrome di veglia aresponsiva, quella in cui è assente ogni risposta del paziente, dallo stato di minima coscienza.
Coma e coscienza, una questione delicata
Non è la prima volta che la scienza si interroga sul tema. Già in passato, diversi gruppi di ricerca avevano utilizzato altre tecniche di scansione del cervello, tra cui la tomografia a emissione di positroni (Pet) e la risonanza magnetica funzionale (fMri) per studiare il limite della coscienza: uno studio pubblicato nel 2004 sulla rivista Plos One, condotto da un’équipe di ricercatori della University of Cambridge, aveva per esempio analizzato le immagini Pet per individuare specifici network neurali considerati potenziali indicatori di presenza di coscienza in pazienti in stato vegetativo. Scoprendo che, effettivamente, sembrerebbe esistere un network neurale che supporta la coscienza nelle persone sane, e che tali connessioni risultano compromesse nella maggior parte dei pazienti in coma. Nella maggior parte, ma non in tutti: alcuni pazienti infatti, e in particolare quelli che avevano dimostrato di poter rispondere ad alcune domande dei medici, presentavano infatti network neurali estremamente simili a quelli delle persone sane.
Dalla Pet all’Eeg, con l’aiuto dell’intelligenza artificiale
Lo studio attuale, invece, ha fatto uso dei tracciati elettroencefalografici, registrati collocando dei sensori elettrici sul cuoio capelluto del paziente per rivelarne l’attività cerebrale attraverso il cranio. Gli autori hanno monitorato i tracciati di 286 pazienti cui era stata diagnosticata la sindrome di veglia aresponsiva o uno stato di minima coscienza; gli esami sono stati effettuati prima e dopo un’attività di ascolto specificamente progettata per rilevare l’elaborazione cosciente dei suoni. Successivamente, l’algoritmo, chiamato Doc-Forest, ha analizzato i tracciati, dimostrandosi in grado di discriminare correttamente le due diagnosi in tre casi su quattro. Il software è stato poi testato su scenari più realistici, in cui, per esempio, veniva aggiunto ai dati del rumore casuale per simulare l’effetto di possibili differenze nella raccolta dati, o in cui i sensori erano collocati in posizioni diverse: anche in questi casi è riuscito a fornire la diagnosi giusta nella maggior parte dei casi. La speranza è che sistemi di questo tipo, se ulteriormente affinati, possano aiutare i clinici a capire qual è la strada terapeutica più adeguata per i pazienti in coma.
