Per decenni la neurologia ha dovuto misurarsi con un limite cruciale: molte patologie neurodegenerative vengono riconosciute quando il danno ai neuroni è già irreversibile. Oggi la intelligenza artificiale (IA) sta provando a ribaltare questo paradigma. L’obiettivo non è più soltanto intercettare la malattia al manifestarsi dei sintomi, ma individuare precocemente biomarcatori invisibili che precedono il declino neurologico. È una delle frontiere più avanzate della medicina predittiva.

Il Parkinson può lasciare tracce durante il sonno. Una delle ricerche più significative arriva dal Massachusetts Institute of Technology (MIT), dove è stato sviluppato un sistema capace di analizzare la respirazione notturna mediante onde radio a bassissima potenza, senza sensori a contatto con il corpo né dispositivi indossabili. Registrando variazioni quasi impercettibili del ritmo respiratorio durante il sonno, l’algoritmo si è dimostrato in grado sia di riconoscere la presenza della malattia di Parkinson sia di monitorarne la progressione nel tempo. Il dato è di particolare rilievo perché le alterazioni del controllo neurologico della respirazione possono comparire anni prima che tremore e altri disturbi motori diventino evidenti.

Anche la voce rappresenta un nuovo territorio di indagine. Minime variazioni di intensità, timbro e fluidità del linguaggio possono essere analizzate con modelli di deep learning in grado di cogliere pattern acustici impercettibili all’ascolto umano. Queste applicazioni sono ancora in fase di validazione clinica, ma i risultati preliminari sono considerati incoraggianti.

L’IA sta trasformando in profondità anche lo studio della malattia di Alzheimer. Diversi gruppi internazionali hanno mostrato che algoritmi di machine learning riescono a individuare, nelle immagini di risonanza magnetica cerebrale, alterazioni strutturali associate a un rischio più elevato di sviluppare la patologia negli anni successivi. I sistemi non cercano una singola lesione: analizzano simultaneamente migliaia di caratteristiche dell’intero encefalo — dal volume della sostanza grigia all’organizzazione delle reti neuronali, fino alle relazioni tra aree cerebrali — troppo complesse per una valutazione esclusivamente visiva. Lo scopo è identificare, tra le persone con lieve decadimento cognitivo, chi ha maggior probabilità di evolvere verso una demenza conclamata, consentendo controlli mirati e un accesso più tempestivo alle nuove terapie.

La novità forse più dirompente arriva però dalla proteomica. Uno studio pubblicato su Nature Medicine e coordinato dall’Università di Lund ha impiegato l’IA per analizzare oltre 7.500 proteine nel sangue di più di 17.000 individui. Anziché puntare su un singolo marcatore, gli algoritmi hanno riconosciuto vere e proprie “firme proteiche” in grado di distinguere diverse patologie neurodegenerative, tra cui malattia di Alzheimer, Parkinson, sclerosi laterale amiotrofica (SLA) e demenza frontotemporale. Per ciascuna condizione, l’IA individua combinazioni specifiche di proteine legate a neurodegenerazione, infiammazione e danno neuronale, contribuendo a migliorare una delle sfide più complesse della disciplina: la diagnosi differenziale.

Un’ulteriore linea di ricerca sfrutta i dispositivi indossabili. Integrando i dati raccolti dagli smartwatch — movimento, velocità del cammino, qualità del sonno, livello di attività fisica — con le immagini cerebrali della UK Biobank, alcuni modelli di IA iniziano a riconoscere alterazioni motorie e cognitive che precedono la diagnosi clinica. L’idea è semplice: il cervello modifica il nostro comportamento molto prima che i sintomi diventino visibili.

Gli specialisti concordano: nessuno di questi strumenti sostituirà il neurologo. L’intelligenza artificiale fungerà da supporto, utile a identificare le persone più a rischio, indirizzarle verso approfondimenti diagnostici appropriati e personalizzare i programmi di monitoraggio. Se le sperimentazioni in corso confermeranno i risultati finora ottenuti, la neurologia potrebbe imboccare la stessa rivoluzione già avviata in oncologia: non attendere che la malattia si manifesti, ma riconoscere i primi segnali biologici quando l’intervento può fare la differenza.