Acronimo: PRISM

Titolo del Progetto: Profiling the RIsk for Schizophrenia with Machine Learning

Programma di Finanziamento: Avviso pubblico n. 247 del 19.08.2022 e ss.mm.ii. - Investimento 1.2 “Finanziamento di progetti presentati da giovani ricercatori”, finanziato dall’Unione Europea - NextGenerationEU nell’ambito del PNRR - Missione 4 “Istruzione e Ricerca” - Componente 2 “Dalla Ricerca all'Impresa”.

Codice Progetto: H97G22000320006

Settore ERC: LIF - Life Sciences (LIF)

CUP: SOE_0000127

Ruolo Uniba: Host Institution

Responsabile scientifico: Dr. Christian Valt

Dipartimento: Dipartimento di Biomedicina Traslazionale e Neuroscienze “DiBraiN”

Finalità: Il progetto PRISM è uno studio di magnetoencefalografia (MEG) multi-centrico sulla connettività funzionale in soggetti a rischio di sviluppare schizofrenia. L'obiettivo di PRISM è sviluppare un modello diagnostico e prognostico per il rischio di psicosi, utilizzando tecniche di machine learning per analizzare l'attività neurofisiologica evocata da stimoli uditivi devianti (Mismatch Negativity - MMN) durante un compito di ascolto passivo.

Abstract: Il progresso scientifico continua ad incrementare la complessità delle domande di ricerca e la molteplicità delle competenze richieste ai team scientifici. Solo unendo le forze tra discipline e paesi i ricercatori possono guidare l’innovazione che conterà domani.

PRISM unisce diversi laboratori di magnetoencefalografia (MEG) in Europa e negli Stati Uniti, con l’obiettivo di condurre uno studio multi-centrico sulla connettività cerebrale anomala nel rischio di schizofrenia. La missione principale del progetto è identificare indici neurofisiologici affidabili che possano essere utilizzati per una diagnosi precoce nella fase prodromica della malattia, prima dell’insorgenza di sintomi psicotici clinicamente rilevanti. A tal fine, vengono impiegate la MEG e il machine learning per ottenere una caratterizzazione individuale delle persone a rischio di schizofrenia e sviluppare uno strumento prognostico in grado di prevedere la transizione verso il disturbo conclamato.

PRISM ha due principali obiettivi scientifici (OS):

OS1: Sviluppare un metodo robusto per valutare la connettività funzionale negli individui al primo episodio psicotico.

OS2: Creare uno strumento diagnostico e prognostico per valutare il rischio di schizofrenia.

Risultati attesi:

OS1: Identificare un deficit di connettività tra le aree cerebrali coinvolte nell'elaborazione di stimoli acustici devianti, presente non solo nei pazienti con diagnosi conclamata di schizofrenia, ma anche negli individui al primo episodio psicotico o a rischio di sviluppare psicosi.

OS2: Sviluppare un modello di machine learning, basato su diverse misure neurofisiologiche evocate da stimoli acustici devianti in pazienti con schizofrenia, in grado di identificare anche soggetti al primo episodio psicotico o a rischio di psicosi.

Attività di ricerca svolte e risultati:

OS1: Sviluppo di una nuova procedura per analizzare le variazioni temporali della causalità di Granger tra le attività neurofisiologiche evocate da stimoli uditivi devianti nelle cortecce uditive destra e sinistra. Questo metodo ha consentito di rilevare una connettività effettiva ridotta nei pazienti al primo episodio di psicosi testati all’Università di Pittsburgh, particolarmente nella banda di frequenza theta, evidenziando un deficit nella comunicazione interemisferica da sinistra a destra. Tali risultati sono stati successivamente replicati in un campione di pazienti con psicosi e persone a rischio testati a UNIBA.

Questo studio è stato pubblicato dalla rivista Psychiatry Research.

OS2: Sviluppo di un modello diagnostico e predittivo per la schizofrenia basato su parametri di MMN. Lo studio di machine learning ha prodotto un modello che integra parametri relativi ai campi evocati da MMN e alla connettività effettiva, raggiungendo un'accuratezza bilanciata del 72% nel campione clinico di addestramento. Prestazioni promettenti sono state osservate anche negli individui a rischio (63,8%) e nei pazienti con primo episodio psicotico (66,8%). Questi risultati indicano che il modello è scientificamente robusto, sebbene la sua accuratezza non sia ancora sufficiente per un’applicazione immediata come strumento diagnostico. Analisi successive hanno rivelato che la bassa specificità del modello è parzialmente dovuta all'errata classificazione come pazienti di soggetti sani con alti punteggi di schizotipia, con una correlazione significativa tra punteggio di predizione e punteggi di schizotipia.

Questo studio è in fase di revisione.

Contributo MUR: € 150.000,00

Data avvio delle attività: 20.12.2022

Data fine delle attività: 19.12.2024