Elettroencefalogramma del sonno, un biomarcatore predice cognizione, malattie e mortalità

Un biomarcatore derivato dall’elettroencefalogramma del sonno, sviluppato con tecniche di deep learning, è in grado di integrare informazioni su funzione cognitiva, stato di malattia e rischio di mortalità. È quanto emerge da uno studio multicohort pubblicato su NEJM AI, che propone un nuovo indice sintetico di “brain health” basato sull’analisi dei segnali EEG notturni.

Lo studio ha analizzato oltre 36.000 registrazioni di polisonnografia provenienti da circa 27.000 soggetti appartenenti a sei coorti. I dati EEG sono stati elaborati tramite una rete neurale profonda multitask, addestrata end-to-end senza l’utilizzo di feature predefinite, in grado di apprendere una rappresentazione latente multidimensionale della salute cerebrale. Da questa è stato ricavato un punteggio unico di “brain health”.

Le prestazioni del modello risultano superiori rispetto agli approcci tradizionali. Nella valutazione degli esiti cognitivi, le correlazioni con le performance aumentano fino a valori moderati (r fino a 0,40), rispetto ai modelli basati su variabili demografiche. Anche la capacità di classificare lo stato di malattia migliora, con valori di area sotto la curva compresi tra 0,65 e 0,75, superiori rispetto ai modelli basati su parametri EEG convenzionali.

Un elemento rilevante riguarda l’associazione con la mortalità. Nei modelli di Cox aggiustati per età, un incremento di una deviazione standard nel punteggio di salute cerebrale si associa a una riduzione del rischio di morte compresa tra il 31% e il 35% (hazard ratio tra 0,65 e 0,69), con risultati migliori rispetto agli indicatori EEG tradizionali.

Secondo gli autori, il modello integra sia marcatori fisiologici già noti sia nuove caratteristiche del segnale EEG identificate automaticamente, contribuendo a migliorare la capacità predittiva complessiva. La rappresentazione latente permette inoltre una visualizzazione delle relazioni tra variabili cliniche e pattern neurofisiologici.

Il lavoro propone quindi un approccio unificato alla valutazione della salute cerebrale, basato su un esame ampiamente disponibile come la polisonnografia. Le potenziali applicazioni includono la stratificazione del rischio, il monitoraggio clinico e l’integrazione con altri biomarcatori.

Gli autori sottolineano che il modello dovrà essere ulteriormente validato in contesti clinici e integrato con altre modalità diagnostiche, ma indicano nell’EEG del sonno una possibile piattaforma per lo sviluppo di strumenti quantitativi di valutazione della salute cerebrale.

Fonte: NEJM AI Brain Health from Sleep EEG: A Multicohort, Deep Learning Biomarker for Cognition, Disease, and Mortality
https://share.google/zzRfuwe5oMwcOpYUr