1. Dipartimento DICEAM
Università Mediterranea di
Reggio Calabria
METODO PER RILEVARE UNA
CONVERSIONE DA LIEVE
DETERIORAMENTO COGNITIVO A
MALATTIA DI ALZHEIMER

2. Il gruppo di lavoro
Francesco Carlo Morabito
morabito@unirc.it
Professore Ordinario
il Dipartimento DICEAM
Università Mediterranea di Reggio Calabria
Nadia Mammone
nadia.mammone@unirc.it
Ricercatore a tempo determinato di tipo B
Dipartimento DICEAM
Università Mediterranea di Reggio Calabria
Cosimo Ieracitano
cosimo.ieracitano@unirc.it
Ricercatore a tempo determinato di tipo A
Dipartimento DICEAM
Università Mediterranea di Reggio Calabria

3. Descrizione
L'AD (e quindi l’MCI quando prodromico all'AD) è considerato un disturbo di disconnessione in quanto
indebolisce la connettività funzionale tra le diverse aree del cervello. Ci si aspetta che i cambiamenti nella
connettività tra le aree corticali inducano cambiamenti nella forza di accoppiamento tra i corrispondenti
segnali EEG. La presente invenzione è basata su un innovativo descrittore della forza di accoppiamento tra
segnali EEG ed è in grado di stimare indirettamente i cambiamenti nella connettività elettrica del cervello
dovuti alla progressione della malattia.
Per studiare la connettività della “rete” cerebrale, si adotta un modello di tipo “grafo” in cui gli elettrodi
EEG sono associati ai nodi del grafo stesso. E’ necessario poi definire una misura di forza di accoppiamento
tra ogni coppia di nodi i e j (che rappresenterà il “peso” che connette il nodo i al nodo j), che rifletterà la
forza di accoppiamento tra le relative aree corticali sottostanti. In tale modo si può associare un modello
“grafo pesato” all'EEG registrato a T0 (tempo della prima valutazione paziente) e un modello al tempo T1
(tempo della seconda valutazione paziente).
I due modelli così creati vengono poi elaborati mediante tecniche di Machine Learning (clustering
gerarchico), per raggruppare i nodi (dunque gli elettrodi) in funzione della forza di accoppiamento relativa
tra i corrispondenti segnali EEG. L'output dell’HC sarà un dendrogramma che rappresenta la forza di
accoppiamento tra i nodi. Il cluster assegnato a un dato nodo dipenderà dalla soglia del livello di fusione
selezionata. Data una soglia del livello di fusione, viene successivamente determinato un insieme di cluster;
è quindi possibile stimare la densità della rete (ovvero il rapporto tra il numero effettivo di connessioni e il
numero totale di connessioni possibili). I cambiamenti di connettività del cervello possono essere
quantificati indirettamente confrontando la densità di connettività tra il modello al tempo T0 e il modello al
tempo T1.

4. Obiettivi e destinatari del lavoro
Lo scopo dell’invenzione è quello di fornire un metodo di valutazione oggettiva della progressione dalla
condizione MCI verso AD, quantificando gli effetti che tale progressione ha sull’EEG del paziente. In
particolare, la presente invenzione permette di rilevare la conversione da deterioramento cognitivo lieve
(MCI) a malattia di Alzheimer (AD) mediante analisi indiretta della funzionalità della connettività elettrica
cerebrale, a partire dai segnali EEG.
Il metodo proposto potrebbe essere integrato con i software più diffusi per la revisione dei tracciati EEG e
permetterebbe l’estrazione di bio-marker EEG-based predittivi di una possibile degenerazione da MCI ad
AD. L’invenzione consentirebbe di valutare oggettivamente l'EEG di un paziente, stimare la probabilità che
la diagnosi sia di AD o di MCI e, in quest'ultimo caso, la probabilità che il soggetto sviluppi la demenza
dovuta o meno ad AD.
Pur non essendo infatti attualmente disponibile un trattamento per l'AD, nell’immediato futuro molte
terapie sperimentali si concentreranno sulla cosiddetta prevenzione secondaria, al fine di ridurre il rischio
di progressione di MCI verso AD. Tale prevenzione sarebbe tanto più efficace quanto tempestiva.
L'impatto dell'invenzione potrebbe essere dunque molteplice:
1) Nuove prospettive per la comprensione dei meccanismi di progressione dell'AD, attraverso la
valutazione dei modelli di connettività cerebrale sviluppati basati su EEG;
2) Disponibilità di un sistema per il follow-up personalizzato e predittivo del paziente, attraverso un
metodo per la stima di bio-marker innovativi estratti da modelli basati sui segnali EEG, integrabile con i
più diffusi software di revisione EEG.

5. Risultati
Venticinque pazienti affetti da MCI sono stati arruolati in un programma di follow-up che
consisteva in due fasi di valutazione successive: al tempo T0 e al tempo T1 (tre mesi dopo). Al
tempo T1, a 4 dei 25 soggetti è stata diagnosticata la conversione da MCI a malattia di Alzheimer
(AD). Applicando il metodo proposto, i 4 pazienti convertiti hanno mostrato valori
significativamente aumentati (p < 0.05) dell'innovativo descrittore proposto per la stima della
coupling strength fra segnali EEG, il che denota una connettività complessiva ridotta, in
particolare nella banda delta (0.5-4Hz) e theta (4-8Hz) e nell'intervallo complessivo (0,5–32 Hz).
Inoltre, contrariamente ai pazienti MCI stabili, i pazienti convertiti hanno mostrato una riduzione
della densità di connettività in ogni sotto-banda delta, theta, alfa (8-13Hz) e beta (13-32Hz).
Il metodo proposto, combinando l'analisi non lineare della coupling strength fra segnali EEG con
un approccio di machine learning, sembra fornire una valutazione oggettiva delle modifiche della
densità di connettività elettrica associate alla conversione MCI-AD.
Paziente convertito MCI (tempo T0) – AD (tempo T1) Paziente stabile MCI (tempo T0) – MCI (tempo T1)

6. Francesco Carlo Morabito
morabito@unirc.it
Professore Ordinario presso
il Dipartimento DICEAM
dell’Università Mediterranea di Reggio Calabria