I trattamenti attuali si concentrano sul rallentare la progressione dell’osteoporosi una volta che si è verificata una frattura. Tuttavia, la chiave per ridurre l’impatto della malattia sta nella diagnosi precoce. Rilevare la malattia prima delle fratture permetterebbe interventi preventivi, riducendo sia le sofferenze individuali che l’onere sui sistemi sanitari. 

È qui che entrano in gioco strumenti di analisi avanzati come il machine learning, l’intelligenza artificialee il data mining, tecnologie con il potenziale di trasformare il modo in cui diagnostichiamo e gestiamo l’osteoporosi.  

Il gruppo del Prof. Umberto Tarantino del Dipartimento di Scienze Cliniche e Medicina Traslazionale dell’Università di Roma Tor Vergata sta sviluppando un approccio che integra modelli di machine learning con le tecniche diagnostiche esistenti, come l’imaging e l’analisi dei biomarcatori, per identificare potenziali segnali precoci di osteoporosi e predire il rischio di fratture. 

Diagnosi precoce e prevenzione delle fratture 

L’obiettivo principale di questa ricerca innovativa è utilizzare AI e ML per correlare dati molecolari e di imaging, al fine di identificare potenziali biomarcatori di osteoporosi e sarcopenia. I biomarcatori sono indicatori biologici che possono aiutare a rilevare le malattie in modo più precoce e accurato. Attraverso la biologia cellulare, la biologia molecolare e l’istologia, i ricercatori puntano a scoprire nuovi biomarcatori che possano segnalare le prime fasi dell’osteoporosi. 

In particolare, il team sta analizzando cellule per valutare marker legati all’invecchiamento cellulare, alla funzione mitocondriale e allo stress ossidativo, fattori chiave per la salute ossea e muscolare. Inoltre, stanno esaminando biomarcatori sierici e utilizzando tecniche istologiche per studiare l’architettura del tessuto osseo e muscolare, alla ricerca di segni di deterioramento. 

Imaging avanzato e stratificazione del rischio 

Le tecnologie di imaging sono già ampiamente utilizzate per valutare la salute ossea, ma combinando queste immagini con dati molecolari attraverso il machine learning è possibile ottenere una valutazione molto più precisa del rischio di frattura di un individuo. L’AI potrebbe individuare pattern sottili nelle immagini, invisibili all’occhio umano, che potrebbero indicare precocemente l’osteoporosi o la sarcopenia. 

Una volta identificati questi pattern e correlati con i biomarcatori molecolari, diventa possibile stratificare i pazienti in base al rischio di fratture da fragilità, consentendo ai fornitori di assistenza sanitaria di intervenire con trattamenti personalizzati, adattati al profilo di rischio specifico del paziente.