La ricerca di biomarcatori cerebrali specifici rappresenta una frontiera promettente nella comprensione e nel trattamento precoce di disturbi psichiatrici complessi, quali il disturbo borderline di personalità (DBP) e il disturbo bipolare (DB), particolarmente insidiosi quando si manifestano in adolescenza.
Un consorzio internazionale di ricercatori, guidato da Alessandro Grecucci, professore di Neuroscienze presso l’Università Aldo Moro di Bari, sta perseguendo questo ambizioso obiettivo, adottando metodologie all’avanguardia nell’ambito dell’intelligenza artificiale e del machine learning per svelare le intricate correlazioni tra substrato cerebrale e fenotipo clinico.
Il team, come evidenziato dall’Università di Bari, ha recentemente disseminato risultati significativi attraverso pubblicazioni su prestigiose riviste scientifiche specializzate, con un focus particolare su popolazioni cliniche che hanno ricevuto finora minore attenzione nella ricerca neuroscientifica.
Questi studi non si limitano alla mera identificazione di differenze strutturali, ma aspirano a decifrare le dinamiche sottostanti che regolano l’elaborazione emotiva e la stabilità psicologica durante un periodo di sviluppo cerebrale cruciale.
Un primo studio, focalizzato sul DBP, pubblicato su *Journal of Affective Disorders*, ha rivelato correlazioni significative tra specifiche anomalie nella morfologia cerebrale e la frequenza di disregolazione emotiva, livelli elevati di ansia e comportamenti autolesionistici in adolescenti affetti dal disturbo.
L’identificazione precoce di questi marcatori neurobiologici – potenzialmente implementabili attraverso tecniche di neuroimaging non invasive – offre la possibilità di intervenire tempestivamente, modulando il decorso della malattia e mitigando l’impatto sulla qualità della vita dei giovani pazienti.
La rilevanza risiede non solo nella possibilità di una diagnosi più accurata, ma anche nella creazione di modelli predittivi in grado di stratificare i pazienti in base al rischio di progressione.
Il secondo studio, pubblicato su *Psychiatry Research: Neuroimaging*, si concentra sul DB, un disturbo caratterizzato da cicli di umore instabili.
La ricerca ha indagato come il cervello di adolescenti con DB si trasformi in maniera peculiare a seconda dello stato clinico prevalente – fase maniacale, depressiva o remissione – sfruttando un approccio innovativo di “data fusion” che integra dati di neuroimaging strutturale e funzionale.
Questa integrazione, resa possibile dall’applicazione di algoritmi di machine learning avanzati, permette di creare una rappresentazione più completa e dinamica del funzionamento cerebrale, superando i limiti degli studi che si focalizzano su un singolo tipo di dato.
L’analisi di tali dati complessi non solo rivela le specifiche alterazioni associate a ciascuna fase del disturbo, ma anche le traiettorie di cambiamento cerebrale che caratterizzano la sua evoluzione.
In sintesi, l’approccio multidisciplinare adottato da Grecucci e dal suo team apre nuove prospettive per la diagnosi precoce, la personalizzazione dei trattamenti e, in ultima analisi, il miglioramento del benessere psichico di adolescenti vulnerabili a questi disturbi debilitanti.
Le future direzioni di ricerca includono la validazione di questi biomarcatori in coorti più ampie e diversificate, e l’esplorazione del loro potenziale come target terapeutico per interventi farmacologici o non farmacologici mirati.
