L’intelligenza artificiale rappresenta oggi una delle frontiere più avanzate e promettenti nel panorama della medicina digitale, trovando applicazione crescente anche nell’ambito della diagnostica forense. Il presente progetto si propone di valorizzare le potenzialità delle tecnologie computazionali applicate alla medicina legale, attraverso lo sviluppo e la validazione sperimentale di modelli predittivi finalizzati all’identificazione del danno cerebrale nell’ambito della valutazione post-mortem, colmando i limiti delle metodiche tradizionali. In particolare, il progetto mira a superare i limiti attuali della diagnostica neuropatologica post-mortem, che spesso non consente, con i soli riscontri macroscopici o istologici, di individuare elementi patognomonici di eventi cerebrovascolari acuti, come l’ictus ischemico. A tale scopo, si prevede la realizzazione di algoritmi di machine learning in grado di integrare dati clinici emersi dalla storia del soggetto sulla base della documentazione sanitaria, con parametri obiettivi rilevati durante l’autopsia e con il dosaggio di biomarcatori di danno cerebrale su liquidi biologici prelevati post mortem, previa approvazione del Comitato Etico competente. I dati clinici di interesse comprenderanno, ad esempio, l’eventuale presenza di pregresse ischemie cerebrali, attacchi ischemici transitori (TIA), episodi sincopali o perdite di coscienza riferite. In sede autoptica, particolare attenzione sarà rivolta alla valutazione di dati morfologici (es. peso encefalico, presenza di placche ateromasiche a livello del poligono di Willis e delle arterie carotidi, dilatazione atriale, risultanze istologiche neuropatologiche etc.). Saranno inoltre condotte analisi su liquidi biologici (es.liquido cefalorachidiano, sangue e umor vitreo), per la rilevazione di marcatori molecolari quali GFAP e altri potenzialmente indicativi di sofferenza neuronale o gliale, previo confronto con la letteratura scientifica di merito. A tal fine, saranno selezionati due gruppi distinti: un gruppo di casi, composto da soggetti con dati clinici o rilievi post-mortem suggestivi di possibile patologia cerebrovascolare, e un gruppo di controllo composto da soggetti privi di evidenze clinico-anamnestiche e autoptiche di patologia neurologica. Gli obiettivi principali dello studio saranno la definizione di un modello predittivo affidabile per il danno cerebrale e la valutazione della significatività dei singoli parametri integrati. Il dosaggio dei biomarcatori sarà effettuato mediante metodiche ad immunochemiluminescenza, secondo protocolli standardizzati e validati. L’approccio integrato, fondato sull’analisi multidimensionale e sulla stratificazione dei dati, sarà reso possibile grazie all’impiego di strumenti di intelligenza artificiale avanzata, che consentiranno di progettare modelli predittivi ad elevata accuratezza, in grado di fornire un supporto diagnostico probabilistico nei casi di sospetto danno cerebrale, anche in casi non macroscopicamente evidenti.

Il progetto prevede una fase iniziale di raccolta dati retrospettiva, seguita da una validazione prospettica su nuova casistica, con creazione di una banca dati clinico-patologica strutturata e standardizzata. L’ambizione è quella di fornire alla comunità scientifica e medico-legale uno strumento replicabile, validabile e potenzialmente automatizzabile, utile tanto per la determinazione della causa di morte quanto per eventuali applicazioni in ambito giudiziario. Inoltre, si valuterà la potenziale applicazione del modello predittivo anche in contesto clinico su vivente. Tale approccio risponde alla necessità di disporre di strategie diagnostiche innovative in grado di accrescere, con l’applicazione delle tecnologie digitali, la qualità e la precisione delle indagini diagnostiche in ambito neuropatologico, con potenziali ricadute anche in ambito clinico, preventivo e sanitario pubblico.