Un marcatore affidabile, rilevabile attraverso un semplice prelievo ematico, in grado di identificare la presenza della SLA (Sclerosi Laterale Amiotrofica) prima della sua manifestazione clinica, quando è possibile un intervento precoce e i sintomi sono ancora controllabili. È questo il risultato – rivoluzionario, anche se la sua messa a punto richiederà ancora parecchi mesi di lavoro – conseguito da un team di studiosi coordinato dal Professore Ordinario di Neurologia presso il Dipartimento di Neuroscienze "Rita Levi Montalcini" di Torino Adriano Chiò, con il Professore Associato Andrea Calvo dello stesso Istituto, in collaborazione con il National Institutes of Health (NIH) americano. Un passo avanti importante, considerato soprattutto che tra i primi sintomi sospetti di SLA e una diagnosi certa può attualmente passare anche un anno, durante il quale la malattia progredisce e si perde tempo prezioso che potrebbe essere impiegato in interventi precoci. “Identificare un biomarcatore affidabile per la sclerosi laterale amiotrofica (SLA) è fondamentale per la pratica clinica – spiegano gli autori nell’abstract del lavoro, pubblicato su Nature Medicine - In questo studio trasversale abbiamo utilizzato la piattaforma Olink Explore 3072 per studiare la proteomica plasmatica come strumento biomarcatore per questa malattia neurodegenerativa. Trentatré proteine erano presenti in quantità diverse nel plasma dei pazienti affetti da SLA (n = 183) rispetto ai controlli (n = 309). Abbiamo replicato i nostri risultati in una coorte indipendente (n = 48 pazienti con SLA e n = 75 controlli). Abbiamo quindi applicato l'apprendimento automatico per creare un modello che diagnosticasse la SLA con elevata accuratezza (area sotto la curva, 98,3%). Analizzando campioni di plasma prelevati da individui prima della comparsa dei sintomi della SLA, abbiamo stimato l'età di insorgenza clinica e dimostrato che il processo patologico, che colpisce i muscoli scheletrici, i nervi e il metabolismo energetico, ha inizio anni prima della comparsa dei sintomi. La nostra ricerca suggerisce che le proteine plasmatiche possono essere un biomarcatore per questa malattia mortale e offre approfondimenti molecolari sulla sua fase prodromica”.
Sull’importanza della scoperta non ci sono dubbi. Anche perché “La sclerosi laterale amiotrofica (SLA) è una malattia neurologica progressiva caratterizzata dalla degenerazione dei motoneuroni. Questa degenerazione porta a debolezza muscolare, atrofia e, infine, insufficienza respiratoria, che in genere porta alla morte entro 2-4 anni dalla comparsa dei sintomi – si legge ancora nello studio - Entro il 2040, la popolazione mondiale di persone affette da SLA dovrebbe avvicinarsi alle 400.000 unità. Il numero considerevole di casi e i costi elevati associati alla loro cura rappresentano un onere notevole per le comunità e i sistemi sanitari”.
Inoltre, la ricerca sulla diagnosi precoce non aveva fatto passi avanti per un lungo periodo: “Attualmente, la diagnosi della SLA si basa sui sintomi clinici e sulle valutazioni neurologiche, proprio come i metodi utilizzati 155 anni fa quando Jean-Martin Charcot identificò per la prima volta la malattia. Sebbene gli studi neurofisiologici e i test genetici siano strumenti di supporto per il processo decisionale clinico, non esiste un test diagnostico definitivo. I pazienti spesso subiscono ritardi di 6-18 mesi prima che i loro sintomi diventino abbastanza gravi da consentire una diagnosi – lamentano gli estensori dello studio - Anche quando vi sono prove evidenti di disfunzione dei motoneuroni, può essere difficile differenziare la SLA da altre condizioni neurologiche perché la malattia presenta manifestazioni cliniche eterogenee. Questa incertezza può essere fonte di preoccupazione per i pazienti e le loro famiglie. Inoltre, causa ritardi nell'accesso alle sperimentazioni cliniche e limita il numero di partecipanti idonei a causa delle restrizioni di arruolamento per i pazienti con disabilità più gravi. In futuro, quando saranno disponibili trattamenti efficaci per la SLA, i ritardi diagnostici potrebbero ostacolare l'inizio del trattamento, compromettendo i risultati dei pazienti”.
Tecniche e tecnologie d’avanguardia
Per raggiungere i risultati cercati, gli scienziati hanno fatto ricorso alle più evolute e recenti tecniche e tecnologie disponibili in campo medico: “Abbiamo affrontato questa critica lacuna di conoscenza generando e analizzando i dati relativi a 3.072 proteine plasmatiche all'interno di un'ampia coorte caso-controllo di SLA. Questi pazienti ben caratterizzati disponevano di dati genetici prontamente disponibili, consentendoci di incorporare questi fattori nella nostra ricerca di proteine differenzialmente abbondanti e di utilizzare un approccio multiomico per determinare se i cambiamenti osservati nelle proteine plasmatiche fossero dovuti al processo patologico o fossero fattori primari nella patogenesi della SLA – raccontano - Utilizzando l'apprendimento automatico, abbiamo identificato una firma molecolare distintiva nel plasma che differenzia efficacemente i casi di SLA dagli individui sani e da altri disturbi neurologici. Inoltre, abbiamo esplorato se il nostro modello potesse prevedere quando sarebbero iniziati i sintomi in individui asintomatici che in seguito hanno sviluppato la SLA. In particolare, abbiamo creato una risorsa pubblica per la comunità scientifica per incoraggiare e promuovere la ricerca sui biomarcatori in questa malattia neurodegenerativa fatale”.
In pratica, sono stati raccolti i dati relativi a 2.886 proteine provenienti da 231 individui con diagnosi di SLA, e 384 individui di controllo (n = 214 individui sani e n = 170 con altre patologie neurologiche, isolando attraverso il test Olink Explore 3072 condotto su campioni di plasma 33 proteine che appaiono alterate nei soggetti affetti da SLA ma non in chi ne è esente, identificando così i prodromi della malattia quando ancora si trova a uno stato silente e rendendo possibile un intervento terapeutico precoce prima che i motoneuroni subiscano danni irreversibili . E anche l’Intelligenza Artificiale ha avuto la sua parte, perché in base a un classico modello di machine learning il team italo-americano ha messo a punto un algoritmo in grado di identificare con certezza la presenza di SLA nel 98,3% dei casi.
Il prossimo passo è rendere disponibili i risultati raggiunti nella pratica clinica, accelerando gli studi in modo che la diagnosi di SLA attraverso il prelievo del sangue diventi routinaria e apra nuovi orizzonti ai malati di SLA dal punto di vista diagnostico e terapeutico.
