I criteri interpretabili dalle macchine mappano lo spazio sintomatico dei disturbi mentali

Perché trasformare le parole in regole è importante

La diagnosi delle condizioni di salute mentale si basa su manuali lunghi e frutto di accurati negoziati, come il DSM‑5. Questi testi descrivono quali combinazioni di sintomi costituiscono un disturbo, ma lo fanno in prosa narrativa, non in una forma che i computer possano usare direttamente. Questo articolo mostra come tradurre quelle regole scritte in una mappa esatta e leggibile dalle macchine di tutti i possibili schemi sintomatici. La mappa rivela dove le categorie diagnostiche sono nettamente separate, dove si sovrappongono e come nuove proposte, come il Long COVID, si collocano — o non si collocano — all’interno dei concetti esistenti.

Dal testo su una pagina a una mappa strutturata

Gli autori partono trattando i manuali diagnostici come libri di regole che, in linea di principio, possono essere scritti in un linguaggio logico formale. Ogni disturbo è definito da criteri come “almeno cinque dei nove sintomi, compresi umore depresso o perdita di interesse.” Da frasi di questo tipo estraggono l’elenco dei sintomi, i numeri richiesti e il modo in cui questi elementi sono combinati con la logica “e/o”. Codificano quindi ogni combinazione valida che soddisfi i criteri: l’intera gamma di profili sintomatici che risponderebbero alle regole scritte per una diagnosi. Ogni combinazione diventa un modello binario che indica quali sintomi sono presenti, assenti o irrilevanti per quel disturbo. Messe insieme, queste combinazioni formano uno “spazio sintomatico” ad alta dimensionalità che può essere analizzato matematicamente.

Verificare se le diagnosi possono essere distinte

Con questa mappa a disposizione, gli autori pongono una domanda semplice ma raramente formalizzata: due disturbi possono essere distinti unicamente sulla base dei loro criteri ufficiali? Introducono due test. Primo, non dovrebbe esistere un singolo modello sintomatico che soddisfi simultaneamente entrambe le definizioni; altrimenti le regole stesse renderebbero le diagnosi indistinguibili. Secondo, il modello sintomatico minimo di un disturbo non dovrebbe essere un sottoinsieme stretto di quello di un altro, perché ciò significherebbe che una definizione è semplicemente una versione più lasca dell’altra. Usando esempi semplificati, mostrano come queste situazioni appaiano come regioni sovrapposte o annidate nello spazio sintomatico, e illustrano che alcune sovrapposizioni osservate nei pazienti reali riflettono una vera co‑occorrenza di insiemi di regole diversi, non difetti nelle definizioni.

Cosa rivela la mappa sui disturbi noti

Il quadro viene poi applicato a categorie reali del DSM‑5. Per un gruppo di disturbi dello spettro della schizofrenia, gli autori convertono tutte le regole narrative in combinazioni formali e calcolano una misura di somiglianza basata quanto sono vicini i modelli sintomatici ammessi. Come previsto, schizofrenia e disturbo schizofreniforme appaiono molto simili, perché condividono la maggior parte dei sintomi centrali e si distinguono principalmente per la durata richiesta di quei sintomi. Tuttavia i test formali mostrano che le loro regioni nello spazio sintomatico non condividono modelli minimi identici o annidati. Visualizzare queste combinazioni in due dimensioni conferma che, nonostante la sovrapposizione di contenuti, i criteri delimitano aree distinte. Ciò suggerisce che, almeno per questi esempi, le definizioni attuali sono logicamente coerenti e supportano una diagnosi differenziale significativa.

Dove il Long COVID sfuma in disturbi dell’umore e d’ansia

Lo stesso metodo diventa più provocatorio se applicato al Long COVID, usando una recente descrizione di consenso che elenca sintomi persistenti comuni come affaticamento, problemi cognitivi, disturbi del sonno e cambiamenti dell’umore. Dopo aver armonizzato la terminologia con i nomi dei sintomi in stile DSM, gli autori generano tutti i modelli compatibili con il Long COVID e li confrontano con quelli di diversi disturbi esistenti. Riscontrano praticamente nessuna connessione con condizioni psicotiche o disturbi del linguaggio, ma una forte somiglianza strutturale con depressione maggiore, depressione persistente, disturbo di panico e ansia generalizzata. È fondamentale che una stragrande maggioranza dei modelli validi per questi disturbi dell’umore e d’ansia soddisfi anche l’elenco dei sintomi del Long COVID. Ciò significa che la definizione proposta di Long COVID è in gran parte contenuta nelle categorie già stabilite, anche se nessun singolo modello è esattamente identico.

Come un consenso computabile può guidare le cure future

Trasformando le regole diagnostiche narrative in strutture esplicite e verificabili, questo lavoro offre un modo trasparente per valutare se nuove diagnosi aggiungono veramente qualcosa di concettualmente distinto. Per il Long COVID, l’analisi implica che liste di sintomi da sole, senza vincoli aggiuntivi come tempistiche, marcatori biologici o regole di esclusione, sono troppo ampie per separarlo nettamente da depressione e ansia. Più in generale, il metodo mostra che, man mano che i manuali accumulano categorie e criteri, il ragionamento umano non assistito non può tracciare in modo affidabile tutte le combinazioni consentite. Una mappa dello spazio sintomatico interpretabile dalle macchine e basata su regole può aiutare i panel di esperti a affinare le definizioni, supportare i clinici con strumenti decisionali interpretabili e ridurre il rischio che i sistemi diagnostici si allontanino dal consenso che dovrebbero incarnare.

Citazione: Strasser-Kirchweger, B., Kutil, R.H., Zimmermann, G. et al. Machine-actionable criteria chart the symptom space of mental disorders. npj Digit. Med. 9, 271 (2026). https://doi.org/10.1038/s41746-026-02451-6

Parole chiave: criteri diagnostici, classificazione della salute mentale, medicina computabile, sintomi da Long COVID, supporto decisionale clinico