Apprendimento automatico per inferire i punteggi dei test neurocognitivi in adolescenti e giovani adulti con cardiopatia congenita

Perché questo conta crescendo con una condizione cardiaca

Un numero sempre maggiore di bambini nati con gravi difetti cardiaci arriva oggi all’età adulta. Tuttavia molte famiglie scoprono che sopravvivere all’intervento cardiaco è solo una parte della vicenda: alcuni adolescenti e giovani adulti hanno difficoltà di attenzione, apprendimento o memoria. Questo studio pone una domanda pratica con grandi implicazioni: possiamo usare insieme immagini cerebrali, informazioni genetiche, storia clinica e contesto familiare per stimare come se la cava un giovane con cardiopatia congenita nelle abilità di ragionamento e problem solving simili a quelle scolastiche, senza dover fare affidamento soltanto su lunghi test?

Guardare il quadro complessivo, non solo il cuore

I ricercatori hanno seguito 89 adolescenti e giovani adulti con cardiopatia congenita, di età compresa tra 8 e 30 anni, provenienti da centri negli Stati Uniti. Ogni partecipante ha svolto test standard su carta che misuravano lettura, vocabolario, problem solving, memoria, velocità di elaborazione e QI complessivo. In un arco di circa sei mesi—spesso in pochi giorni—hanno inoltre eseguito dettagliate risonanze magnetiche del cervello e fornito campioni genetici. Il team ha raccolto informazioni sulle diagnosi cardiache e sugli interventi, sull’altezza e il peso e sul contesto socioeconomico famigliare, incluse l’istruzione dei genitori e il reddito familiare. L’obiettivo era considerare ogni giovane non come “un caso cardiaco” ma come una persona intera il cui cervello, i geni, la storia sanitaria e l’ambiente influenzano insieme il modo in cui pensa e apprende.

Insegnare ai computer a stimare le abilità cognitive

Per interpretare questo complesso insieme di informazioni gli scienziati hanno usato l’apprendimento automatico—metodi computazionali in grado di trovare pattern in grandi insiemi di dati. Hanno inserito migliaia di misure tratte da risonanze strutturali e di diffusione (che catturano dimensione, forma e «cablaggio» cerebrale), insieme a 17 fattori non di imaging come sesso, numero di interventi cardiaci, tipi di varianti genetiche rare e livello di istruzione dei genitori. Per ciascuno dei 15 punteggi dei test in sette ampie aree cognitive, hanno addestrato modelli a inferire il punteggio a partire da queste caratteristiche. Un avanzato metodo di selezione delle caratteristiche ha ripetutamente aggiunto e rimosso variabili candidate, mantenendo solo quelle combinazioni che miglioravano effettivamente le prestazioni quando testate su partecipanti tenuti da parte. Il successo è stato valutato dalla vicinanza tra i punteggi stimati e quelli reali e dall’entità dell’errore tipico in punti di test.

Cosa i modelli riuscivano e non riuscivano a vedere

I modelli computazionali sono riusciti a stimare la maggior parte dei punteggi meglio del caso, con correlazioni tra punteggi reali e stimati che andavano da modeste a abbastanza forti. Il QI totale, la memoria di lavoro (ricordare sequenze di numeri) e la velocità di elaborazione (scansione visiva rapida e abbinamento di simboli) sono state tra le abilità più facili da inferire. Per esempio, le stime del modello per il digit span, un comune test di memoria, seguivano abbastanza da vicino le prestazioni reali. Al contrario, abilità più specifiche come comprendere frasi o risolvere puzzle di progettazione con blocchi erano più difficili da prevedere. Quando i ricercatori hanno combinato i risultati attraverso i test, l’intelligenza generale è risultata l’abilità più «inferibile», mentre il ragionamento percettivo—la capacità di individuare schemi in forme e spazi—è stata la meno inferibile.

Come cervello, geni e ambiente giocano ciascuno un ruolo

Analizzando le caratteristiche su cui i modelli si sono basati, lo studio fotografa in modo sfumato ciò che modella la cognizione in questo gruppo. Le misure cerebrali derivate dalle risonanze comparivano in tutti e sette i domini cognitivi. Sono state particolarmente importanti regioni dei lobi frontali e temporali e le «autostrade» della sostanza bianca che li connettono—aree a lungo associate al linguaggio, alla memoria e al problem solving. Ma anche fattori non cerebrali hanno contato. Il livello di istruzione del padre ha aiutato a inferire il QI complessivo e le abilità visuospaziali, suggerendo l’impatto dell’ambiente domestico e delle opportunità di apprendimento. Caratteristiche della cardiopatia stessa, come il tipo di diagnosi e il numero di interventi, hanno influenzato le abilità verbali. Alcune varianti genetiche rare, in particolare quelle che perturbano geni coinvolti nel neurosviluppo, tendevano ad associarsi a performance più deboli in lettura, matematica o vocabolario. Piuttosto che una causa unica, emerge un quadro di influenze sovrapposte, in cui struttura cerebrale, storia medica, geni e contesto socioeconomico spostano i risultati cognitivi in direzioni diverse.

Cosa potrebbe significare per cura e follow-up

Per famiglie e clinici il messaggio è al tempo stesso rassicurante e proiettato al futuro. In questo gruppo relativamente piccolo ma studiato con cura, molti giovani con cardiopatia congenita avevano abilità cognitive nella gamma della norma. Eppure lo studio mostra che differenze sottili nella cognizione possono essere stimate in modo significativo da informazioni già raccolte nella cura moderna, in particolare dalle risonanze cerebrali dettagliate. Se confermati in gruppi più grandi e più diversi, modelli simili potrebbero un giorno aiutare i medici a individuare quali bambini sono a maggior rischio di difficoltà scolastiche o mnemoniche, anche prima che i problemi emergano pienamente. Ciò potrebbe indirizzare riferimenti più precoci per supporti educativi, training cognitivo o interventi basati sulla famiglia—mettendo la salute cerebrale al centro del follow-up tanto quanto la salute cardiaca.

Citazione: Hussain, M.A., He, S., Adams, H.R. et al. Machine learning to infer neurocognitive testing scores among adolescents and young adults with congenital heart disease. Commun Med 6, 144 (2026). https://doi.org/10.1038/s43856-026-01417-9

Parole chiave: cardiopatia congenita, cognizione adolescenziale, risonanza magnetica cerebrale, apprendimento automatico, neurosviluppo