Ogni paziente con afasia è diverso. Età, tipo di ictus, tempo trascorso dall’evento, livello di istruzione, competenze cognitive residue… Tutti questi fattori influenzano profondamente il percorso di recupero. Eppure, spesso le terapie seguono protocolli standardizzati, uguali per tutti.
Ma quello che funziona per un paziente, può non funzionare per un altro. È come proporre lo stesso allenamento fisico a un maratoneta e a un principiante.
Da qui nasce l’esigenza di rendere la riabilitazione più su misura, più intelligente.
Negli ultimi anni, gruppi di ricerca internazionali hanno iniziato a raccogliere enormi quantità di dati da pazienti con afasia: scansioni cerebrali, risultati di test linguistici e cognitivi, dati demografici, risposte alle terapie, frequenza degli esercizi…
Grazie a questi dati, è possibile “allenare” algoritmi di intelligenza artificiale (come i modelli di apprendimento automatico) affinché riconoscano schemi ricorrenti. In altre parole, possono imparare a prevedere chi trarrà beneficio da un certo tipo di trattamento e chi no.
Immaginiamo di avere due pazienti: Anna e Marco. Hanno entrambi afasia da conduzione e una lesione simile. Ma Anna ha 45 anni, un’ottima memoria di lavoro e inizia la terapia due mesi dopo l’ictus. Marco ha 72 anni, difficoltà di attenzione e ha iniziato la riabilitazione a un anno dall’evento.
Un algoritmo, dopo aver analizzato centinaia di casi simili, potrebbe “consigliare” di iniziare con un trattamento più intensivo e supportato da stimoli visivi per Marco, mentre per Anna suggerirebbe un percorso rapido con esercizi più complessi e con un’alta frequenza di somministrazione.
Non si tratta di sostituire il clinico, ma di dargli strumenti predittivi aggiuntivi.
Le prime sperimentazioni stanno già mostrando risultati interessanti. Alcuni studi indicano che modelli predittivi basati su intelligenza artificiale possono anticipare con buona accuratezza quali pazienti risponderanno a una specifica terapia (ad esempio, un training di denominazione o una terapia semantica).
In parallelo, altri ricercatori stanno utilizzando modelli computazionali per pazienti bilingui, simulando al computer quale lingua – tra le due parlate – sia la più efficace da trattare per ottenere miglioramenti in entrambe.
È realistico immaginare che, nei prossimi anni, ogni paziente con afasia potrà ricevere un “profilo riabilitativo predittivo”: una sorta di scheda clinica potenziata, in cui il sistema indicherà, in base a tutte le variabili disponibili, quali approcci hanno più probabilità di successo.
Questo significherebbe:
Meno tempo perso con trattamenti inefficaci
Interventi più rapidi e mirati
Maggiori possibilità di motivare il paziente, vedendo progressi concreti
La personalizzazione del trattamento non è solo un sogno futuristico: è una direzione già tracciata, grazie ai dati e all’intelligenza artificiale. Ma attenzione: questi strumenti non devono sostituire l’intuizione clinica, l’esperienza, l’empatia.
Il terapeuta resta al centro, ma oggi ha a disposizione nuovi strumenti per decidere meglio e prima. La sfida è integrare queste innovazioni con la cura personalizzata che da sempre caratterizza il nostro lavoro.
