L’intelligenza artificiale oggi è in grado di fare qualcosa che fino a poco tempo fa sembrava impossibile: prevedere se un bambino sordo riuscirà a parlare dopo un impianto cocleare. Non si tratta di una previsione astratta, ma di una stima scientifica basata sull’analisi del cervello, con un livello di accuratezza superiore al 90%. Questo risultato nasce da uno studio internazionale che apre nuove prospettive per medici, famiglie e terapisti, offrendo uno strumento concreto per intervenire prima e meglio nello sviluppo del linguaggio.
L’impianto cocleare è attualmente l’unico trattamento efficace per permettere ai bambini con sordità grave o profonda di accedere ai suoni e sviluppare il linguaggio parlato. Il dispositivo bypassa le parti danneggiate dell’orecchio interno e invia segnali elettrici direttamente al nervo acustico. Tuttavia, anche quando l’intervento avviene in età molto precoce, i risultati non sono uguali per tutti. Alcuni bambini acquisiscono il linguaggio in modo fluido, altri mostrano progressi più lenti o incontrano difficoltà persistenti. Fino a oggi, non esisteva un metodo affidabile per prevedere in anticipo questi esiti a livello individuale.
Per affrontare questa incertezza, un team internazionale di ricercatori ha sviluppato un algoritmo di intelligenza artificiale basato sul deep transfer learning, una delle forme più avanzate di apprendimento automatico. Il sistema è stato addestrato utilizzando risonanze magnetiche cerebrali effettuate prima dell’impianto cocleare. In totale sono stati analizzati i dati di 278 bambini provenienti da tre diversi centri clinici negli Stati Uniti, in Australia e a Hong Kong, con famiglie di lingua inglese, spagnola e cantonese. Questa eterogeneità ha permesso di testare il modello su una popolazione molto diversa per lingua, protocolli clinici e contesto culturale.
L’IA non si limita a “guardare” il cervello, ma impara a riconoscere schemi neuroanatomici associati allo sviluppo del linguaggio. A differenza dei metodi tradizionali di machine learning, che faticano a gestire dati complessi e richiedono una forte selezione manuale delle informazioni, il deep learning apprende in modo gerarchico, individuando autonomamente le caratteristiche più rilevanti. Nel caso di questo studio, il modello ha utilizzato immagini MRI tridimensionali del cervello e le ha integrate con dati clinici come l’età al momento dell’impianto, l’udito residuo e alcune misure linguistiche preoperatorie.
Il risultato è stato un sistema in grado di distinguere con grande precisione tra bambini destinati a un miglioramento linguistico elevato e bambini con probabilità di miglioramento più limitato. Il modello migliore ha raggiunto un’accuratezza del 92,39%, con livelli molto alti anche di sensibilità e specificità, superando nettamente tutti gli approcci tradizionali di machine learning. Le previsioni si sono dimostrate affidabili fino a uno, due e persino tre anni dopo l’impianto cocleare.
Il valore di questo strumento non è teorico, ma profondamente pratico. Come spiegato da Nancy M. Young, direttrice medica dei programmi di audiologia e impianto cocleare del Lurie Children’s Hospital di Chicago, l’IA consente un approccio definito “predict-to-prescribe”. In altre parole, la previsione diventa la base per decidere la terapia. Se l’algoritmo segnala un rischio più alto di difficoltà linguistiche, il bambino può essere seguito fin da subito con programmi riabilitativi più intensivi e mirati, invece di attendere che i problemi emergano nel tempo.
