HOME \ AGGIORNAMENTI \ OTOLOGIA \

Un recente studio cinese propone un modello basato sul Machine Learning per identificare gli individui a rischio di ipoacusia da rumore.

Pubblicato sulla rivista Hearing Research, uno studio cinese condotto alla Shanghai Jiao Tong University propone un inedito modello basato su un sistema computerizzato ad apprendimento automatico (Machine Learning) che apre interessanti prospettive  Tra i principali fattori di inquinamento ambientale, il rumore rappresenta una minaccia per le facoltà uditive. L’esposizione protratta si traduce in un trauma cronico che può portare all’ipoacusia da rumore che, per la sua prevalenza, viene oggi considerata la seconda forma di ipoacusia neurosensoriale dopo quella legata all’invecchiamento. Si stima che dal 7 al 21% delle perdite invalidanti dell’udito sia riconducibile a cause professionali, con un peso socio-sanitario decisamente significativo. Allo stesso tempo, l’ipoacusia da rumore presenta ancora alcuni tratti oscuri: alimentata dall’interazione tra fattori genetici e ambientali, determina un danno uditivo che dipende dall’intensità del rumore e dalla durata dell’esposizione, ma mostra un’ampia variabilità nella suscettibilità individuale. Come dimostrano gli studi condotti sui gemelli per valutare l’ereditarietà della forma (36%), questa diversa risposta al medesimo stimolo dipende probabilmente dall’assetto genetico. Appare quindi cruciale individuare nuovi metodi che consentano di determinare in anticipo i lavoratori più in grado di resistere al rumore da quelli più esposti al danno uditivo. E’ in quest’ottica che uno studio cinese condotto alla Shanghai Jiao Tong University propone un inedito modello basato su un sistema computerizzato ad apprendimento automatico (Machine Learning).

I tratti genetici legati all’aumento del rischio

Già utilizzate in campo medico per allestire modelli di classificazione predittivi, le tecniche di Machine Learning rappresentano una branca dell’intelligenza artificiale e hanno il vantaggio di identificare i rapporti non lineari tra molteplici fattori a fronte di un determinato obiettivo, in questo caso la suscettibilità individuale all’ipoacusia da rumore. Utilizzando anche il sequenziamento dell’intero esoma, lo studio cinese ha preso in esame 5.539 lavoratori di un cantiere navale di Shangai che sono stati analizzati alla luce di quattro modelli di Machine Learning sulla base di cinque caratteristiche (età, sesso, esposizione cumulativa al rumore, fumo, consumo di bevande alcoliche). Tutti i partecipanti sono stati sottoposti a test audiometrici completi. Una volta suddivisi in due gruppi – resistenti al rumore e suscettibili al rumore – i partecipanti sono stati valutati tramite il sequenziamento dell’intero esoma, facendo emergere che l’allele A di CDH23 rs41281334 e l’allele C di WHRN rs12339210 si associano in modo statisticamente significativo a un rischio aumentato di ipoacusia da rumore.

Nuove prospettive sull’ipoacusia da rumore

Sottolineando che si tratta del primo studio che fa emergere specifici fattori di rischio genetici per l’ipoacusia da rumore utilizzando il sequenziamento dell’intero genoma e un’impostazione di questo genere, gli autori spiegano quanto possa essere importante individuare sistemi computerizzati per identificare gli individui più suscettibili al rumore dopo esposizioni protratte, o verificare le possibili varianti genetiche predisponenti al danno prima di affidare a un lavoratore un incarico che lo sottoponga a rumore eccessivo. Su quest’ultimo aspetto, francamente, resta qualche dubbio di carattere legale, in quanto una iniziativa del genere potrebbe essere interpretata come una discriminazione in ambito lavorativo, nonostante sia chiaramente orientata alla tutela della salute. Dubbi sindacali a parte, lo studio cinese offre un modello decisamente innovativo di valutazione che, se confermato sui grandi numeri (soprattutto per quanto riguarda il sequenziamento dell’intero esoma) e con le opportune verifiche di carattere funzionale, potrebbe offrire nuove prospettive sull’ipoacusia da rumore.

Reference

Zhuang Jiang , Botao Fa , Xunmiao Zhang , Jiping Wang , Yanmei Feng , Haibo Shi , Yue Zhang , Daoyuan Sun , Hui Wang , Shankai Yin , Identifying genetic risk variants associated with noise-induced hearing loss based on a novel strategy for evaluating individual susceptibility, Hearing Research (2021), doi: https://doi.org/10.1016/j.heares.2021.108281

13 Settembre 2021
Autore: 1952