Differenze nell’esperienza emotiva in pazienti con Malattia di Alzheimer e demenze correlate. Risultati dello studio pilota sull’analisi delle espressioni facciali in soggetti con Mild Cognitive Impairment.

This thesis presents a pilot study on the analysis of facial expressions in individuals with neurocognitive disorders, with the dual objective of recognizing differences in emotional experience exhibited by individuals diagnosed with dementia compared to healthy controls and investigating its potential to differentiate between different types of dementia for diagnostic purposes. Dementia is one of the leading causes of disability and dependence in the elderly worldwide, resulting in impaired cognitive functions, and its global prevalence is a significant concern for national healthcare systems. Furthermore, numerous studies have shown that individuals with cognitive impairment display abnormal facial expressions when prompted to express emotions. However, the manifestation and severity of these altered emotions can vary among individuals and across different types of neurocognitive disorders. Currently, there are no approved therapies that modify the disease; therefore, early diagnosis is crucial for the well-being of patients and their caregivers. Hence, the artificial intelligence-based system (machine learning, deep learning) proposed here analyzes the evolution of emotional states inferred from facial expressions to differentiate cognitively impaired individuals from healthy ones. The study included 16 patients diagnosed with Mild Cognitive Impairment (MCI) or mild dementia, diagnosed according to the criteria defined by the National Institute on Aging and Alzheimer's Association (NIA-AA) guidelines. With this dataset, the proposed artificial intelligence system has achieved significant accuracy in detecting patients with dementia by analyzing facial expressions. To date, however, no significance has been found between patients with different types of dementia. Nevertheless, the results suggest the feasibility of using facial expressions as potential early markers of cognitive decline and lay the groundwork for further research in this field.

Questa tesi presenta uno studio pilota sull’analisi delle espressioni facciali in soggetti con disturbi neurocognitivi avente il duplice obiettivo di riconoscere le differenze nell'esperienza emotiva esibita dagli individui con diagnosi di demenza rispetto ai controlli sani e di indagare il suo potenziale per differenziare i diversi tipi di demenza a fini diagnostici. La demenza, infatti, è una delle principali cause di disabilità e dipendenza negli anziani in tutto il mondo, con conseguente compromissione delle funzioni cognitive, e la sua prevalenza globale è una preoccupazione rilevante per i sistemi sanitari nazionali. Inoltre, numerosi studi hanno dimostrato che gli individui con deterioramento cognitivo mostrano espressioni facciali anomale quando vengono sollecitati a manifestare emozioni. Tuttavia, la manifestazione e la gravità di queste emozioni alterate possono variare tra gli individui e tra i diversi tipi di disturbi neurocognitivi. Attualmente non esistono terapie approvate che modifichino la malattia, quindi, la diagnosi precoce è fondamentale per il benessere dei pazienti e di chi li assiste. Pertanto, il sistema basato sull'intelligenza artificiale (machine learning, deep learning) qui proposto analizza l'evoluzione degli stati emotivi desunti dalle espressioni facciali per differenziare gli individui cognitivamente compromessi da quelli sani. Lo studio ha incluso 16 pazienti con diagnosi di Mild Cognitive Impairment (MCI) o demenza lieve, diagnosticati mediante i criteri definiti dalle linee guida del National Institute on Aging e Alzheimer's Association (NIA-AA). Con questo set di dati, il sistema di intelligenza artificiale proposto ha raggiunto un'accuratezza significativa nel rilevare i pazienti affetti da demenza analizzando le espressioni facciali. Ad oggi, però, non è stata rilevata alcuna significatività tra pazienti con diversi tipi di demenza, ma i risultati suggeriscono la fattibilità dell'utilizzo delle espressioni facciali come potenziali marcatori precoci del deterioramento cognitivo e pongono le basi per ulteriori ricerche in questo campo.