di
Enzo Grossi, Rita Savarè
Direzione Medica Bracco SpA- Milano

INTRODUZIONE
L'impatto che le malattie neurodegenerative, come l'Alzheimer (Alzheimer Disease, AD), hanno sulla nostra società è estremamente elevato. Nei paesi industrializzati il problema della prevenzione, attraverso cui giungere almeno ad un ritardo nella manifestazione dell'AD, è sentito come urgente impegno etico, sociale ed economico oltre che scientifico. L'AD è un disturbo neurodegenerativo progressivo caratterizzato da una declino delle funzioni cognitive e di memoria, la cui frequenza aumenta con l'avanzare dell'età fino a raggiungere una percentuale del 50% negli individui di 85 anni e oltre.

Gli interventi farmacologici sono indispensabili in quanto non si riscontrano remissioni durante la progressione della malattia, ma le terapie attualmente disponibili, oltre a richiedere una precoce ed accurata identificazione della patologia (1), non risultano realmente efficaci, sebbene i nuovi inibitori dell'acetilcolinesterasi rappresentino un valido trattamento sintomatico. In tale prospettiva lo sviluppo di nuovi approcci per la diagnosi precoce di questo disturbo rappresenta la strategia-chiave.

Attualmente la diagnosi di AD è posta sulla base della valutazione neuropsicologica attraverso lo scaling multidimensionale. La diagnosi differenziale tra AD ed altri tipi di demenza è basata sull'esclusione (2). Ancora scarsi sono i contributi derivanti dall'uso di test biochimici specifici, fatta eccezione per alcune determinazioni effettuate sul liquido cefalo rachidiano, tuttavia non proponibili a livello di screening di popolazione. Ancora meno rilevanti sono al momento attuale i contributi derivanti dall'uso di fattori di rischio basati sulla storia personale del soggetto, secondo un principio ispiratore mutuato dalle malattie cardiovascolari.

In questo articolo vengono messi a fuoco i progressi potenziali derivabili dall'impiego delle reti neurali artificiali applicate a tre principali contesti di indagine clinica: l'esame neuropsicologico, l'uso di biomarkers specifici, e l'ottimizzazione dei presunti fattori di rischio.

Traveling Salesman Problem (TSP): un nuovo test cognitivo di screening per l'Alzheimer.

Il cosiddetto problema del commesso viaggiatore può essere considerato nel settore della ricerca operativa, il prototipo di un problema di ottimizzazione, noto anche come problema non polinomiale completo.

Il problema può così essere espresso:

1. date N città di cui si conosce la distanza tra ognuna ed ogni altra (la distanza può essere espressa in "tempo", "costo economico", ecc.);

2. trovare il percorso più breve per visitare ognuna delle N città, tornando alla città di partenza.

Nella sua semplicità, questo problema è così complesso che al crescere del N città, diventa impossibile trovare la soluzione ottima in tempi ragionevoli. Ad esempio, un computer in grado di eseguire 5 miliardi di operazioni al secondo, impiegherebbe oltre 255 milioni di secondi, cioè oltre 8 anni lavorando giorno e notte, per individuare il percorso più breve tra N = 20 città in quanto il numero di percorsi possibili è un numero di oltre 16 cifre.

La ricerca operativa studia i sistemi matematici ed algoritmici per risolvere questo tipo di problemi in un tempo ragionevole ed avvicinandosi il più possibile ad una soluzione che sia la più vicina possibile a quella ottima, che pur esiste, ma sembra imprendibile. Il GenD, un algoritmo evolutivo disegnato dai ricercatori del Semeion (3) è uno dei migliori sistemi attualmente disponibile per risolvere in tempi brevi il TSP, indipendentemente dal N città proposte.
Dal punto di vista neuropsicologico, il TSP può essere considerato un esempio di problem solving visivo-spaziale in cui un numero limitato di punti sparsi a caso in uno spazio delimitato devono essere connessi fra di loro in modo tale da ottenere un percorso più breve possibile. Si pensa che il TSP, se presentato visivamente, si basi su un processo naturale e automatico del sistema visivo umano di percepire strutture ottimali (4), richiedente una pianificazione nell'ambito dell'intelligenza fluida.

Vi è una crescente evidenza nella letteratura che l'amnesia episodica anterograda e retrograda e i disturbi della memoria semantica nella AD, si accompagnano ad un'alterazione di uno o più sistemi delle funzioni esecutive (5). Esse rappresentano un insieme di capacità cognitive coscienti, strategiche e finalistiche che controllano e coordinano le funzioni cognitive strumentali permettendo di reagire a nuove situazioni, pianificare e applicare strategie, controllare prestazioni, aggiustare risposte future via feedback e inibire stimoli irrilevanti. La loro precoce compromissione nella AD, spiega la facile distraibilità dell'ammalato con problemi di memoria incidentale (cioè la capacità di ricordare in modo conscio informazioni apprese non su richiesta), la sua difficoltà nell'eseguire correttamente attività prima per lui usuali richiedenti programmazione, attenzione divisa (prestare attenzione a più di uno stimolo per volta), autocontrollo (che necessita un continuo spostare il focus dell'attenzione da un processo all'altro), astrazione (ad es., operazioni aritmetiche) o giudizio critico (ad es., abbigliamento inadeguato al clima o alla situazione sociale).

Da uno studio-pilota condotto su 15 malati AD di entità lieve in confronto a 30 soggetti di controllo di pari età (6), è emerso che il TSP (N = 30 città) sembra possedere tutte le caratteristiche di una innovativa prova di screening secondo i criteri di Jensen (7). La prova TSP è breve, non offensiva, e discrimina, con un elevato grado di accuratezza, malati da soggetti sani; correla solo con un indice di stato cognitivo globale (MMSE) e risulta essere indipendente da variabili demografiche, tradizionalmente dimostrate interferenti sul rendimento alle prove psicometriche, quali età e scolarità.

Uso di biomarkers specifici

Un passo significativo verso l'identificazione precoce della patologia potrebbe essere possibile affiancando la diagnosi clinica all'uso di markers biologici. Uno strumento diagnostico ideale per l'identificazione precoce dell'AD dovrebbe mostrarsi sensibile nella rilevazione dei primi cambiamenti sia biologici che della sfera cognitiva; dovrebbe, inoltre, essere in grado di distinguere tra AD, invecchiamento normale e altre forme di demenza o pseudodemenza. Altre caratteristiche auspicabili per tale strumento sono l'affidabilità, la semplicità e facilità di applicazione (8). Negli ultimi anni è stata avanzata l'idea dell'utilizzo combinato di più test biochimici per migliorare la discriminabilità dell'AD agli stadi iniziali. Alcuni lavori hanno mostrato come nello stesso sistema periferico sia possibile misurare contemporaneamente i livelli di tre elementi molecolari chiave nella cascata-amiloide, che presentano caratteristiche tali da poter essere considerati markers biologici altamente accurati per l'AD (9-11): le forme di Amyloid Precursor Protein (APP), e due enzimi, il beta-secretasi (BACE1, beta-site-APP cleaving enzyme), responsabile della catena amidoilogena, e l'enzima alfa-secretasi (ADAM 10), responsabile del metabolismo non-amidoilogeno (12,13). L'APP e' presente nel cervello ed anche in cellule circolanti quali le piastrine, che contengono gli stessi enzimi per l'APP trovati nei neuroni. Sono state dimostrate modificazioni concomitanti dei suddetti indici biochimici nelle piastrine dei pazienti affetti da AD, rispetto ai soggetti di controllo (11). Nello specifico, nelle piastrine dei pazienti affetti da AD lieve è stato possibile rilevare alterazioni di specifiche forme di APP, congiuntamente ad un decremento del livello di espressione e attività dell'ADAM 10 e ad un aumento dell'attività del BACE, rispetto ai soggetti di controllo (13).
La misurazione simultanea di questi parametri biochimici può essere considerata come un'utile "strategia combinata" per migliorare l'accuratezza del testing biologico. Tale approccio, però, presenta dei vincoli intrinseci, dovuti alle analisi statistiche utilizzate, poichè gli approcci statistici classici risentono della non-linearità sottostante le variabili.

In un lavoro recentemente pubblicato il nostro gruppo ha applicato le RNA ad un compito di discriminazione tra 37 pazienti con AD lieve e 25 soggetti di controllo in riferimento alla sola informazione relativa all'APP, ADAM10 e BACE. Le prestazioni di quindici diversi modelli di RNA di tipo Feed-Forward e ricorrenti-complesse (implementate al Centro di Ricerca Semeion), basate su differenti leggi di apprendimento (Back-Propagation, Sine-net, BiModal), sono state confrontate con l'analisi discriminante lineare (LDA). Il migliore modello di RNA identifica correttamente i pazienti con AD lieve nel 94% e i soggetti di controllo nel 92% dei casi. Con l'applicazione dell'LDA si ottiene una diagnosi corretta rispettivamente del 90% e del 73%. Questo studio preliminare suggerisce che l'elaborazione di test biochimici relativi alla cascata beta-amiloide attraverso le RNA permette di raggiungere livelli di discriminazione dei pazienti con AD agli stadi iniziali molti buoni, più alti rispetto a quelli ottenibili con i metodi statistici classici.

Riconoscimento dei pazienti individuali predisposti alla demenza solo sulla base della storia precedente.

In letteratura sono state effettuate ampie indagini circa i fattori di rischio della malattia di Alzheimer. Sebbene fino ad oggi siano stati individuati numerosi fattori di rischio per tale patologia, non è tutt'ora possibile prevedere una o più cause specifiche per il suo esordio.
L'età, la familiarità per la demenza, l'allele 4 del gene dell'Apoliproteina E (ApoE4) hanno mostrato di essere i fattori di rischio meglio definiti e attendibili (14-19). Alcuni fattori interagiscono con il genotipo ApoE e modificano il rischio relativo; essi sono il sesso femminile, le infezioni da herpes, la bassa concentrazione di lipidi, le lesioni alla testa e l'effetto protettivo della terapia ormonale sostitutiva (20-24). Stern et al. (25) hanno trovato che una elevata scolarità è associata a bassi tassi di AD; in parte, questo potrebbe essere interpretato come un effetto attribuibile all'attuazione di strategie cognitive compensatorie che ritardano la rilevazione del disturbo. Diversi altri possibili fattori di rischio per l'AD (26), come l'esposizione ad agenti anestetici, il diabete, gli effetti protettivi dei farmaci anti-infiammatori non steroidei e dell'alcol, sono stati rivalutati utilizzando una metodologia più accurata.
Negli ultimi anni i criteri diagnostici clinici per l'AD sono notevolmente migliorati. Nonostante ciò la distinzione tra forme diverse di demenza e AD non è ancora ben definita.

A causa della difficoltà nella definizione di criteri di ricerca distinti per tali diversi gruppi di disordini, la quantità di studi effettuati sui fattori di rischio per la demenza vascolare (VD), la seconda più frequente forma di demenza, è inferiore rispetto a quelli effettuati sui fattori di rischio per l'AD. Le stime della prevalenza della demenza vascolare variano ampiamente dal 10-50% di tutti i casi di demenza (27). Per tale disturbo, i principali fattori di rischio identificati sono età, sesso maschile, ipertensione, infarto miocardico, disturbi cardiaci coronarici, diabete, aterosclerosi generalizzata, fumo, alte concentrazioni lipidiche, storia di stroke (28,29).

Sebbene i risultati di alcuni studi suggeriscano l'esistenza di una relazione anche tra demenza vascolare e ApoE4 (30,31), questo risultato non è considerato consistente e potrebbe essere attribuibile a difficoltà nella diagnosi differenziale tra AD e VD.
Anche le patologie vascolari, in particolare l'aterosclerosi, le lesioni della materia bianca, l'ipertensione arteriosa della mezza età, sono state correlate all'AD. E' stata avanzata l'ipotesi che la comparsa di tali patologie possa determinare un aumento del declino cognitivo (32) nell'AD. Inoltre, i risultati secondo cui molti casi di demenza mostrano una patologia vascolare comune, suggeriscono che l'esordio della demenza possa essere modulato da una diagnosi e un trattamento precoci dei disordini vascolari. I risultati degli studi descritti hanno sollevato due importanti questioni. In primo luogo, la demenza non è più considerata come entità nosologica singola: anche entro le sue forme principali, è possibile che esistano sottogruppi clinici dell'AD, distinti da fattori causali e di rischio propri.
Attualmente esistono criteri di consenso che permettono di differenziare tra AD ad esordio precoce, ad esordio tardivo e demenza vascolare (33). Linee guida diagnostiche sono state suggerite anche per la demenza a corpi di Lewy, la demenza fronto-temporale e l'afasia non fluente progressiva (34-36).
In secondo luogo, sebbene i primi studi si focalizzassero sul calcolo dei rapporti di probabilità per fattori di rischio individuali, è stato possibile, tuttavia, sottolineare come la co-occorrenza di fattori di rischio multipli accresca il rischio generale, attraverso l'effetto additivo di ogni fattore, e che alcuni fattori di rischio potrebbero essere attivati solo dalla presenza concomitante di altri. Per esempio, i segni di disturbo vascolare, rilevati in neuroimmagini, e il genotipo ApoE4 possono combinarsi ed accrescere il rischio di AD in soggetti molto anziani (37).
Così, più fattori predisponenti possono agire simultaneamente, nello stesso paziente, interagendo in maniera complessa e non lineare. La complessità delle interazioni possibili tra fattori di rischio, la loro influenza non lineare sulla demenza e la presenza di componenti stocastiche considerevoli, limita lo sviluppo di un modello predittivo per la classificazione del paziente individuale, basato sui metodi statistici classici (come l'analisi discriminante lineare o la regressione logistica) (38). Tali modelli assumono che diversi fattori operino indipendentemente l'uno dall'altro; così, attraverso gli approcci lineari classici, le complesse relazioni tra le variabili sono difficilmente distinguibili.

Un contributo metodologico potrebbe essere derivato, riguardo tale problematica, dall'uso delle Reti Neurali Artificiali (RNA) come modelli di elaborazione dei dati. Infatti, le RNA sono sistemi adattivi in grado di sottoporre ad elaborazione, in modo opportuno, anche dati multifattoriali; la caratteristica che rende tali sistemi di estremo interesse per le applicazioni in ambito medico è la capacità di far emergere, nell'output finale, le relazioni non lineari esistenti tra le variabili.
Rispetto alle analisi effettuate dai modelli lineari (38), le RNA possono effettuare un clustering dei fattori e predire una variabile dipendente (e.g. la demenza) usando funzioni non lineari. Attraverso l'applicazione della metodologia delle RNA ad un database rilevato in Italia su soggetti anziani si è cercato di discriminare pazienti individuali con diagnosi di demenza da soggetti non dementi, solo sulla base dei possibili fattori di rischio.

In un recente studio il nostro gruppo ha valutato la capacità delle reti neurali artificiali nel riconoscimento dei pazienti a rischio di demenza sulla base dei fattori di rischio convenzionali in confronto a quello ottenibile con la regressione logistica.
I dati per questo studio derivano da un vasto studio osservazionale effettuato sulla popolazione di due comuni marchigiani, Fermo ed Appignano. I partecipanti allo studio erano 275 pazienti dementi riferiti alla unità di valutazione geriatrica e 351 soggetti non dementi appaiati per età e sesso.

La base dati consisteva in 105 variabili indipendenti ottenute attraverso il colloquio con il familiare principalmente legato al soggetto e al paziente in studio.
Le variabili erano pertinenti a quattro ambiti principali : 1) demografia, storia personale e familiare, 2) anamnesi patologica e utilizzo di farmaci, 3) storia occupazionale e esposizione a sostanze chimiche, 4) abitudini di vita.

E' molto interessante notare che la semplice analisi dei diversi indici di prevalenza di questi fattori nei due gruppi in studio ( dementi-controlli) permette di evidenziare un numero discreto di variabili la cui prevalenza è statisticamente differente nei due gruppi e precisamente: l'uso di antidepressivi e neurolettici; la storia di ischemia cerebrale e depressione, la storia di malattie della tiroide e di insufficienza renale, ipoacusia severa, cecità, e a livello occupazionale l'esposizione a solventi e collanti.

La combinazione di queste informazioni con metodi statistici tradizionali ha permesso di classificare correttamente i soggetti dementi con una sensibilità del 65% e una specificità del 79%. Si tratta di valori ancora insufficienti (specie per ciò che riguarda la sensibilità) per pensare di proporre uno schema di questo tipo per lo screening della popolazione generale, per la eccessiva presenza di falsi negativi.

Altro discorso invece quello relativo ai risultati ottenuti con le reti neurali.

L'uso delle reti neurali variamente combinate con algoritmi evolutivi in grado di ottimizzare la distribuzione della casistica nei gruppi di training e testing e soprattutto di selezionare le variabili importanti consente di raggiungere livelli predittivi molto più elevati, con una sensibilità e specificità sempre superiori all'80%.
Il campione in studio è stato suddiviso in sottocampioni di training e testing in modo da ottenere dieci data sets sperimentali indipendenti su cui applicare le reti neurali e la regressione logistica secondo un protocollo bene codificato. Sono stati utilizzati diversi modelli di reti neurali e tra queste un gruppo di reti dinamiche auto ricorrenti ha mostrato le performance predittive più elevate arrivando sino al 84.11% di accuratezza globale nella predizione in cieco sui file di testing.

Questo lavoro preliminare mostra come la tecnologia delle RNA possa essere potenzialmente utilizzata per la costruzione di uno strumento per la valutazione del rischio, in grado di aiutare i medici a prendere decisioni circa i soggetti a rischio di demenza.
L'aspetto intrigante è che nel fare questo le reti neurali mettono a buon profitto l'informazione derivata da un numero molto più elevato di variabili (43) rispetto a quelle utilizzate dalla statistica tradizionale (10), anche se il loro indice di correlazione lineare con la variabile dipendente è molto basso. E' così possibile immaginare che con un questionario di 43 domande (tabella 1) potrebbe essere possibile condurre delle indagini epidemiologiche anche attraverso un familiare e senza vedere il paziente con una possibilità di corretto riconoscimento del problema molto buona, se confrontatati con l'attendibilità degli algoritmi correnti utilizzati in altri settori della medicina in cui si valuta il rischio di particolari eventi patologici, come ad esempio per la definizione del rischio cardiovascolare, la cui sensibilità è spesso inferiore al 50%.

Questi risultati indicano che l'analisi con reti neurali può essere usata per stabilire la presenza di demenza in soggetti individuali solo sulla base della loro storia personale con un grado di accuratezza sufficientemente elevato per proporre l'utilizzo di questo approccio per lo screening di massa di popolazioni anziane.

Tabella 1. Questionario sui fattori di rischio per lo screening della demenza

Bibliografia
1. Ritchie K, Lovestone S. The dementias. Lancet 2002;360(9347):1759-66.
2. Nestor PJ, Scheltens P, Hodges JR. Advances in the early detection of Alzheimer's disease. Nat Med 2004;10 Suppl:S34-41.

3. Buscema M. Genetic Doping Algorithm. In M. Buscema & Semeion Research Group. Reti Neurali e sistemi sociali complessi. Milano: Ed. Franco Angeli, 1999:465-86.

4. Vickers D, Butavicius M, Lee M, Medvedev A. Human performance on visually presented Traveling Salesman problems. Psychol Res 2001;65:34-54.

5. Perry RJ, Hodges JR. Attention and executive deficits in Alzheimer's disease. Brain 1999; 122:383-404

6. De Vreese LP, Pradelli S, Massini G, Buscema M, Savarè R, Grossi E. The Traveling Salesman Problema s a new screening test in Alzheimer's disease: an exploratory study. Visual problem-solving in AD. Aging Clin Exp Res 2005;17:458-464.

7. Jensen A.R. Bias in Mental Testing, New York, Free Press, 1980.

8. No authors listed - Consensus report of the Working Group on: "Molecular and Biochemical Markers of Alzheimer's Disease". The Ronald and Nancy Reagan Research Institute of the Alzheimer's Association and the National Institute on Aging Working Group. Neurobiol Aging 1998 Mar-Apr;19(2):109-16.

9. Di Luca M, Pastorino L, Bianchetti A, Perez J, Vignolo LA, Lenzi GL, Trabucchi M, Cattabeni F, Padovani A. Differential level of platelet amyloid beta precursor protein isoforms: an early marker for Alzheimer disease. Arch Neurol 1998 Sep;55(9):1195-200.

10. Baskin F, Rosenberg RN, Iyer L, Hynan L, Cullum CM. Platelet APP isoform ratios correlate with declining cognition in AD. Neurology 2000 May 23;54(10):1907-9.

11. Padovani A, Pastorino L, Borroni B, Colciaghi F, Rozzini L, Monastero R,
Perez J, Pettenati C, Mussi M, Parrinello G, Cottini E, Lenzi GL, Trabucchi M,
Cattabeni F, Di Luca M. Amyloid precursor protein in platelets: a peripheral marker for the diagnosis of sporadic AD. Neurology 2001 Dec 26;57(12):2243-8.

12. Colciaghi F, Borroni B, Pastorino L, Marcello E, Zimmermann M, Cattabeni F, Padovani A, Di Luca M. [alpha]-Secretase ADAM10 as well as [alpha]APPs is reduced in platelets and CSF of Alzheimer disease patients. Mol Med 2002 Feb;8(2):67-74.

13. Colciaghi F, Marcello E, Borroni B, Zimmermann M, Caltagirone C, Cattabeni F, Padovani A, Di Luca M. Platelet APP, ADAM 10 and BACE alterations in the early stages of Alzheimer disease. Neurology. 2004 Feb 10;62(3):498-501.

14. Hofman A, Rocca WA, Brayne C. The prevalence of dementia in Europe: a collaborative study of 1980-1990 findings. Int J Epidemiol 1991; 20:736-48.

15. Jorm AF, Korten AE, Henderson AS. The prevalence of dementia: a quantitative integration of the literature. Acta Psychiatr Scand 1987; 76: 465-79.

16. Ritchie K, Kildea D. Is senile dementia age-related or ageing-related?-evidence from a meta-analysis of dementia prevalence in the oldest old. Lancet 1995; 346: 931-34.

17. Katzman R, Aronson M, Fuld P, et al. Development of dementing illnesses in an 80 year old volunteer cohort. Ann Neurol 1989;25:317-24.

18. Corder E, Saunders AM, Risch NJ. Protective effect of apoliprotein E type 2 allele for late onset Alzheimer disease. Nat Genet 1994;7:180-84.

19. Skoog I, Lernfelt B, Landahl S, et al. 15-year longitudinal study of blood pressure and dementia Lancet 1996; 347: 1141-45.

20. Wade JPH, Mirsen TR, Hachinski VC, Fisman M, Lau C, Merskey H. The clinical diagnosis of Alzheimer's disease. Arch Neurol 1987; 44: 24-29.

21. Mortimer JA, French LR, Schuman LM, Hutton JT. Head injuries in Alzheimer's disease and vascular dementia. Neurology 1985; 35: 1804.

22. Tang MX, Jacobs D, Stern Y, et al. Effect of oestrogen during menopause on risk and age at onset of Alzheimer's disease. Lancet 1996; 348: 429-32.

23. Poirier J. Apolipoprotein E in the brain and its role in Alzheimer's disease. J Psychiatry Neurosi 1996; 21: 128-34.

24. Dupuy AM, Mas E, Ritchie K, et al. The relationship between Apolipoprotein E4 and lipid metabolism is impaired in Alzheimer's disease. Gerontology 2001; 47: 213-18.

25. Stern Y, Alexander GE, Prohovnik I, Mayeux R Inverse relationship between education and parietotemporal perfusion deficit in Alzheimer's disease. Ann Neurol 1992; 32: 371-75.

26. Van Duijn CM, Hofman A, for the EURODEM Risk factors Research Group. Risk factors for Alzheimer's Disease: the EURODEM re-analysis of case-control studies. Neuroepidemiology 1992;1(suppl 1):106-13.

27. Rocca W, Hofman A, Brayne C. The prevalence of vascular dementia in Europe: facts and fragments from 1980-1990 studies. Ann Neurol 1991; 30: 817-24.

28. Skoog I. Status of risk factors for vascular dementia. Neuroepidemiology 1998; 17: 2-9.

29. Erkinjuntti T. Vascular dementia: an overview. In: O'Brien J, Ames D, Burns A, (Eds) Dementia. Oxford 2000; Oxford University Press.

30. Slooter A, Tang M, Van Duijn C, Stern Y, Ott A, Bell K et al.. Apolipoprotein E epsilon4 and the risk of dementia with stroke. A population-based investigation. JAMA 1997; 277: 818-21.

31. Chapman J, Wang N, Treves T, Korczyn A, Bornstein N. ACE, MTHFR, Factor V Leiden and APOE polymorphisms in patients with vascular and Alzheimer's dementia. Stroke 1998; 29: 1401-04.

32. Snowdon DA, Greiner LH, Mortimer JA, Riley KP, Greiner PA, Markesbery WR. Brain infarction and the clinical expression of Alzheimer's disease: the nun study. JAMA 1997; 277: 813-17.

33. American Psychiatric Association. Diagnostic and statistical manual of mental disorders (4th Ed) Washington APA;1994.

34. McKeith IG, Galasko D, Kosaka K. Consensus guidelines for the clinical and pathologic diagnosis of dementia with Lewy bodies. Neurology 1996; 47:1113-24.

35. Serby M, Samuels SC. Diagnostic criteria for dementia with Lewy bodies reconsidered. Am J Geriatr Psychiatry 2001; 9: 212-16.

36. Lund and Manchester Groups. Clinical and neuropathological criteria for fronto-temporal dementia. J Neurol Neurosurg Psychiatry 1994; 57: 416-18.

37. Skoog I, Hesse C, Aevarsson O, et al.. A population study of ApoE genotype at the age of 85: relation to dementia, cerebrovascular disease and mortality. J Neurol Neurosurg Psychiatry 1998; 64: 37-43.

38. Mecocci P, Grossi E, Buscema M, Intraligi M, Savarè R, Rinaldi P, Cherubini A, Senin U. Use of artificial networks in clinical trials: a pilot study to predict responsiveness to donepezil in Alzheimer's disease. J Am Geriatr Soc 2002; 50:1857-60.