Gestione e analisi di metriche neuroergonomiche EEG-based in cathlab

Il miglioramento dell'assistenza e dei risultati dei pazienti si basano attualmente sullo sviluppo e sulla convalida di nuovi farmaci e tecnologie, soprattutto in campi in rapida evoluzione come la Cardiologia Interventistica. Tuttavia, al giorno d’oggi ancora poca attenzione è rivolta ai professionisti che effettuano tali operazioni, il cui sforzo cognitivo-motorio è essenziale per la riuscita degli interventi. L’ottimizzazione delle prestazioni e dell'organizzazione del lavoro è essenziale in quanto influisce sul carico di lavoro mentale dell'operatore e può determinare l'efficacia dell'intervento e l'impatto sulla prognosi dei pazienti. È stato ampiamente dimostrato che diverse funzioni cognitive, tra cui l'affaticamento mentale comporta alcuni cambiamenti nei segnali elettroencefalografici. Vi sono diversi marcatori dei segnali EEG ciascuno con una determinata ampiezza, frequenza e fase che permettono di comprendere le attività cerebrali. Per questo studio è stato utilizzato un modello di analisi spettrale elettroencefalografica chiamato Alpha Prevalence (AP), che utilizza le tre onde alpha, beta e theta, per mettere in correlazione i processi cognitivi da un lato e le oscillazioni EEG dall’altro. Questo elaborato, condotto insieme all’azienda Vibre, prende in esame il cambiamento dell’AP, all’interno di una popolazione di cardiologi interventisti che effettuano interventi in cath-lab presso l’ospedale universitario di Ferrara, per valutare la condizione di affaticamento mentale o di eccessiva sonnolenza. L’esperimento prevede la registrazione del segnale EEG nei partecipanti volontari durante gli interventi e durante le pause nel corso dell’intero turno di lavoro. Lo scopo sarà quello di rilevare i cambiamenti nella metrica dell’alpha prevalence al variare del carico attentivo: ossia al variare delle risorse attentive richieste dal compito in relazione all’aumentare del tempo.

Utilizzo della TMS nella riabilitazione post-ictus

L’ictus è la terza causa di morte al mondo, dopo le malattie cardiovascolari e le neoplasie, causando il 10-12% di tutti i decessi all’anno, ed è la principale causa di invalidità e la seconda di demenza. Solamente il 25% dei pazienti sopravvissuti guarisce completamente, mentre il 75% sopravvive con qualche forma di disabilità, e la metà di questi presenta un’invalidità talmente grave da non essere più autosufficiente. Il peso di questo disturbo dal punto di vista economico è altrettanto importante. In tutto il mondo, l’ictus è responsabile di circa il 2-4% dei costi totali per la sanità, e più del 4% delle spese sanitarie dirette nei paesi industrializzati. È evidente la necessità ottimizzare la diagnosi, il trattamento e la riabilitazione di questo disturbo. Una delle tecniche emergenti per la riabilitazione post ictus è la stimolazione magnetica transcranica (TMS). La TMS è una tecnica non invasiva e indolore di neuro stimolazione e neuro modulazione che permette di stimolare o inibire alcune aree della corteccia cerebrale. Questo metodo prevede l’induzione di un campo elettrico all’interno del cervello per mezzo della variazione di un campo magnetico esterno, che genererà la depolarizzazione o iperpolarizzazione dei neuroni sottostanti, e la conseguente nascita di potenziali di azione. Quando viene applicata alla corteccia motoria primaria, la TMS può attivare il tratto corticospinale e provocare degli spasmi nei muscoli associati, ovvero dei potenziali motori evocati (MEP), che possono fornire informazioni su diversi parametri fisiologici. La TMS può essere utilizzata come strumento di diagnosi, prognosi e terapia, a seconda della tipologia di stimolazione utilizzata, dalla tipologia di bobina e dalla sede della stimolazione. Lo scopo di questo elaborato è di descrivere le recenti applicazioni della TMS nella riabilitazione post ictus, facendo una distinzione tra il suo utilizzo come strumento di prognosi e di terapia.

Il contributo della risonanza magnetica funzionale per la valutazione diagnostica e prognostica della sclerosi multipla

La Sclerosi Multipla (SM) è una malattia neurodegenerativa che colpisce la mielina che riveste i neuroni, indebolendo così la trasmissione del segnale. I sintomi più comuni sono intorpidimento della sensazione tattile e difficoltà motoria, accompagnato da stanchezza e altri sintomi. Per la diagnosi della malattia si utilizza la Risonanza Magnetica (RM) per visualizzare la presenza delle lesioni e la Risonanza Magnetica Funzionale (fRM) per valutare il grado di attivazione delle aree cerebrali. In ambito medico l’utilizzo della RM, in supporto alle altre tecniche di analisi, ha permesso di migliorare e velocizzare la diagnosi e la prognosi della SM. Procedendo all’acquisizione di immagini RM è possibile notare la presenza delle lesioni e controllarne l’evoluzione. Infatti, a seguito della scoperta di lesioni, in base alla gravità e alla tipologia di lesione formatasi, è possibile stabilire il trattamento farmacologico da seguire. In particolare, per il caso dell’atrofia cerebrale la RM ha consentito di visualizzare le aree cerebrali affette e valutare la variabilità dei risultati del confronto tra carico lesionale e atrofia per le prestazioni cognitive. La fRM ha inoltre permesso di poter valutare i cambiamenti dei flussi ematici cerebrali e di visualizzare quindi le zone più o meno colpite dalla patologia. Questa tecnica di imaging funzionale è in grado di valutare le aree cerebrali preservate e promuovere un trattamento mirato per le aree affette. Studiando i flussi ematici si possono ricavare delle mappe spaziali che permettono di visualizzare nell’insieme la malattia. Per lo studio dell’affaticamento è stata utile la fRM poiché ha permesso di rilevare le aree che si sono attivate durante l’esecuzione del task motorio. A seguito di questi esami si è concluso che in presenza di SM si attivano aree cerebrali che in condizioni normali non si attiverebbero, comportando così un affaticamento del soggetto.

Progetto e implementazione di software di segmentazione assistita di immagini mediche e predizione di biomarkers

La segmentazione prevede la partizione di un'immagine in aree strutturalmente o semanticamente coerenti. Nell'imaging medico, è utilizzata per identificare, contornandole, Regioni di Interesse (ROI) clinico, quali lesioni tumorali, oggetto di approfondimento tramite analisi semiautomatiche e automatiche, o bersaglio di trattamenti localizzati. La segmentazione di lesioni tumorali, assistita o automatica, consiste nell’individuazione di pixel o voxel, in immagini o volumi, appartenenti al tumore. La tecnica assistita prevede che il medico disegni la ROI, mentre quella automatica è svolta da software addestrati, tra cui i sistemi Computer Aided Detection (CAD). Mediante tecniche di visione artificiale, dalle ROI si estraggono caratteristiche numeriche, feature, con valore diagnostico, predittivo, o prognostico. L’obiettivo di questa Tesi è progettare e sviluppare un software di segmentazione assistita che permetta al medico di disegnare in modo semplice ed efficace una o più ROI in maniera organizzata e strutturata per futura elaborazione ed analisi, nonché visualizzazione. Partendo da Aliza, applicativo open-source, visualizzatore di esami radiologici in formato DICOM, è stata estesa l’interfaccia grafica per gestire disegno, organizzazione e memorizzazione automatica delle ROI. Inoltre, è stata implementata una procedura automatica di elaborazione ed analisi di ROI disegnate su lesioni tumorali prostatiche, per predire, di ognuna, la probabilità di cancro clinicamente non-significativo e significativo (con prognosi peggiore). Per tale scopo, è stato addestrato un classificatore lineare basato su Support Vector Machine, su una popolazione di 89 pazienti con 117 lesioni (56 clinicamente significative), ottenendo, in test, accuratezza = 77%, sensibilità = 86% e specificità = 69%. Il sistema sviluppato assiste il radiologo, fornendo una seconda opinione, non vincolante, adiuvante nella definizione del quadro clinico e della prognosi, nonché delle scelte terapeutiche.