Home Tecnologie Intelligenza artificiale Dall’intelligenza artificiale una mano alla diagnostica

Dall’intelligenza artificiale una mano alla diagnostica

Hand (acronimo di Handwriting Analysys against Neuromuscolar Disease, ossia analisi della scrittura manuale per combattere le malattie neuromuscolari) è un protocollo diagnostico in corso di sperimentazione scaturito dalle ricerche congiunte di Università di Salerno, Università Aldo Moro di Bari e Università di Cassino e del Lazio Meridionale (in particolare i rispettivi dipartimenti di Ingegneria e Informatica) con il supporto del Miur.

Il progetto si inserisce nell’alveo del programma di finanziamenti Prin (Progetti di rilevante interesse nazionale) che contano sul sostegno economico ministeriale, si colloca nel contesto del settore PE-Scienze Fisiche e Ingegneria ed è stato giudicato eccellente dalla Commissione d’esame del Prin2015 per tutte le voci di valutazione: innovatività, metodologia, risonanza internazionale, qualità scientifica della compagine, eseguibilità e impatto scientifico e industriale-economico. Infine, è stato selezionato tra 1.483 proposte a livello nazionale nel citato settore PE e ha così goduto di un finanziamento complessivo di 494 mila euro.

Il funzionamento e gli obiettivi

L’intento dei ricercatori – coordinati a Salerno dal prof. Angelo Marcelli, docente di Intelligenza Artificiale e Computazione Naturale presso il dipartimento di Ingegneria dell’Informazione ed Elettrica e Matematica Applicata, a Bari dal prof. Giuseppe Pirlo, docente del dipartimento di Informatica, e a Cassino dal prof. Claudio De Stefano, docente del dipartimento di Ingegneria Elettrica e dell’Informazione Maurizio Scarano – è fare tesoro dell’analisi della grafia perché proprio le alterazioni della scrittura manuale sono le spie più precoci dei disturbi causati dalle malattie neurodegenerative.

La stessa denominazione scelta, Hand, allude alla relazione tra esordio delle malattie neurodegenerative e disfunzioni nel controllo fine dei movimenti della mano e quindi affidare l’elaborazione dei dati raccolti in sede di test a sistemi di intelligenza artificiale e machine learning. Infatti, la soluzione si distingue per la capacità di «acquisire i dati relativi alle dinamiche della scrittura dei pazienti attraverso una tavoletta grafica, individuare le caratteristiche che più influiscono sulle alterazioni della scrittura e stilare una diagnosi con un grado di affidabilità di oltre il 90%».

La tavoletta grafica usata è collegata via bluetooth a un pc dotato di software dedicati che memorizzano e processano le informazioni ottenute, permettendo la redazione della diagnosi. «Il protocollo Hand ricrea le condizioni che consentono ai pazienti di scrivere su comuni fogli A4 appoggiati sulla superficie della tavoletta e produrre i gesti della scrittura nel modo più naturale possibile. Per farlo, si usa un modello di penna a sfera – simile per forma, peso e dimensioni a una biro comune – che registra le coordinate spazio-temporali dei tratti: posizione, movimento, accelerazione, velocità, pressione, traiettoria, interruzione del tratto».

Il test comprende 25 compiti di copia, di memoria e grafici che vengono elaborati dal software e «può essere somministrato anche in ambulatorio da un medico o da un altro professionista sanitario dopo un breve training formativo». Il risultato va sottoposto all’interpretazione dei medici (geriatri, neurologi, neuropsicologi, psichiatri) e consente «di raggiungere una diagnosi molto più precisa di quanto possibile fino a oggi, tanto della patologia neurodegenerativa in essere quanto dello stadio in cui si trova». La prospettiva è realizzare diagnosi predittive con anni di anticipo rispetto all’insorgenza dei primi sintomi.

Il protocollo diagnostico Hand prevede comuni fogli A4, appoggiati sulla tavoletta grafica, sui quali i pazienti scrivono con una penna a sfera che registra posizione, movimento, accelerazione, velocità, pressione, traiettoria, interruzione del tratto

Machine learning, database e sperimentazioni

Il team di sviluppo della piattaforma ha sottolineato la fondamentale importanza non solo delle tecniche di machine learning quanto pure, in vista di «una sempre maggiore accuratezza nell’interpretazione dei dati», di una banca dati profilata con precisione. E soprattutto «grande a sufficienza per garantire un impiego efficace degli algoritmi di classificazione» tipici di Hand. «Per questo i ricercatori hanno creato ex novo un database, composto da centinaia di campioni, tra pazienti e controlli, che è stato realizzato in collaborazione con medici, ospedali, Rsa e atenei di tutta Italia. Si tratta del Centro diagnosi e cura delle demenze del Policlinico Università di Napoli Federico II, coordinato dal dott. Vincenzo Canonico; del dipartimento di Scienze mediche e chirurgiche avanzate dell’Università della Campania Luigi Vanvitelli, sotto la responsabilità del prof. Gioacchino Tedeschi; dell’AO San Raffaele di Cassino e della RSA Villaggio Amico di Gerenzano, Varese, con la collaborazione della dott.ssa Rosaria Rigo. Questo ampio database, che continuerà a essere aggiornato nel tempo, insieme alla massiccia mole di caratteristiche della scrittura dinamiche e statiche, estratte e rielaborate da altri test diagnostici e dalla letteratura medico-scientifica, ha permesso ai ricercatori di Hand di sviluppare nuove tecniche di IA e di facilitare la fase di addestramento degli algoritmi di apprendimento del protocollo in modo tale da migliorare ulteriormente l’affidabilità della prova».

Su proposta dell’Università di Cassino, il prof. Canonico ha iniziato a condurre sperimentazioni mirate su gruppi di pazienti la cui demenza è ancora in fase iniziale. «Hanno problemi di memoria e, per esempio, tendono a dimenticare dove hanno parcheggiato l’auto e temono di averla perduta. Si tratta di soggetti per i quali è complicato esprimere una diagnosi perché TAC e RM o test neurologici non darebbero esiti del tutto affidabili. Le alterazioni della grafia, invece, sono già visibili e dicono molto».

Risalta qui l’utilità pratica della tavoletta di Hand. «La diagnosi precoce è il tratto di maggiore utilità clinica del progetto. Il test è facile da gestire e in circa un quarto d’ora rivela i difetti di grafia, in base a pattern e frasi semplici. È uno strumento alla portata dei medici di base e questo è un grande vantaggio: si può ipotizzare di estendere l’accessibilità della prova a un numero sempre più ampio di soggetti proprio grazie al contributo della medicina generale, senza ricorrere a metodi più costosi e centri specializzati».

La diagnosi può essere più precoce di circa un anno e mezzo e da un anno Canonico sta lavorando su 100 pazienti circa. Gli esiti dei test condotti sono elaborati dagli atenei partecipanti. In seguito, se vi sono forti sospetti di malattia neurodegenerativa in corso, si può impostare un percorso terapeutico farmacologico corredato da esercizi di memoria e riabilitazione cognitiva. «Ulteriori possibili sviluppi sono in discussione, ma va sottolineata la versatilità del sistema, la sua adattabilità a un’ampia varietà di centri non specialistici, posta la necessità di una formazione tecnica di base. Per i pazienti è un compito semplice, intuitivo, bene accetto e restituisce indicazioni molto importanti».

LASCIA UN COMMENTO

Inserisci il tuo commento
Inserisci il tuo nome

01health Steering Committee: sanità e ICT si incontrano e si confrontano

01health, piattaforma di comunicazione integrata del Gruppo Tecniche Nuove, è veicolo formativo e informativo della sanità digitale italiana e catalizzatore di un processo di diffusione di competenze e best practice del comparto

Se questo articolo ti è piaciuto e vuoi rimanere sempre informato sulle novità tecnologiche

css.php