Le malattie cardiovascolari sono la principale causa di morte a livello mondiale con 17.3 milioni di morti l’anno colpendo le persone più vulnerabili che presentano uno o più fattori di rischio (sesso maschile, età superiore ai 50 anni, ipertensione, obesità, tabagismo e diabete). L’attuale pandemia mondiale diffusa dal virus SARS-Cov-2 ha modificato le stime dei soggetti affetti da malattie cardiovascolari in quanto l’infezione, oltre a sviluppare polmonite, causa gravi lesioni miocardiche acute e danni cronici al sistema cardiovascolare con esiti fatali. La miocardite virale risulta essere la principale patologia indotta dall’infezione COVID-19. Un numero crescente di evidenze suggeriscono che il COVID-19 si associa a un rischio maggiore di eventi aritmici, con ripercussioni significative sulla mortalità associata all’infezione. Attualmente, il contesto di emergenza sanitaria richiede la riorganizzazione delle attività e dei processi tramite l’introduzione di tecnologie innovative che permettano di ridurre i tempi di diagnosi aumentando l’efficienza del sistema sanitario sia nell’ambito ospedaliero che nel territorio. Ad oggi, nella fase di screening delle patologie cardiache, la rilevazione di irregolarità del complesso QRS dell’elettrocardiogramma (ECG) indica la presenza di anomalie cardiache, senza fornire informazioni sull’eziologia. Inoltre l’analisi della variabilità cardiaca (HRV), ossia della variazione delle durate dei singoli battiti, ha evidenziato la possibilità di valutare in modo non invasivo le funzioni del sistema nervoso autonomo alterate dal cattivo funzionamento del sistema cardiocircolatorio. Infine, per supportare il processo decisionale clinico, le tecniche di machine learning sono state recentemente applicate per risolvere problemi clinici e ridurre i tempi della fase di pre-screening aiutando i clinici nell’individuazione dei pazienti anche qualora le comuni tecniche di indagine clinica forniscono parametri nella norma. In particolare, nell’ambito cardiologico le tecniche di machine learning sono state utilizzate per l'identificazione sia di patologie cardiopatiche che di aritmie. Tali tecniche sono però state finora unicamente utilizzate per identificare la normalità o meno di singoli battiti e non per la classificazione del soggetto, normale o patologico, che potrebbe peraltro presentare sia battiti normali che non. Pertanto, esiste il bisogno di un sistema di supporto alle decisioni per migliorare la diagnostica differenziale ovvero che permetta di classificare correttamente se un soggetto è normale nonostante possa presentare singoli battiti anomali o sia cardiopatico nonostante la presenza di battiti normali.
Risultati attesi
Il risultato finale di questo progetto di ricerca interdisciplinare, da sviluppare nell’ambito dell’elettronica biomedica e dell’analisi di segnali biomedici applicando tecniche di machine learning, è lo sviluppo di un sistema innovativo basato sull’Internet of Health Things - IoHT, che permetta di individuare con adeguata accuratezza le principali patologie cardiache (cardiomiopatia dilatativa, cardiopatia ischemica, aritmie cardiache), considerando solo parametri rilevati in modo non invasivo. Il sistema sarà così in grado di effettuare una diagnosi precoce che consenta di iniziare tempestivamente il percorso terapeutico, migliorando l’esito clinico finale con un impatto positivo sia a livello della salute del paziente che della spesa sanitaria che potrà essere ridotta. In particolare, i risultati attesi del progetto sono:
- Identificazione dei parametri predittivi (parametri clinici e parametri estratti dall’HRV) dell’insorgenza di malattie cardiovascolari sia nei soggetti post infezione COVID-19 sia nei soggetti vulnerabili;
- Realizzazione di modelli e identificazione di algoritmi di classificazione automatica attraverso tecniche di machine learning, al fine di realizzare il prototipo di uno strumento di supporto alle decisioni in grado di diagnosticare precocemente e con elevata accuratezza patologie cardiovascolari.
Il progetto si integra pienamente nel Piano strategico del DIA grazie alla sua multidisciplinarietà, tipica di un progetto di ingegneria biomedica che prevede l’interazione tra diverse aree scientifiche presenti nel Dipartimento, nonchè lo sviluppo e l’applicazione di tecnologie innovative nel settore dello smart health, settore strategico del DIA, della Regione ed Europeo.
Il progietto finanzziato con i fondi FRA 2021 DIA-UniTS.
Il gruppo di ricerca coinvolto sul progietto:
Prof. Agostino Accardo