Epilessia: dispositivo indossabile al polso rileva in modo preciso vari tipi di crisi. Rivoluzione nel gestire le convulsioni
Un dispositivo indossato al polso che utilizza il machine learning (apprendimento automatico) che rileva con precisione diversi tipi di crisi epilettiche è il frutto di uno studio i cui risultati sono stati presentatI all’incontro annuale dell’American Epilepsy Society (AES). Questo nuovo dispositivo, secondo i ricercatori, ha il potenziale per rivoluzionare la gestione dei pazienti con epilessia.
“Abbiamo stabilito per la prima volta un punto di riferimento per il rilevamento automatico di una varietà di convulsioni epilettiche utilizzando sensori indossabili e algoritmi di deep learning” ha dichiarato il primo autore dello studio, Jianbin Tang, responsabile del progetto di scienza dei dati, IBM Research Australia, Victoria.
Un monitoraggio accurato delle convulsioni è importante per valutare il rischio, la prevenzione delle lesioni e la valutazione della risposta al trattamento. Attualmente, il video EEG è il gold standard per il rilevamento delle convulsioni, ma richiede una degenza ospedaliera, è spesso costoso e può essere causa di disagio psicologico, ha affermato Tang.
L’importanza di un monitoraggio accurato extra-ospedaliero
Recenti progressi nei dispositivi indossabili non EEG si mostrano promettenti nel rilevare convulsioni tonico-cloniche a esordio generalizzato e focali che evolvono in tonico-cloniche bilaterali, ma non è chiaro se abbiano la capacità di rilevare altri tipi di convulsioni. “Speriamo di colmare questa lacuna espandendo il rilevamento delle convulsioni mediante dispositivi indossabili ad altri tipi di crisi epilettiche” ha dichiarato Tang.
Il monitoraggio delle convulsioni al di fuori dell’ambiente ospedaliero in gran parte “si basa su rapporti annotati manualmente da familiari e pazienti, che spesso possono essere inaffidabili a causa di convulsioni non rilevate e problemi nel ricordare le convulsioni» ha detto.
Il funzionamento dell’apparecchio e lo studio di validazione
Lo studio ha incluso 75 bambini (il 44% erano di sesso femminile; l’età media era di 11,1 anni) ammessi a un’unità di monitoraggio EEG a lungo termine in un unico centro per un soggiorno di 24 ore. I pazienti indossavano il rilevatore sulla caviglia o sul polso. Il dispositivo ha raccolto continuamente dati su funzioni come sudorazione, frequenza cardiaca, movimento e temperatura.
Con parte del set di dati, i ricercatori hanno addestrato algoritmi di deep learning per rilevare automaticamente i segmenti di crisi epilettica. Hanno quindi convalidato le prestazioni degli algoritmi di rilevamento sul resto del set di dati.
L’analisi si è basata sui dati di 722 convulsioni epilettiche di tutti i tipi tra cui focali e generalizzate, motorie e non motorie. Le convulsioni si sono verificate durante il giorno e durante la notte mentre i pazienti erano svegli o addormentati.
Quando viene rilevato un attacco, il sistema attiva un avviso in tempo reale e memorizza le informazioni sull’attacco rilevato in un archivio, ha dichiarato Tang. I segnali sono stati inizialmente memorizzati nel braccialetto e quindi caricati in modo sicuro sul Cloud. Da lì, i file di segnalazione sono stati scaricati dai ricercatori per analisi e interpretazione. Tutti i dati sono stati completamente resi anonimi e crittrografati. Per valutare le prestazioni. I ricercatori hanno utilizzato un’area sotto la curva- caratteristica operativa del ricevitore (AUC-ROC).
“I nostri modelli di rilevamento con le migliori prestazioni raggiungono un AUC-ROC del 67,59%, che rappresenta un livello di prestazioni decente”, ha dichiarato Tang. “C’è sicuramente spazio per migliorare le prestazioni e ci stiamo già lavorando”, ha aggiunto.
Il dispositivo ha funzionato “meglio del caso”, che è un “termine tecnico standard” nel campo dell’apprendimento automatico ed è “il primo ostacolo che si deve prendere in considerazione in qualsiasi modello di apprendimento automatico perché questo sia considerato utile”. Gli investigatori hanno osservato che tale rilevamento automatico delle convulsioni “è fattibile in un ampio spettro di tipi di crisi epilettiche” ha dichiarato Tang. “Questo fatto non è stato mai dimostrato prima.”
Lo studio suggerisce che il dispositivo indossabile non invasivo potrebbe essere utilizzato a casa, a scuola e in altre ambienti quotidiani al di fuori della clinica. “Questo potrebbe un giorno fornire ai pazienti, agli operatori sanitari e ai medici rapporti affidabili sulle convulsioni” ha dichiarato Tang.
Tang ha detto di credere che il dispositivo potrebbe essere particolarmente utile per rilevare convulsioni frequenti o sottili, che sono facili da non rilevare. I pazienti che richiedono una valutazione per trattamenti, farmaci di salvataggio e i soggetti a rischio di stato epilettico possono essere buoni candidati.
I ricercatori non si aspettano che la tecnologia indossabile sostituisca totalmente l’EEG, ma la vedono come “un utile strumento complementare per tenere traccia continuamente delle convulsioni in momenti o in contesti in cui il monitoraggio EEG non è disponibile” ha affermato Tang.