Tecno

L’intelligenza artificiale può rilevare livelli bassi di glucosio tramite ECG senza test con le dita

Pubblicità

Dr. Leandro Pecchia con la nuova tecnologia.

  • Il monitoraggio dello zucchero nel sangue è fondamentale sia per gli individui sani che per i pazienti diabetici. Gli attuali metodi per misurare il glucosio richiedono aghi e ripetute buchi dalle dita per prelevare il sangue nel corso della giornata. I pungidito possono spesso essere dolorosi, scoraggiando la compliance del paziente.
  • Una nuova tecnica sviluppata dai ricercatori dell’Università di Warwick utilizza le ultime scoperte dell’intelligenza artificiale per rilevare eventi ipoglicemici da segnali ECG grezzi, tramite sensori indossabili
  • La tecnologia funziona con un’affidabilità dell’82% e potrebbe sostituire la necessità di test invasivi con le dita con un ago, potenzialmente utili per i pazienti in età pediatrica

Una nuova tecnologia per rilevare bassi livelli di glucosio tramite ECG utilizzando un sensore indossabile non invasivo, che con l’ultima Intelligenza Artificiale in grado di rilevare eventi ipoglicemici da segnali grezzi di ECG è stata realizzata dai ricercatori dell’Università di Warwick. Dr. Leandro Pecchia con la nuova tecnologia dall’università di Warwick.

Attualmente il sistema di monitoraggio continuo del glucosio (CGM) è disponibile presso il SSN per il rilevamento dell’ipoglicemia (livelli di zucchero nel sangue o nel derma). Misurano il glucosio nel fluido interstiziale utilizzando un sensore invasivo con un ago piccolo, che invia allarmi e dati a un dispositivo di visualizzazione. In molti casi, richiedono la calibrazione due volte al giorno con test invasivi del livello di glucosio nel sangue.

Pubblicità

Tuttavia, il team del dott. Leandro Pecchia dell’Università di Warwick ha pubblicato oggi, 13 gennaio 2020, i risultati in un documento intitolato “Medicina di precisione e intelligenza artificiale: uno studio pilota sull’apprendimento profondo per il rilevamento di eventi ipoglicemici basato sull’ECG” sulla rivista Nature Springer Scientific Reports che dimostrano che utilizzando le ultime scoperte dell’intelligenza artificiale (cioè l’apprendimento profondo), sono in grado di rilevare eventi ipoglicemici da segnali ECG grezzi acquisiti con sensori indossabili non invasivi standard.

Due studi pilota condotti su volontari sani hanno riscontrato una sensibilità e specificità media di circa l’82% per il rilevamento dell’ipoglicemia, che è paragonabile alle attuali prestazioni CGM, sebbene non invasivo.

Il dott. Leandro Pecchia della School of Engineering dell’Università di Warwick commenta:

“Le lancette pungidito non sono mai piacevoli e in alcune circostanze sono particolarmente segnanti. Prendere le lancette  durante la notte è sicuramente spiacevole, soprattutto per i pazienti in età pediatrica.

“La nostra innovazione consiste nell’utilizzare l’intelligenza artificiale per il rilevamento automatico dell’ipoglicemia attraverso pochi battiti dell’ECG. Ciò è rilevante perché l’ECG può essere rilevato in qualsiasi circostanza, incluso il sonno.”

La figura 1 mostra l’output degli algoritmi nel tempo.

La figura mostra l’output degli algoritmi nel tempo: la linea verde rappresenta i normali livelli di glucosio, mentre la linea rossa rappresenta i bassi livelli di glucosio. La linea orizzontale rappresenta il valore del glucosio 4mmol / L, che è considerata la soglia significativa per gli eventi ipoglicemici. L’area grigia che circonda la linea continua riflette la barra degli errori di misurazione.

L’ECG cambia tra due soggetti 1 e 2.

Il modello di Warwick evidenzia come l’ECG cambia in ogni soggetto durante un evento ipoglicemico. La figura seguente è un esempio. Le linee continue rappresentano i battiti cardiaci medi per due diversi soggetti quando il livello di glucosio è normale (linea verde) o basso (linea rossa). Le ombre rosse e verdi rappresentano la deviazione standard dei battiti cardiaci attorno alla media.

Un confronto evidenzia che questi due soggetti hanno diversi cambiamenti della forma d’onda dell’ECG durante gli eventi ipo. In particolare, il soggetto 1 presenta un intervallo QT visibilmente più lungo durante l’ipo, mentre il soggetto 2 no.

Le barre verticali rappresentano l’importanza relativa di ciascuna onda ECG nel determinare se un battito cardiaco è classificato come ipo o normale.

Da queste barre, un medico esperto vede che per il Soggetto 1, lo spostamento dell’onda T influenza la classificazione, riflettendo che quando il soggetto è in ipo, la ripolarizzazione dei ventricoli è più lenta.

Nel Soggetto 2, i componenti più importanti dell’ECG sono l’onda P e l’innalzamento dell’onda T, suggerendo che quando questo soggetto è in ipo, la depolarizzazione degli atri e la soglia per l’attivazione ventricolare sono particolarmente colpite. Ciò potrebbe influenzare i successivi interventi clinici.

Questo risultato è possibile perché il modello AI di Warwick è addestrato con i dati di ogni soggetto. Le differenze intersoggettive sono così significative che l’addestramento del sistema utilizzando i dati di coorte non darebbe gli stessi risultati. Allo stesso modo, la terapia personalizzata basata sul nostro sistema potrebbe essere più efficace degli approcci attuali.

Il dott. Leandro Pecchia commenta:

“Le differenze sopra evidenziate potrebbero spiegare perché gli studi precedenti che utilizzavano l’ECG per rilevare eventi ipoglicemici fallivano. Le prestazioni degli algoritmi di AI addestrati sui dati di coorte dell’ECG sarebbero ostacolate da queste differenze tra soggetti.”

“Il nostro approccio consente la messa a punto personalizzata degli algoritmi di rilevazione e sottolinea come gli eventi ipoglicemici influenzano l’ECG negli individui. Basandosi su queste informazioni, i medici possono adattare la terapia a ciascun individuo. Chiaramente sono necessarie ulteriori ricerche cliniche per confermare questi risultati in popolazioni più ampie. Ecco perché siamo alla ricerca di partner “.

Categorie:Tecno

Con tag:,