Il progetto
Si è ufficialmente concluso il progetto UTMOST co-finanziato da Regione Liguria nell’ambito del bando POR FESR 2014-2020, Il progetto è stato condotto da FlairBit (come coordinatore), Esaote, Akronos e ICS Maugeri (come aziende partner) e dai dipartimenti DIBRIS, DINOGMI e DISSAL (come organismi di ricerca). Il suo scopo è stato quello di sviluppare una procedura di rilevamento automatico tramite imaging ecografico e un protocollo sanitario innovativo per la diagnosi e il monitoraggio della sarcopenia.
Motivazioni
La sarcopenia è una malattia che provoca una perdita progressiva e generalizzata di massa e forza muscolare, rendendo il paziente sempre meno autonomo, aumentando quindi la probabilità di cadute e fratture.
Essa colpisce più frequentemente gli anziani a partire dai 50 anni, con casi sempre più gravi con l’avanzare dell’età. È stato prospettato che entro il 2050 questa condizione riguarderà più di 32 milioni di persone in Europa, con una prevalenza stimata fino al 22% della popolazione al di sopra dei 65 anni di età.
Le principali tecniche di diagnosi odierne sono la DEXA (dual-x ray-absorptiometry) e la BIA (Bioelectrical Impedance Analysis). I risultati della DEXA sono influenzati dall’apparecchiatura, dall’operatore e dallo stato di idratazione dei pazienti. Inoltre, un’ulteriore problematica è la non portabilità dello strumento, impedendo l’utilizzo su pazienti costretti a letto.
L’analisi tramite BIA confronta i valori di conduttanza elettrica del soggetto con i valori medi ottenuti da una popolazione di riferimento, fornendo quindi risultati troppo influenzati dal campione.
La RM (risonanza magnetica) e la TAC (tomografia assiale computerizzata) sono tecniche che forniscono immagini dettagliate e precise, ma la RM ha costi e tempi di elaborazione troppo elevati, ed entrambe sono invasive, soprattutto in caso di monitoraggio frequente.
Gli avanzamenti
L’ecografia ha dimostrato buone capacità nel generare immagini dettagliate utili alla valutazione morfologica del muscolo, e, data la non invasività e la facile portabilità, è stata scelta dal progetto UTMOST come tecnica principale per la diagnosi.
È stato raccolto un dataset di ecografie da pazienti per cui, per la loro condizione o in preparazione ad un intervento, era necessaria anche un’immagine TAC. Le ecografie si sono concentrate su 4 distretti muscolari scelti a priori, alle quali è stato legato il corrispondente valore densitometrico indicato dall’unità di Hounsfield (fornito dalla TAC).
Grazie a questo dataset è stato possibile sviluppare un modello di machine learning, in particolare una rete neurale, in grado di prendere in input un’ecografia, e di restituire in output una stima dell’unità di Hounsfield, fortemente correlata con la presenza di sarcopenia. L’unità di Hounsfield campionata presenta una deviazione standard di 14.2 in un intervallo da 1 a 73. Il modello presenta un errore assoluto medio di 9.5, dimostrando una buona adattabilità ai dati.
Allo stesso tempo, su un altro campione di pazienti è stato studiato, definito e validato un protocollo sanitario innovativo per il monitoraggio e la gestione della sarcopenia a valle della sua diagnosi.
Soddisfatti dei risulati ottenuti cogliamo l’occasione per complimentarci con tutti i partner coinvolti per il lavoro svolto.
