Axial symptoms are a group of motor symptoms related to Parkinson's disease (PD) with a high impact on patients' quality of life. These symptoms include posture, gait and balance disorders with a poor response to conventional therapies. Mobile technology systems, such as video analysis through artificial intelligence methods and the use of wearable inertial sensors, could facilitate their detection and management. This thesis explores the use of mobile technology for the assessment of axial symptoms in MP patients through three research studies. The first study is based on the clinical validation of the automated software AutoPosturePD (APP) capable of returning an objective and automated assessment of postural changes for a more reliable and faster diagnosis and monitoring of axial postural changes. From the analysis of 76 photographs of 55 patients, APP demonstrated very high levels of sensitivity and specificity, in agreement with the current gold standard (p<0.001) for the detection and diagnosis of lateral and anterior trunk flexion. The second study evaluates the use of wearable sensors as a possible screening element for cognitive functions, searching for a correlation between the kinematic parameters of gait and balance, both in pharmacological ON and OFF, and cognitive performance on different domains, integrating the correlation with Magnetic Resonance Imaging (MRI) analyses. From the selection of 63 patients, significant correlations emerged through multivariate analysis (p<0.05): better reasoning profiles were associated with a greater improvement in performing the 360° turn between OFF and ON; better long-term memory performance was associated with a greater swing area in ON; better attention performance correlated with a smaller difference between ON and OFF in the Timed-Up-and-Go test; better language profiles correlated with a shorter time taken to perform a 360° turn in ON. Neuroimaging of VBM revealed significant correlations between a reduced area of oscillation in OFF and atrophy of the caudate, between long-term memory impairment and atrophy of the hippocampus and precuneus, with atrophy of the caudate head in the case of reduced area of oscillation in OFF and long-term memory impairment. The third study, still in progress, proposes the use of wearable sensors to detect and predict freezing of the march by detecting subclinical kinematic changes preceding the episode and integrating this data with video analysis of 23 patients and an artificial intelligence system. The mobile technology system has proved to be of great use in the approach to MP. The innovative automatic APP software has proven to facilitate, from simple photographs, the diagnosis and monitoring of postural abnormalities, optimising the work of the neurologist and physiatrists in the diagnostic-rehabilitation pathway with a simple and immediate method. Wearable sensors, on the other hand, have made it possible to identify potential biomarkers of specific cognitive domains not typically associated with MP, such as memory and language, in gait and balance alterations, enriching our physiopathological knowledge. Thanks to non-invasive tools, mobile technology can also be implemented in the home environment for comprehensive and accurate daily monitoring of Parkinsonian patients' symptoms, potentially improving healthcare management and quality of life for patients.
I sintomi assiali sono un gruppo di sintomi motori correlati alla malattia di Parkinson (MP) con un alto impatto sulla qualità di vita dei pazienti. Si tratta infatti di sintomi che comprendono disturbi della postura, del cammino e dell’equilibrio con una scarsa risposta alle terapie convenzionali. Sistemi di tecnologia mobile, quali la videoanalisi attraverso metodiche di intelligenza artificiale e l’utilizzo di sensori inerziali indossabili, potrebbero agevolare la loro rilevazione e gestione. Questa tesi esplora l’utilizzo della tecnologia mobile per la valutazione dei sintomi assiali in pazienti con MP attraverso tre studi di ricerca. Il primo studio si basa sulla validazione clinica del software automatico AutoPosturePD (APP) in grado di restituire una valutazione oggettiva e automatizzata delle alterazioni posturali per una diagnosi e un monitoraggio delle alterazioni posturali assiali più affidabili e veloci. Dall’analisi di 76 fotografie di 55 pazienti, APP ha dimostrato livelli di sensibilità e specificità molto alti, concordi all’attuale gold standard (p<0,001) per il rilevamento e la diagnosi di flessioni laterali e anteriori del tronco. Il secondo studio valuta l’utilizzo di sensori indossabili come possibile elemento di screening per le funzioni cognitive, ricercando una correlazione tra i parametri cinematici del cammino e dell’equilibrio, sia in ON che in OFF farmacologico, e le performance cognitive su differenti domini, integrando la correlazione con analisi di Risonanza Magnetica (VBM). Dalla selezione di 63 pazienti, sono emerse attraverso analisi multivariate correlazioni significative (p<0,05): profili di ragionamento migliori si associano a un maggior miglioramento nell’eseguire il giro di 360° tra la fase OFF e la fase ON; migliori performance di memoria a lungo termine si associano a un’area di oscillazione maggiore in ON; migliori prestazioni dell’attenzione correlano con una minor differenza tra ON e OFF nel Timed-Up-and-Go test; migliori profili di linguaggio correlano con un minor tempo impiegato per eseguire un giro di 360° in ON. Dalle neuroimmagini di VBM sono emerse correlazioni significative tra una ridotta area di oscillazione in OFF e l’atrofia del caudato, tra la compromissione memoria a lungo termine e l’atrofia dell’ippocampo e del precuneo, con l’atrofia della testa del caudato in caso di ridotta area di oscillazione in OFF e compromissione della memoria a lungo termine. Il terzo studio, ancora in corso, propone l’utilizzo di sensori indossabili per individuare e predire il freezing della marcia, rilevando le alterazioni cinematiche subcliniche che precedono l’episodio e integrando tali dati con l’analisi video di 23 pazienti e con un sistema di intelligenza artificiale. Il sistema di tecnologia mobile ha dimostrato un utilizzo di grande rilievo nell’approccio alla MP. L’innovativo software automatico APP ha dimostrato di agevolare, da semplici fotografie, la diagnosi e il monitoraggio delle anomalie posturali, ottimizzando il lavoro del neurologo e dei fisiatri nel percorso diagnostico-riabilitativo con una metodica semplice e immediata. I sensori indossabili invece hanno permesso di individuare nelle alterazioni dell’andatura e dell’equilibrio potenziali biomarcatori di specifici domini cognitivi non tipicamente associati alla MP, come la memoria e il linguaggio, arricchendone la conoscenza fisiopatologica. Grazie a strumenti non invasivi, la tecnologia mobile può essere implementata anche in ambiente domestico per un monitoraggio quotidiano completo e accurato della sintomatologia dei pazienti parkinsoniani, con un potenziale miglioramento di gestione sanitaria e qualità di vita dei pazienti.
Implementazione di un sistema di tecnologia mobile per lo studio dei sintomi assiali nella malattia di Parkinson
FAZZINA, GIULIANA
2022/2023
Abstract
I sintomi assiali sono un gruppo di sintomi motori correlati alla malattia di Parkinson (MP) con un alto impatto sulla qualità di vita dei pazienti. Si tratta infatti di sintomi che comprendono disturbi della postura, del cammino e dell’equilibrio con una scarsa risposta alle terapie convenzionali. Sistemi di tecnologia mobile, quali la videoanalisi attraverso metodiche di intelligenza artificiale e l’utilizzo di sensori inerziali indossabili, potrebbero agevolare la loro rilevazione e gestione. Questa tesi esplora l’utilizzo della tecnologia mobile per la valutazione dei sintomi assiali in pazienti con MP attraverso tre studi di ricerca. Il primo studio si basa sulla validazione clinica del software automatico AutoPosturePD (APP) in grado di restituire una valutazione oggettiva e automatizzata delle alterazioni posturali per una diagnosi e un monitoraggio delle alterazioni posturali assiali più affidabili e veloci. Dall’analisi di 76 fotografie di 55 pazienti, APP ha dimostrato livelli di sensibilità e specificità molto alti, concordi all’attuale gold standard (p<0,001) per il rilevamento e la diagnosi di flessioni laterali e anteriori del tronco. Il secondo studio valuta l’utilizzo di sensori indossabili come possibile elemento di screening per le funzioni cognitive, ricercando una correlazione tra i parametri cinematici del cammino e dell’equilibrio, sia in ON che in OFF farmacologico, e le performance cognitive su differenti domini, integrando la correlazione con analisi di Risonanza Magnetica (VBM). Dalla selezione di 63 pazienti, sono emerse attraverso analisi multivariate correlazioni significative (p<0,05): profili di ragionamento migliori si associano a un maggior miglioramento nell’eseguire il giro di 360° tra la fase OFF e la fase ON; migliori performance di memoria a lungo termine si associano a un’area di oscillazione maggiore in ON; migliori prestazioni dell’attenzione correlano con una minor differenza tra ON e OFF nel Timed-Up-and-Go test; migliori profili di linguaggio correlano con un minor tempo impiegato per eseguire un giro di 360° in ON. Dalle neuroimmagini di VBM sono emerse correlazioni significative tra una ridotta area di oscillazione in OFF e l’atrofia del caudato, tra la compromissione memoria a lungo termine e l’atrofia dell’ippocampo e del precuneo, con l’atrofia della testa del caudato in caso di ridotta area di oscillazione in OFF e compromissione della memoria a lungo termine. Il terzo studio, ancora in corso, propone l’utilizzo di sensori indossabili per individuare e predire il freezing della marcia, rilevando le alterazioni cinematiche subcliniche che precedono l’episodio e integrando tali dati con l’analisi video di 23 pazienti e con un sistema di intelligenza artificiale. Il sistema di tecnologia mobile ha dimostrato un utilizzo di grande rilievo nell’approccio alla MP. L’innovativo software automatico APP ha dimostrato di agevolare, da semplici fotografie, la diagnosi e il monitoraggio delle anomalie posturali, ottimizzando il lavoro del neurologo e dei fisiatri nel percorso diagnostico-riabilitativo con una metodica semplice e immediata. I sensori indossabili invece hanno permesso di individuare nelle alterazioni dell’andatura e dell’equilibrio potenziali biomarcatori di specifici domini cognitivi non tipicamente associati alla MP, come la memoria e il linguaggio, arricchendone la conoscenza fisiopatologica. Grazie a strumenti non invasivi, la tecnologia mobile può essere implementata anche in ambiente domestico per un monitoraggio quotidiano completo e accurato della sintomatologia dei pazienti parkinsoniani, con un potenziale miglioramento di gestione sanitaria e qualità di vita dei pazienti.| File | Dimensione | Formato | |
|---|---|---|---|
|
TESI GIULIANA da caricare online.pdf
non disponibili
Dimensione
8.77 MB
Formato
Adobe PDF
|
8.77 MB | Adobe PDF |
Se sei interessato/a a consultare l'elaborato, vai nella sezione Home in alto a destra, dove troverai le informazioni su come richiederlo. I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/20.500.14240/2584