TECNICHE DI MACHINE LEARNING PER IL RICONOSCIMENTO DELLE CORRELAZIONI TRA VARIAZIONE PUPILLARE E SEGNALE EEG

Abstract

Le alterazioni dello stato di coscienza sono condizioni legate alla perdita più o meno transitoria della consapevolezza di sé stessi e dell’ambiente circostante, che vanno dalla confusione fino a stati più gravi di coma. Il coma è una condizione di alterazione dello stato di coscienza che può essere o meno reversibile. Alcuni parametri fisiologici vengono usati nella clinica per valutare la profondità del coma o la sua reversibilità. Tra questi i principali sono l’EEG e la valutazione dei riflessi pupillari (pupillometria), entrambi si basano sull’esperienza clinica dell’operatore, sulla formazione specialistica e richiedono strumenti non accessibili in tutte le strutture ospedaliere. Spesso le indicazioni sullo stato di coscienza richiedono numerose consulenze neurologiche con prolungamento delle degenze nelle terapie intensive. Da feedback clinici è emersa la mancanza di uno strumento per la valutazione dei livelli di coscienza di pazienti in rianimazione e il loro monitoraggio durante lo stato di coma. Ad oggi non esistono strumenti con caratteristiche di affidabilità e riproducibilità, in grado di suggerire al clinico il livello del coma o di minima coscienza del paziente infatti tale operazione è delegata a manovre semeiologiche cliniche che sono di per sé soggette a variabilità individuale ed esperienza diretta del medico. L’idea del progetto nasce dal bisogno di valutare il livello di coscienza di un soggetto, con l’obiettivo di automatizzare il monitoraggio soprattutto per le persone in stato di coma. La ricerca di indicatori riproducibili ed affidabili è indispensabile per questo tipo di pazienti. La mancanza di un indicatore temporale in grado di fornire la fluttuazione dello stato di coscienza del paziente, non permette al clinico di avere un ampio quadro clinico ma di fare solo una valutazione istantanea di massima. L’obiettivo finale della ricerca è quello di realizzare una soluzione che permetta una tracciatura temporale e continua dei dati per permettere ai clinici di monitorare in tempo reale, e non necessariamente in presenza ma anche da postazioni remote, lo stato di coscienza di pazienti e fare diagnosi con il supporto di informazioni oggettive ottenute grazie all’impiego di tecniche di intelligenza artificiale ed avere un piano clinico ampio per tutte quelle persone che sono affette da disturbi di coscienza.