TRACING @ HOME

Applicazioni di AI per la raccolta, analisi, previsione, alerting, di dati continui sui parametri cognitivi, fisiologici e fisici nell’healthy aging per la prevenzione del rischio determinato da Malattie Croniche Non Trasmissibili.

Un modello di sanità territoriale diffusa nell’acquisizione continua dei dati e centralizzato nell’Artificial Intelligence, capace di prevedere il presentarsi e l’evolvere di criticità della salute.

Una rete locale intelligente, a casa, che consenta l’auto-misurazione continua delle variabili tipiche dell’età avanzata:

  • Cognitive
  • Fisiche
  • Fisiologiche

Una rete sanitaria sistemica a contenuto scientifico crescente:

  • Abitazione
  • Farmacia
  • Ambulatorio
  • Ospedale

Una rete dati interconnessa:

  • I dati appartengono alle persone e confluiscono nel Fascicolo Sanitario
  • Lo Stato conserva, manutiene, difende i dati sanitari dei cittadini e l’AI che li monitora

Una rete di sanità pubblica e privata:

  • Le Regioni sviluppano i controlli di qualità e di costo per le prestazioni pubbliche, private, assicurative

PROGETTI CONNESSI

TRACING @ HOME

PROMOTORI

IPOTESI PROGETTUALE – ARCHITETTURA

Dispositivi in commercio

Variabili campionate

  • Psico-cognitive
  • Fisiologiche
  • Fisiche

Abitazione anziano (edge)

Intelligenza locale

  • 1° livello associaz. variabili
  • Alerting rapido
  • Mantenimento dati giorno
  • Salvataggio notturno cloud
  • Interfaccia Utente Locale

Cloud

AI remota

  • Interfaccia web
  • Calcolo intensivo
  • Analisi continua
  • Presentazione dati
  • Previsione trend
  • Alerting futuro

IPOTESI PROGETTUALE – VARIABILI MONITORATE E DISPOSITIVI DI MISURA

Dispositivi multimediali

Variabili psico-cognitive

  • Test cognitivi

Dispositivi sulla persona

Variabili fisiologiche

  • Frequenza e pressione cardiaca
  • Temperatura corporea
  • Saturazione
  • Glicemia
  • Colesterolo totale
  • Trigliceridi
  • Emoglobina glicata
  • INR

Dispositivi di misura fisica

Variabili fisiche

  • Peso e massa
  • Astenia
  • Forza di prensione
  • Abilità funzionale
  • Dieta (bilancia intell.)

IPOTESI DI PARTNERSHIP

UNITO

  • Dipartimento di psicologia
  • Dipartimento Scienze Mediche

POLITO

Cloud pubblico

  • Gestione e difesa pubblica di dati sensibili

Industrie del Polo BioPMed

  • Calcolo intensivo e AI
  • Farmaceutica
  • Dispositivi medicali

Sanità Privata Territoriale

  • Supporto a casa anziano

CARATTERISTICHE PRINCIPALI

Perché AI (Intelligenza Artificiale)

  • Numerosità dei pazienti monitorati: molte migliaia/decine di migliaia
  • Elevata frequenza di campionamento: molte misure più volte al giorno
  • Ricerca continua delle interrelazioni tra le variabili campionate
  • Utilizzo delle serie storiche per sviluppare le previsioni di evoluzione

Piattaforma Open Source

  • Dati di proprietà dei pazienti
  • Collegati al Fascicolo Sanitario Elettronico
  • Salvataggio e difesa pubblica dei dati
  • Utilizzabili su delega del paziente
  • Reazione real-time locale alle criticità
  • Calcolo continuo della priorità

Validazione periodica rilievi e parametri

  • Assessment neuropsicofisiologico periodico Laboratori HST di UNITO

Calcolo posologia / Distributore automatico farmaci

  • Calcolo posologia farmaci in relazione all’andamento delle variabili rilevate
  • Rilascio farmaci e/o principi attivi
  • Terapie e cure automatizzate
  • Medicina personalizzata

Declino cognitivo soggettivo

  • Reversibilità
  • Misurazione traiettoria di invecchiamento

ABSTRACT – download

Scarica il documento del progetto

TRACING @ HST

The tRAjeCtories of cognitive healthy aging

Progetto nell’ambito dell’Infrastruttura di ricerca HST- Human Science and Technologies dell’Università degli Studi di Torino, cofinanziato da CCIAA e MYNA-PROJECT.ORG srl.
Responsabile Scientifico: Prof.ssa Martina Amanzio, Dipartimento di Psicologia, UNITO.

PROMOTORE

PARTNER

PROGETTO

TRACING, come studio-pilota longitudinale innovativo, e in linea con le indicazioni OMS, rileverà possibili cambiamenti precoci a livello neuropsicofisiologico nell’aging normativo, seguendo un approccio multidimensionale alla salute. Questi cambiamenti, seppure ancora poco indagati, sono di importanza cruciale al fine di far luce, da un lato, sul mantenimento delle capacità fisico-cognitive e funzionali, e dall’altro sull’individuazione di una traiettoria di invecchiamento più sfavorevole.
In particolare, attraverso un assesment neuropsicofisiologico verranno valutati, al basale e al follow up, specifici parametri, utilizzando le strumentazioni presenti nell’infrastruttura di ricerca HST (laboratori di physical capacity e di psicofisiologia), al fine di intercettare precocemente possibili traiettorie sfavorevoli dell’aging normativo.
In particolare, i risultati di TRACING saranno utili ad identificare possibili disfunzioni neuropsicofisiologiche precoci, come, ad esempio, la presenza di un eventuale declino cognitivo soggettivo, Subjective Cognitive Decline [SCD, doi:10.1016/S1474-4422(19)30368-0], di una pre-fragilità fisica, e di una disregolazione a livello emotivo.


DUrata

18 mesi a partire da febbraio 2023.

Due sessioni di testing al basale e al follow up.

Obiettivo

Identificazione precoce di disfunzioni neuropsicofisiologiche nell’healthy aging per oggettivare possibili traiettorie di invecchiamento sfavorevole (prevenzione primaria):

  1. declino cognitivo soggettivo
  2. disregolazione emotiva
  3. pre-fragilità fisica

GRUPPO DI RICERCA

Prof.ssa Martina Amanzio

Principal Investigator, coordinamento scientifico e supervisione di tutte le fasi progettuali

Dip. Scienze Mediche di UNITO

Supervisione assessment psicofisiologico

BIOMed Lab di POLITO

Supervisione alla modellizzazione

MYNA-PROJECT.ORG srl

Sviluppo delle basi dati in ambienti standard e pre-progettazione delle applicazioni software necessarie – in un successivo progetto – al campionamento con frequenza giornaliera delle variabili critiche psico-neuro-fisiologiche, indispensabili per implementare la capacità predittiva dell’AI sulle funzioni considerate a rischio.


BASE DATI

Soggetti coinvolti

50 partecipanti reclutati per via volontaria presso centri di aggregazione sociale > 60 anni

  • 25 donne
  • 25 uomini

Criteri di inclusione: presenza di stili di vita predisponenti ad una traiettoria dell’aging più̀ sfavorevole, in funzione del punteggio alla scala Lookup 7+ (Landi et al., 2018)

Fasi valutative

Tre fasi valutative disgiunte di 30’ ciascuna, al basale e al follow-up:

  1. Assessment neuropsicologico (Laboratori del Dipartimento di Psicologia, UNITO)
  2. Assessment psicofisiologico (Laboratorio di Psychophysiology – HST)
  3. Assessment dello stato di salute fisica (Laboratorio di Physical Capacity – HST)

METODOLOGIA DI RACCOLTA DATI

Assessment Neuropsicologico

  1. Declino cognitivo soggettivo, SCD (Cognitive Function Instrument, CFI: Chipi et al., 2018)
  2. Assessment neuropsicologico (Batteria del deterioramento Mentale, BDM: Perri et al., 2001)
  3. Rilevazioni di deflessioni del tono dell’umore, attraverso tasks specifici, quali, ad esempio, Beck Depression Inventory, BDI: Beck et al., 1988) e Hamilton Rating Scale for Anxiety, HAM-A: Hamilton, 1959).

Assessment Psicofisiologico

  1. Presentazione di immagini emotigene, tratte dall’International Affective Picture System, IAPS (Lang et al., 2008)
  2. Valutazione di disregolazione emotiva attraverso l’acquisizione, ad esempio, di parametri cardiaci quali Heart Rate Variability (HRV), in funzione alla presentazione di immagini IAPS.

Assessment dello stato di salute fisica

attraverso la rilevazione di 5 determinanti di fragilità fenotipica (Fried et al., 2001):

  1. Perdita di peso non intenzionale
  2. Riduzione attività fisica
  3. Astenia
  4. Riduzione della forza di prensione
  5. Rallentamento della velocità del cammino.

ANALISI DATI

Confronto statistico tra basale e follow-up

al fine di oggettivare possibili associazioni tra SCD, Pre-fragilità fisica, Deflessioni del tono dell’umore orientate in senso ansioso-depressivo e disregolazione emotiva, e in linea con una traiettoria sfavorevole dell’aging

Costruzione di un modello di dati di gruppo e di ciascuna persona

Modellazione delle relazioni tra i diversi insiemi di dati (numerici, categorici, affetti da incertezza, continui, discreti) attraverso approcci diversi:

  1. Statistici
  2. Analitici

TIMELINE

Febbraio – Marzo 2023

Analisi fattibilità e test phase

Marzo – Maggio 2023

Training del personale e reclutamento dei soggetti sperimentali

Maggio – Ottobre 2023

Raccolta dati –
Valutazione al basale

Assessment neuropsicofisiologico multidimensionale e ‘benchmark variables’

Ottobre 2023 – Gennaio 2024

Raccolta dati –
Verifica dei dati al basale

Analisi di correlazione tra le variabili rilevate basale ed individuazione delle eventuali criticità specifiche

Gennaio – Agosto 2024

Analisi dati al basale e al follow-up


CONTENUTI IN DETTAGLIO – download

Scarica il documento del progetto

TRACING @ HUMAN

Cottino Social Impact Campus – Impact Prototypes Labs 2023
https://www.cottinosocialimpactcampus.org/

PROMOTORE

CHI SIAMO

Antonio Giugliano

Ingegneria Biomeccanica – Polito

Marco Lampis

Ingegneria Informatica – Polito

Francesca Votta

Ingegneria Gestionale – Polito

Franco Garombo

Tutor di Impatto Sociale – UNIGENS


PARTNER

PMI innovativa ex D.L. 3/2015 che si occupa di modelli complessi applicati all’Energia, meccanica ed organica

  • Energia meccanica: sistemi di gestione real-time dell’energia in manifattura
  • Energia organica: sistemi di previsione delle variazioni interagenti nelle malattie metaboliche e negli anziani

IL PROGETTO

Macro progetto → Tracing @ Home

Progetto IPLabs → Tracing @ Human


IMPATTO SOCIALE

Migliorare la prospettiva di vita dei pazienti anziani e/o con malattie metaboliche, prevedendo l’invecchiamento non fisiologico

Riprogettare il sistema sanitario grazie a un
sistema di monitoraggio remoto


OBIETTIVI

Individuare come Tracing @ Home possa essere reso fruibile come servizio al cittadino

Analisi di fattibilità Tecnico-Scientifica: stabilire gli
strumenti tecnico-economici per l’implementazione
del servizio

Selezione dei dispositivi per il monitoraggio in
remoto

Esempio di dispositivi

Nintendo fitness ring
Dispositivi di analisi
Smartwatch

ATTIVITÀ TECNICHE

Ricerca di 50 dispositivi medici e classificazione per caratteristiche:

  • Fisiologiche
  • Tecnologiche
  • Economiche

Selezione di un sottogruppo di 10 dispositivi


COMPETENZE DEL TEAM

GESTIONALE

Aspetto economico e benchmarking

BIOMEDICO

Sensibilità relativa alle variabili ricercate e ricerca dei dispositivi

INFORMATICO

Valutazione del sistema informativo e analisi di fattibilità


ABSTRACT – download

Scarica il documento del progetto