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 in corso di progetto
TRACING @ HST in corso di sviluppo
TRACING @ HUMAN in corso di sviluppo
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
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):
- declino cognitivo soggettivo
- disregolazione emotiva
- 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:
- Assessment neuropsicologico (Laboratori del Dipartimento di Psicologia, UNITO)
- Assessment psicofisiologico (Laboratorio di Psychophysiology – HST)
- Assessment dello stato di salute fisica (Laboratorio di Physical Capacity – HST)
METODOLOGIA DI RACCOLTA DATI
Assessment Neuropsicologico
- Declino cognitivo soggettivo, SCD (Cognitive Function Instrument, CFI: Chipi et al., 2018)
- Assessment neuropsicologico (Batteria del deterioramento Mentale, BDM: Perri et al., 2001)
- 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
- Presentazione di immagini emotigene, tratte dall’International Affective Picture System, IAPS (Lang et al., 2008)
- 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):
- Perdita di peso non intenzionale
- Riduzione attività fisica
- Astenia
- Riduzione della forza di prensione
- 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:
- Statistici
- Analitici
TIMELINE
CONTENUTI IN DETTAGLIO – download
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
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