Le malattie cardiovascolari sono la prima causa di morte secondo l’Organizzazione Mondiale della Sanità. In situazioni di emergenza è di vitale importanza velocizzare al massimo le tempistiche al fine di rientrare nella “Golden-Hour”, il periodo nel quale le possibilità di sopravvivenza sono massime. Per quanto riguarda i problemi cardiaci, è diventato ormai standard l’utilizzo di macchinari per acquisire un elettrocardiogramma (ECG) già dall’arrivo dei mezzi di soccorso.
Questi macchinari presentano vari svantaggi: dimensioni, peso, tempi di applicazione, fino ad arrivare alle scarse capacità di diagnosi. Gli ultimi anni hanno visto un eccezionale aumento dell’adozione della tecnologia in ambito medicale: l’informatica non è più un semplice strumento di supporto, ma ha assunto un ruolo chiave, con applicazioni che vanno dai robot per microchirurgia agli interventi da remoto resi possibili dalle sempre più elevate velocità di trasmissione di dati (grazie alle reti 5G), alla rilevazione di dati medicali e alla diagnosi rapida.
Anomalous si inserisce in questo scenario come uno strumento completo e open-source, permettendo l’acquisizione di un segnale ECG e la sua analisi. Si pone l’obiettivo di individuare le sezioni di segnale in cui sono presenti anomalie per poi presentare attraverso un’interfaccia intuitiva una visione generale della situazione del paziente al medico, permettendo una risposta più rapida da parte di quest’ultimo.
Abbiamo posto particolare attenzione al ridurre le tempistiche di preparazione del paziente. Il software da noi sviluppato sfrutta un approccio alternativo all’acquisizione del segnale Ecg, noto come piazzamento Easi. Tale metodo permette di dimezzare il numero di elettrodi da applicare sul paziente ricostruendo i segnali mancanti attraverso tecniche di signal processing.
Una volta acquisiti, i segnali vengono filtrati e puliti da possibili disturbi per poi essere elaborati in due flussi paralleli, uno per effettuare un’analisi effettuata con metodi classici, e l’altro per individuare anomalie nel battito sfruttando tecniche di Machine Learning sui database di PhysioNet.
Questa fase dello sviluppo ci ha aperto gli occhi sull’altro lato della medaglia dell’utilizzo del Machine Learning in ambito medicale; pur essendoci un’esplosione del numero di dati generati e acquisiti nei sistemi sanitari nazionali, questi spesso non vengono diffusi pubblicamente per scopi di ricerca, con grande impatto sull’avanzamento tecnologico.
L’ultima fase del progetto è stata lo sviluppo di un’interfaccia utente che permettesse all’utenza target di Anomalous, composta da medici e operatori sanitari, una visione e consultazione rapida dei risultati. L’obiettivo era di eliminare le tempistiche di ricerca manuale del problema, affiancando ad una consultazione classica una vista diretta sulle anomalie, identificate da una lettera, e le sezioni di segnale in cui queste vengono individuate.
Lo sviluppo di tecnologie indossabili, con dispositivi sempre più potenti e compatti, apre nuove prospettive riguardo la raccolta pervasiva di dati medicali. Basta pensare ai recenti orologi “smart”, che incorporano un sensore di battito cardiaco. Anomalous strizza l’occhio anche a questa prospettiva futura, verso un mondo in cui l’analisi di segnali medicali viene fatta da remoto, o direttamente integrata in uno smartwatch in collegamento diretto con il sistema sanitario nazionale.
Manageritalia collabora con NECSTLab per far conoscere questa Silicon Valley italiana e avere dalla loro voce un polso su quell’innovazione che partendo dall’Università impatta, e deve farlo sempre di più, sulla crescita della nostra economia, sul nostro lavoro e sulla vita di tutti i giorni. Un viaggio che dobbiamo fare tutti insieme. Stay tuned!
