RICERCA ITALIANA     

Implementazione ed ottimizzazione di un sistema ad integrazione telematica per il follow-up dei pazienti a rischio cardiovascolare.

Università degli Studi di Napoli "Federico II"

Abstract

Le malattie cardio e cerebrovascolari rappresentano la maggior causa di morbidità e mortalità nella popolazione generale, per cui il loro trattamento assorbe una quantità sempre crescente di risorse, che, tuttavia, spesso sono frammentarie e poco coordinate e pertanto risultano poco efficaci. Si rende necessario percio' lo sviluppo di apparati e sistemi che utilizzando nuove applicazioni di telematica consentano un piu' ampio utilizzo delle strutture di eccellenza al fine di migliorare il controllo clinico ed il follow-up dei pazienti ad alto rischio cardiovascolare sia in condizioni di ospedalizzazione che nella fase successiva di de-ospedalizzazione. Per tali motivi il contesto normativo attuale ha previsto il sostegno alla diffusione di nuove metodiche correlate all'innovation technology sia per implementare la qualità delle prestazioni in campo medico sia per ottenere un risparmio nei costi gestionali. Questo progetto prevede l'implementazione delle metodiche di diagnostica d'immagini che rappresentano un "plus" nel follow-up dei pazienti ad alto rischio per patologie cardio-cerebro-vascolari, si realizzerà un Sistema prototipale costituito da un data-base con archiviazione di immagini statiche e e di filmati a scopo diagnostico e con accesso distribuito e consultabile in remoto su base regionale. E' prevista una fase progettuale di realizzazione di applicativi software utili alla realizzazione del progetto ed una di sviluppo e di verifica delle applicazioni per la gestione delle immagini diagnostiche.
Questo progetto di ricerca è finalizzato allo sviluppo ed alla applicazione di un insieme di metodologie proprie della diagnostica cardiovascolare e particolare attenzione sarà posta all'analisi di immagini biomediche con riferimento a problemi di segmentazione per la misura dei parametri anatomici e fisiologici dalle immagini, alla loro registrazione, alla fusione di immagini ed all' analisi del movimento di sequenze di immagini per la loro utilizzazione in campo clinico anche con trasmissione a distanza.
Le aree applicative riguarderanno sia l'individuazione automatica di profili di parete arteriosa per gli studi cardiovascolari di follow-up della malattia aterosclerotica, che la registrazione, la classificazione e fusione di immagini del cuore per l'estrazione di parametri sia anatomici che funzionali da esami ultrasonografici.
Per questo scopo il gruppo di ricerca è di tipo interdisciplinare integrando competenze proprie della medicina e dell'informatica integrate anche da specifiche competenze di fisica.
Il sistema dovra' consentire e facilitare l'interscambio di dati sanitari fra differenti operatori in campo sanitario (strutture di eccellenza ed operatori territoriali) e ne sarà verificata l'utilità clinica. Il Sistema realizzato consentirà non solo un miglioramento qualitativo dei servizi erogati ma facilitera' sia l'accesso ai servizi fruibili presso la struttura proponente il progetto che la diffusione di servizi in rete ad essa connessi; inoltre rendera' disponibile un registro regionale di dati sanitari a scopo epidemiologico su scala regionale che potra' essere utile a scopo gestionale e potrà essere trasferito eventualmente al S.S.N. come nuovo modello organizzativo per le popolazioni ad alto rischio. <<<

Coordinatore Scientifico del Programma di Ricerca

Nicola DE LUCA Università degli Studi di NAPOLI "Federico II"

Obiettivo del Programma di Ricerca

Il presente progetto è basato sull'integrazione di un insieme di competenze provenienti da diversi gruppi di ricerca nazionali (medicina, informatica, fisica) con lo scopo di sviluppare e validare applicazioni avanzate della rappresentazione, analisi ed utilizzazione di immagini nel campo biomedicale.
Il gruppo di ricerca ha già avuto esperienze, in progetti regionali e nazionali, relativamente allo sviluppo ed all'applicazione di tecniche innovative di gestione e di analisi d'immagini biomedicali, nella condivisione e nell'utilizzo di dati distribuiti sulla rete in ambiente clinico e nello sviluppo di sistemi per il miglioramento dell'efficienza e dell'efficacia diagnostica.
L'attività di ricerca riguarderà lo sviluppo di applicativi software utili per le decisioni cliniche nel follow-up di pazienti ad alto rischio cardiovascolare. L'attenzione sarà particolarmente focalizzata sulla ricerca di strumenti affidabili e di facile utilizzo per archiviare, elaborare ed analizzare sorgenti di informazioni eterogenee legate alla diagnostica cardiovascolare che siano utili alle decisioni cliniche. Particolare attenzione sarà inoltre rivolta alle modalità di connessione e cooperazione fra ricercatori nell'ambito dell'informatica applicata alla medicina.
L'attività sarà orientata ai seguenti obiettivi:
- Sviluppo e applicazione di tecniche avanzate di riconoscimento di forme ed analisi di immagini per l'estrazione semi-automatica di parametri ed oggetti di interesse diagnostico da immagini biomedicali multimodali nel campo della patologia vascolare carotidea;
- Sviluppo e applicazione di tecniche avanzate per la rappresentazione e lo scambio in tempo reale di informazione biomedicale complesse (testi, segnali, immagini, video) fra diversi ambienti clinici e diagnostici nel campo delle complicanze cardiache della patologia ipertensiva e coronarica;
- Applicazione delle metodologie sviluppate in ambito clinico per la validazione dei risultati della ricerca

Per questo scopo il ruolo e gli obiettivi di ciascuna unità coinvolta saranno i seguenti:

1. L'unità di Napoli possiede validata competenza circa l'applicazione e l'utilizzo di dati clinici condivisi in aree specifiche della diagnosi di malattie cardiovascolari con particolare riguardo alla diagnostica per immagini. Tale unità sarà il riferimento per la definizione dei requisiti e dello sviluppo degli applicativi per la validazione dei risultati. Costituirà inoltre una delle fonti primarie dei dati da elaborare e dei dati di riferimento per l'analisi quantitativa delle prestazioni degli algoritmi. Tale Unità sarà coordinatrice del progetto e come tale avrà il compito dell'integrazione delle competenze e dei risultati.
2. L'unità di Benevento ha competenza nell'ambito dell'analisi di immagini tramite strumenti di riconoscimento di forme. L'attività del gruppo è focalizzata all'applicazione delle moderne tecniche geometriche alla segmentazione di immagini ed in tale progetto sarà verificata l'applicabilità all'imaging cardiaco ed al riconoscimento delle strutture vascolari carotidee. L'attenzione sarà rivolta allo sviluppo di metodi variazionali e geometrici e all'estrazione di oggetti di interesse diagnostico da immagini biomedicali. Un'attività ulteriore prevede l'analisi di scene dinamiche per l'inseguimento di oggetti deformabili in sequenze di immagini. Il risultato di queste analisi potrà essere utilizzato sia per il miglioramento del processo diagnostico sia per l'implementazione delle modalità di rappresentazione e trasmissione dei dati biomedicali.
3. L'unità di Genova, invece, svilupperà un insieme di tecniche per lo studio delle immagini prodotte con metodiche ultrasonografiche di recente utilizzo. L'attività sarà principalmente legata alla messa a punto di algoritmi innovativi per la segmentazione di immagini, per l'identificazione di regioni di interesse in immagini ultrasonografiche, che saranno utilizzati nell'ambito del sistema ad integrazione telematica oggetto del presente programma di ricerca. Le tecniche studiate saranno basate su clustering, mentre l'Unità di Benevento si concentrerà sui modelli deformabili (snake). Tale aspetto del progetto è essenzialmente rivolto al miglioramento di un sistema di elaborazione di immagini multimodali tramite algoritmi innovativi per l'eliminazione del rumore, e per l'utilizzo nella registrazione e nella segmentazione di immagini. I dati utilizzati saranno forniti dall'unità di Napoli ed eventualmente da altre istituzioni.
Fra i compiti prioritari dei progetto vi è la necessità di potenziare le capacità del supporto diagnostico basato su immagini attraverso una duplice azione: l'estensione alla gestione di brevi filmati dei database diagnostico condiviso, l'adozione di ausili semi-automatici utili alle attività di analisi delle immagini statiche relative all'esame della carotide L'utilizzazione di immagini in movimento, "filmati", riveste una importanza cruciale in molti settori dell'attività umana. In particolare, nel settore del supporto alla diagnosi medica, le potenzialità insite nell'utilizzazione di reperti di tipo "filmato" sono largamente superiori a quelle derivanti dal solo impiego di immagini statiche. L'esame, infatti, deL comportamento dinamico del cuore durante un loop, consente evidentemente di mettere a disposizione dei medico molte più informazioni di quelle derivanti anche da una serie di immagini statiche. Altro aspetto significativo di questo progetto e' correlato alla misura di spessori e diametri dell'arteria carotide ed in particolare dello spessore dello strato più interno dell'arteria, il complesso intima-media (IMT) è oggetto di numerose applicazioni delle tecniche di elaborazione di immagini. E stato dimostrato che il rischio di infarto o ictus aumenta in caso di ispessimento medio-intimale. E' ben noto per chi effettua elaborazione d'immagini le strutture sottili sono difficilmente individuabili, soprattutto in presenza del rumore tipico delle immagini ultrasoniche.
La presente proposta progettuale potrà risultare di estrema utilità per realizzare un sistema che implementi efficacia ed efficienza delle attività diagnostiche prestate sul territorio. Di particolare interesse risulta la possibilità di realizzare `la standardizzazione di un data-base; l'estrazione dalle immagini mediche di parametri di interesse diagnostico e la loro elaborazione anche a distanza; l'interscambio in tempo reale di informazioni anche multimediali (testi, dati, segnali, immagini, voce e video) tra vari ambienti diagnostici e tra ambienti diagnostici e clinici: `la possibilità di integrare immagini prodotte in luoghi distanti tra loro e con tecniche differenziate per contenuti, per sviluppare ed applicare rapidamente procedure di analisi utili al trattamento clinico. L'importanza di questo progetto è correlata alla possibilità di offrire un strumento utile alla costruzione di un data-base di grande utilità e di diffuso utilizzo e che consentirà, mediante la possibilità di archiviazione delle immagini diagnostiche e la loro analisi semiautomatica, di rendere attuabili elevati standard di assistenza per i pazienti ad alto rischio cardiovascolare. <<<

Risultati parziali attesi

Risultati parziali attesi dell'attivita' di analisi saranno:
Rapporti tecnici, pubblicazioni, un data base di riferimento, un'insieme di strumenti software di pubblico dominio.Risultati Attesi:
Rapporti tecnici, pubblicazioni, software prototipale per l'eliminazione del rumore, registrazione di immagini multimodali, ricostruzione di immagini funzionali, segmentazione geometrica e segmentazione senza supervisione.Risultati Attesi:
Rapporti tecnici, pubblicazioni, versioni beta di moduli software integrati, una pagina web del progetto dove i dati e gli strumenti realizzati possono essere condivisibili nella comunità scientifica. <<<

Durata

24 mesi

Base di partenza scientifica nazionale o internazionale

L'Imaging biomedicale è una importante fonte di informazione sia anatomica che funzionale ed è indispensabile per la diagnosi ed il trattamento di numerosissime malattie. Tuttavia, le grosse quantità di dati tridimensionali e multitemporali sono difficilmente utilizzabili e analizzabili con tecniche tradizionali. La sola ispezione visiva che in particolare è operatore dipendente, non è spesso sufficiente per interpretare i dati acquisiti dalle moderne apparecchiature di acquisizione di immagini biomedicali. Le tecniche per la elaborazione di immagini rivestono un ruolo sempre più importante e la comunità degli studiosi del campo della Computer Vision deve affrontare le sfide tecnologiche per lo sviluppo di algoritmi di analisi quantitativa dei dati immagine e video biomedicali. Nelle patologie cardiovascolari la diagnostica per immagini ha da sempre costituito un elemento di priorità nel percorso diagnostico e terapeutico.
I processi fondamentali nell'analisi di immagini sono sicuramente la segmentazione, la registrazione e la sovrapposizione di dati (Duncan et al. 2000). L'analisi di immagini biomedicali è direttamente influenzata da campi applicativi quali la fusione dei dati, analisi di sequenze spazio-temporali, modellazione biomedicale, tecniche di visualizzazione, realtà virtuale ed aumentata, strumenti per la localizzazione e l'inseguimento, etc..
Le immagini biomediche, ad esempio, sono analizzate per accertare in dettaglio la forma e l'organizzazione di strutture anatomiche, nello sforzo di rendere più agevole la preparazione dei piani di intervento (ad es. Breuwer et al. 1998). Le bioimmagini possono anche essere utilizzate per individuare le relazioni fra anomalie e deformazioni strutturali e l'evoluzione clinica di certi quadri patologici. Altre applicazioni come quelle coinvolte nelle analisi prevedono lo studio delle correlazioni fra gli stimoli esterni e le funzionalità degli organi.

La segmentazione è tipicamente il problema centrale della elaborazione di immagini biomediche. La segmentazione di strutture anatomiche in immagini biomediche consiste nell'individuare nell'immagine le regioni o i contorni corrispondenti alla struttura cercata (Bogus et al. 1998). La segmentazione è utile anche se applicata al confronto di immagini provenienti da pazienti con patologie e quelle di soggetti normali. Le acquisizioni di pazienti senza particolari patologie possono essere infatti utilizzate per definire standard di normalità. In taluni casi può essere necessaria la segmentazione manuale da parte di medici esperti. Purtroppo, la segmentazione da parte di esperti è spesso da evitare in diverse situazioni cliniche. Ad esempio, la definizione manuale del contorno di oggetti non rende i risultati riproducibili (variabilità inter- e intra-operatore). E' inoltre un compito notevolmente lento e macchinoso soprattutto in considerazione della grande quantità di dati a disposizione dalle moderne metodologie di indagine, per esempio nel caso di immagini da sequenze video. Naturalmente, la segmentazione è effettuata automaticamente ogni qual volta sia possibile. Alcune applicazioni, tuttavia, richiedono ancora degli interventi manuali, mentre altre sono di fatto ancora effettuate completamente a mano. Se da una parte i moderni strumenti di acquisizione forniscono delle viste eccezionali dell'anatomia interna, l'utilizzo di strumenti di analisi che forniscano dei risultati accurati è tuttora limitato.
Ulteriori complicazioni che deteriorano le prestazioni dei metodi di segmentazione sono legate alle difficoltà tipiche dei dati osservati, come ad esempio gli artefatti dovuti al campionamento, aliasing spaziale, e il rumore.
Inoltre, l'aspetto similare di tessuti diversi all'interno della stessa immagine, la complessità e spesso l'indistinguibilità delle frontiere fra le strutture e la variabilità delle forme anatomiche insieme all'aspetto disconnesso rendono gli algoritmi di segmentazione molto difficili da sviluppare. La maggiore sfida consiste nell'estrarre gli elementi del contorno della stessa struttura e nell'integrare tali informazioni in un unico modello compatto, coerente e consistente della struttura stessa. Sebbene la segmentazione di oggetti in immagini senza rumore e ad alta definizione possa essere effettuata utilizzando tecniche di visione di basso livello (low level vision), i maggiori problemi insorgono quando le immagini, come ad esempio quelle ecografiche, sono corrotte da rumore e le strutture stesse non sono chiaramente o completamente visibili all'interno dell'immagine. Questo produce spesso risultati erronei. Inoltre, nelle applicazioni biomediche le strutture da analizzare sono naturali, non rigide e tipicamente dinamiche, possono cioè cambiare la loro forma nel tempo e fra le osservazioni.
Nell'ambito del presente progetto, la segmentazione costituirà il problema centrale da affrontare, e saranno perseguiti due diversi approcci.

Primo, quello geometrico che è basato sull'evoluzione di curve e superfici deformabili, snake, che possono adattarsi in funzione dei dati osservati (forze esterne) e delle informazioni a priori circa la forma degli oggetti ed i vincoli di regolarità del contorno (forze interne) (Kaas et al 1987). Le più recenti implementazioni di questi algoritmi di rilevamento di oggetti sono basati sulla cosiddetta formulazione level set che conduce a equazioni differenziali alle derivate parziali di tipo diffusivo che devono essere soddisfatte dalla soluzione (Ceccarelli et al. 2002). Questo approccio rende sia l'implementazione numericamente robusta ed allo stesso tempo consente cambiamenti di topologia della forma originale.
Il secondo approccio alla segmentazione, invece, sarà basato sulla classificazione di tessuti da immagini multimodali seguendo le tecniche
dell'apprendimento statistico. Questo obiettivo può essere ottenuto mediante metodi di classificazione sia supervisionati che non supervisionati (Fukunaga, 1990; Bensaid et al, 1991; Bezdek et al, 1993). In generale nell'ambito della segmentazione di dati biomedicali, non sono disponibili training-set etichettati. Ciò dipende dal fatto che l'informazione disponibile per effettuare l'etichettatura degli esempi risulta non bene definita, o ambigua, oppure l'operazione di etichettatura risulta troppo costosa. Per tale ragione in queste applicazioni risultano particolarmente indicati i metodi di clustering (o classificazione non supervisionata) dei pixel di una immagine, rappresentati attraverso i valori ad essi associati oppure attraverso opportune feature calcolate a partire dai pixel (ciò dipende dalla tecnica di acquisizione e dal tipo di segmentazione richiesto). In particolare il clustering fuzzy (Bezdek, 1987, Bezdek et al., 1992) fornisce un'adeguato modo di rappresentare le informazioni incerte che caratterizzano il campo biomedicale (Bezdek et al., 1993). Il principio di clustering fuzzy è realizzato nel classico algoritmo Fuzzy c-Means. Tuttavia altre tecniche possono essere sviluppate. Tra queste ricordiamo l'approccio possibilistico (Krishnapuram, 1993; Krishnapuram, 1996), in cui è possibile che un punto non venga attribuito nettamente ad alcun cluster, o al contrario venga attribuito contemporaneamente a più cluster con un elevato grado di appartenenza. L'approccio standard e l'approccio possibilistico forniscono informazioni complementari sull'attribuzione dei dati ai cluster: l'uno riporta informazioni di tipo relativo, l'altro di tipo assoluto.
Le tecniche di clustering basate su prototipi, quali le generalizzazioni fuzzy dell'algoritmo c-Means, diventano tuttavia di difficile impiego nel caso di dati a dimensionalità elevata. Occorre ricorrere a strategie di clustering che facciano uso di diversi concetti.

Infine, nell'ambito di tale contesto, uno dei temi fondamentali è quello delle modalità con cui gli avanzamenti nel campo delle tecniche di analisi di immagini possano essere utilizzati diffusamente nel territorio e pertanto integrati nei processi e nella pratica clinica, e soprattutto come e quanto la comunità medica possa ottenere dei benefici da questo tipo di studi. La chiave per il successo di progetti di analisi di immagini biomedicali per un utilizzo utile nel campo della salute pubblica risiede nell'integrazione di competenze multidisciplinari fra operatori nel campo dell'informatica e della tecnologia per la realizzazione di prodotti che risultino poi utili e di facile utilizzo da medici operanti nel territorio. <<<