L’area di ricerca Biomedical Signal Processing (MeDiTech) investiga le potenzialitą nascoste di algoritmi di identificazione delle fasi del sonno. Importanti risultati pubblicati su Springer Nature.
I disturbi del sonno costituiscono un importante e crescente problema di salute pubblica che colpisce una parte considerevole della popolazione mondiale. Lo studio di tali disturbi č reso possibile grazie alla polisonnografia (PSG): un esame ad hoc che permette di registrare durante la notte una serie di parametri fisiologici, quali attivitą del cervello, movimenti oculari, movimenti muscolari, livelli di ossigeno, battito cardiaco e respirazione.
Da decenni si stanno sviluppando numerosi algoritmi di IA per automatizzare la valutazione (scoring) della PSG, ovvero l’estrazione di informazioni cliniche rilevanti dai segnali fisiologici seguendo degli standard ufficiali.
Recentemente, grazie alla maggiore potenza di calcolo, č stato impiegato anche il deep learning con risultati promettenti, evidenziando le alte capacitą di apprendere da un insieme di dati altamente eterogeneo.
Da diversi anni č attiva una collaborazione proficua tra il gruppo di ricerca Biomedical Signal Processing (BPS) guidato da Francesca Faraci, dell’ Istituto di tecnologie digitali per cure sanitarie personalizzate (MeDiTech) , il centro del sonno dell’Inselspital di Berna , l’ Universitą di Berna ed il NeuroTec Center del sitem-insel (Swiss Institute for Translational and Entrepreneurial Medicine) . In questo contesto sono nate diverse pubblicazioni ed il progetto Europeo SPAS, Sleep Physician Assistant System, per la creazione di una piattaforma che supporti e ottimizzi il lavoro degli operatori sanitari attivi nell’analisi dei disturbi del sonno.
Nell’ambito di questa ricerca, Luigi Fiorillo e Giuliana Monachino , Ricercatore e Dottoranda al MeDiTech, hanno effettuato numerosi test sfruttando l’accesso al grande database dell’InselSpitalBern e il supporto clinico del rinomato centro del sonno, raggiungendo ottime prestazioni.
Lo studio, co-finanziato dalla Segreteria di Stato per la Formazione, la Ricerca e l’Innovazione (SEFRI) e dall’Unione Europea, dimostra la resilienza di un algoritmo di deep learning nell’identificazione delle diverse fasi del sonno. Nello specifico evidenzia come un algoritmo di deep learning riesca a risolvere una procedura clinica utilizzando informazioni (derivazioni di segnali fisiologici) differenti rispetto a quelle di norma utilizzate da un medico del sonno. Tale studio č il frutto di analisi effettuate sul pił alto numero di PSG mai utilizzate ad oggi in letteratura.
Maggiori informazioni:
Importanti risultati sono stati pubblicati sulla rivista scientifica NPJ Nature: U-Sleep’s reslience to AASM guidelines .
Dipartimento tecnologie innovative
Comunicazione DTI
Polo universitario Lugano, Campus Est - Via la Santa 1
CH-6962 Lugano - Viganello
T +41 (0)58 666 65 08
dti.comunicazione@supsi.ch
MeDiTech promuove l’IA per la caratterizzazione delle fasi sonno
