Valutare lo stato di coscienza in pazienti con Gravi Cerebrolesioni Acquisite e disturbo protratto della coscienza può essere estremamente incerto e complesso. Nella pratica clinica tale valutazione viene effettuata attraverso una scala validata, la Coma Recovery Scale-Revised (CRS-R), che identifica se le risposte comportamentali a stimoli multisensoriali standardizzati sono riflesse o intenzionali e per questo in grado di distinguere il paziente in stato vegetativo da quello in stato di coscienza minima. In pratica, funziona come una check-list suddivisa in sei sottoscale che valutano risposte cognitive, motorie e la comunicazione dei pazienti, con l’assegnazione di punteggi. Il punteggio totale viene considerato per definire la prognosi del paziente e quindi offrire un quadro sulle probabilità di recupero della coscienza. Questi pazienti sono poi quelli che arrivano nei reparti di riabilitazione per GCA dei Centri della Fondazione per il percorso riabilitativo e avere quindi informazioni certe sulla loro prognosi è di fondamentale importanza per la definizione del progetto riabilitativo.

Un indice per valutazioni più precise e definite

«Dovendo costruire un progetto personalizzato – spiega la dottoressa Anna Estraneo, neurologa e ricercatrice del Polo specialistico riabilitativo della Fondazione Don Gnocchi di S. Angelo dei Lombardi (Av) e chair del Panel sul coma e i disturbi protratti della coscienza dell’European Academy of Neurology – abbiamo necessità di avere un’idea circa i tempi di recupero della coscienza e per questo abbiamo bisogno di indicatori precisi. Tra l’altro, in letteratura scientifica, sono pochissimi gli studi sull’argomento e non esistono linee guida internazionali e nazionali. La scala CRS-R ci offre indicazioni utili in merito alla definizione della diagnosi, ma presenta alcuni limiti soprattutto in fase prognostica e per questo abbiamo chiesto aiuto ai colleghi ricercatori dell’AIR Lab del Centro IRCCS "Don Gnocchi" di Firenze».
L’AIR Lab (Artificial Intelligence for Rehabilitation Laboratory), nasce con l’obiettivo di sviluppare sistemi automatici di supporto alla decisione clinica in medicina riabilitativa che possano trovare utilità e applicazione nella pratica clinica quotidiana. Per fare questo, utilizza una tecnologia basata su algoritmi di apprendimento (machine/deep learning) in grado di supportare nella selezione delle informazioni rilevanti e nell’interpretazione di dati complessi e multifattoriali.
Nell’ambito di questa collaborazione è nata l’idea per una soluzione che potesse rendere la valutazione effettuata attraverso la scala CRS-R più precisa e meglio definita, mettendo insieme in maniera sinergica medici e bioingegneri, clinica e intelligenza artificiale.

La costruzione di un nuovo marcatore prognostico

«Siamo partiti – spiega Andrea Mannini, bioingegnere e responsabile di AIR Lab – dai dati che Anna Estraneo e Alfonso Magliacano, neuropsicologo e ricercatore anche lui del Polo di S. Angelo dei Lombardi, ci hanno messo a disposizione. Si trattava di due campioni relativi ad uno studio multicentrico italiano con 190 pazienti e di un multicentrico internazionale coordinato dalla dr.ssa Estraneo nell’ambito del progetto europeo DoCMA e, su proposta di Pergiuseppe Liuzzi, bioingegnere e nostro dottorando, abbiamo implementato un algoritmo di clustering. In pratica, non gli abbiamo chiesto cosa cercare ma abbiamo lasciato che fosse lui a trovare all’interno dei dati disponibili dei pattern, cioè uno schema ricorrente, delle classi di raggruppamento, una specie di filo rosso. Abbiamo così individuato due raggruppamenti di dati che, una volta associati ai pazienti di riferimento, corrispondevano a due gruppi molto omogenei dal punto di vista diagnostico. L’appartenenza di un paziente a un cluster o all’altro costituisce quello che abbiamo chiamato il Consciusness-Domain Index (CDI) del paziente, un marcatore prognostico che ha migliorato sensibilmente la prognosi basata sulla semplice valutazione clinica. L’utilizzo del CDI al posto della diagnosi clinica basata sulla CRS-R è infatti in grado di migliorare le performance di modelli di intelligenza artificiale per la predizione della prognosi».
Un’analisi matematica sofisticata ha così permesso di migliorare l’accuratezza della prognosi di pazienti in stato vegetativo o di minima coscienza, fornendo indicazioni molto utili per i clinici e gli operatori della riabilitazione in termini di recupero della coscienza a sei, dodici e ventiquattro mesi.
I ricercatori sono poi andati oltre, sviluppando una pagina web accessibile a tutti, dove il clinico può inserire liberamente i dati della CRS-R relativi ad un determinato paziente e avere come risultato il suo indice prognostico, corrispondente ai margini di recupero della coscienza.
Questa ricerca, estremamente innovativa sia per i risultati raggiunti che per la metodica applicata, è già stata oggetto di due articoli rispettivamente su IEEE Journal of Biomedical and Health Informatic e su Brain Sciences e di un intervento alla conferenza internazionale della Engineering in Medicine & Biology Society (EMBC) di Glasgow, nel novembre scorso.

Verso uno strumento affinato marcato "Don Gnocchi"

Interessanti, sono anche le opportunità che si potrebbero aprire in futuro, come sottolinea Anna Estraneo: «Ampliando il campione, quindi avendo a disposizione i dati di un numero ancora maggiore di pazienti, potremmo affinare meglio lo strumento, inoltre un ulteriore sviluppo potrebbe essere il suo utilizzo non solamente legato allo stato di coscienza, ma anche nelle prognosi motoria e funzionale, altro aspetto molto importante per la riabilitazione. Sulla scia di questo risultato, sarebbe bello poter creare uno strumento prognostico per i pazienti in stato di minima coscienza marcato Don Gnocchi da poter proporre a livello nazionale ed internazionale».
Di sicuro, è da rimarcare il successo della sinergia venutasi a creare e traslabile in altri settori, che promuove le competenze dell’AIR Lab di Firenze per approcci innovativi e migliorativi nella pratica clinica.