Un gruppo di ricerca dell’Universidad Carlos III de Madrid (UC3M), insieme all’University College London nel Regno Unito, ha condotto uno studio per analizzare come dolore cronico colpisce il corpo di ogni paziente. In questo quadro, è stato sviluppato un metodo di deep learning per analizzare i dati biometrici di persone con patologie croniche.
Sistema nervoso umano, dolore cronico – resa artistica. Credito immagine: UC3M
L’analisi si basa sull’ipotesi che le persone con lombalgia cronica abbiano variazioni nei loro dati biometrici rispetto alle persone sane. Queste variazioni sono correlate ai movimenti del corpo o ai modelli di deambulazione e si ritiene che siano dovute a una risposta adattativa per evitare ulteriori dolori o lesioni.
Tuttavia, la ricerca fino ad oggi ha trovato difficile distinguere con precisione queste differenze biometriche tra persone con e senza dolore. Ci sono stati diversi fattori, come la scarsità di dati relativi a questo problema, le particolarità di ogni tipo di dolore cronico e la complessità intrinseca nella misurazione delle variabili biometriche.
“Le persone con dolore cronico spesso adattano i loro movimenti per proteggersi da ulteriori dolori o lesioni. Questo adattamento rende difficile per i metodi di analisi biometrici convenzionali catturare con precisione i cambiamenti fisiologici. Da qui la necessità di sviluppare questo sistema”, afferma il dottor Mohammad Mahdi Dehshibi, ricercatore post-dottorato presso il laboratorio i_mBODY del dipartimento di informatica dell’UC3M, che ha condotto questo studio.
La ricerca condotta da UC3M ha messo a punto un nuovo metodo che utilizza un tipo di deep learning chiamato s-RNN (sparsely connected recurrent neural networks) insieme alle GRU (closed recurrent units), che sono un tipo di unità di rete neurale che viene utilizzata per dati sequenziali del modello.
Con questo sviluppo, il team è riuscito a catturare i cambiamenti nel comportamento del corpo correlato al dolore nel tempo. Inoltre, supera gli approcci esistenti per classificare accuratamente i livelli di dolore e il comportamento correlato al dolore.
L’innovazione del metodo proposto è stata quella di sfruttare un’architettura avanzata di deep learning e aggiungere funzionalità aggiuntive per affrontare le complessità della modellazione sequenziale dei dati. L’obiettivo finale è ottenere risultati più robusti e accurati relativi all’analisi sequenziale dei dati.
“Uno dei principali obiettivi di ricerca nel nostro laboratorio è l’integrazione di tecniche di deep learning per sviluppare misure oggettive che migliorino la nostra comprensione delle percezioni corporee delle persone attraverso l’analisi dei dati dei sensori corporei, senza fare affidamento esclusivamente su domande dirette agli individui”, afferma Ana Tajadura Jiménez, docente del dipartimento di informatica dell’UC3M e capo ricercatore del progetto BODYinTRANSIT, che dirige il laboratorio i_mBODY.
Il nuovo metodo sviluppato dal team di ricerca UC3M è stato testato con il database EmoPain, che contiene dati sui livelli di dolore e comportamenti correlati a questi livelli.
“Questo studio evidenzia anche la necessità di un database di riferimento dedicato all’analisi della relazione tra dolore cronico e dati biometrici. Questo database potrebbe essere utilizzato per sviluppare applicazioni in aree come la sicurezza o l’assistenza sanitaria”, afferma Mohammad Mahdi.
Questi risultati di questa ricerca vengono utilizzati nella progettazione di nuove terapie mediche focalizzate sul corpo e su diverse condizioni cliniche.
“Nel settore sanitario, il metodo può essere utilizzato per migliorare la misurazione e il trattamento del dolore cronico nelle persone con condizioni come la fibromialgia, l’artrite e il dolore neuropatico. Può aiutare a controllare i comportamenti legati al dolore e personalizzare i trattamenti per migliorare i risultati dei pazienti. Inoltre, può essere utile per monitorare le risposte al dolore durante il recupero post-operatorio”, afferma Mohammad Mahdi.
A questo proposito, Ana Tajadura sottolinea anche la rilevanza di questa ricerca per altri processi medici: “Oltre al dolore cronico, sono stati osservati modelli di movimento alterati e percezioni corporee negative, come nei disturbi alimentari, nelle malattie cardiovascolari croniche o nella depressione, tra gli altri .”
“È estremamente interessante condurre studi utilizzando il metodo di cui sopra in queste popolazioni per comprendere meglio le condizioni mediche e il loro impatto sul movimento. Questi studi potrebbero fornire informazioni preziose per lo sviluppo di strumenti e trattamenti di screening più efficaci e migliorare la qualità della vita delle persone affette da queste condizioni”.
Da un’altra testata giornalistica. news de www.technology.org
