SIM: Sistema per l’analisi complessa dell’Imaging Medico

Risultato della ricerca:

La collaborazione tra il DIMES (Dipartimento di Ingegneria Informatica, Modellistica, Elettronica e Sistemistica) dell’Università della Calabria e la componete bioinformatica e medica dell’Università Magna Graecia di Catanzaro ha prodotto interessanti risultati di ricerca negli ultimi anni. Le due unità hanno in essere una proficua collaborazione scientifica che si è consolidata anche grazie a progetti di ricerca finanziati nell’ambito dei Progetti POR Calabria.  Questa collaborazione ha portato allo sviluppo di algoritmi e sistemi software prototipali per l’acquisizione e la gestione di immagini biomedicali provenienti da apparecchiature di diagnostica per immagini. La proposta progettuale consiste nel mettere in vetrina una suite prototipale a moduli che include tali prodotti per una sua industrializzazione ed immissione sul mercato come applicazione modulare a supporto del personale medico chirurgico nello studio e nell’analisi delle indagini diagnostiche e nella cura di patologie complesse.

In particolare grazie all’analisi di immagini diagnostiche attraverso strumenti software open source e commerciali, è stata generata del corso degli anni una esperienza di gestione delle stesse che ha dato seguito allo sviluppo di moduli software di supporto all’esperienza medico diagnostica. Tali moduli (descritti sinteticamente di seguito) fanno parte di un sistema prototipale, ma necessitano di una fase di industrializzazione per ottenere una versione commerciale.

Modulo in ambito oncologia medica per il calcolo dell’energia, analisi delle densità e dei segnali capaci di definire con precisione il centraggio neoplasico, al fine di ottenere l’applicazione di una cura mirata e specifica al problema in esame.  Modulo per l’analisi complessa dell’Imaging 3D, derivato dalla sovrapposizione delle sorgenti TC, RMN, PET, ECO. Il modulo implementa tecniche per l’analisi dei casi con densità similare e poco variabile (caso dei tumori di pancreas o problema tipico T2/T4) mediante la ricerca dell’interfaccia tumorale sfruttando l’incrocio di più fonti, in particolare: Densità da TC e Segnale da RMN. Modulo per la navigazione 3D di immagini biomedicali. Esso consente l’utilizzo della realtà aumentata (AR) che, interfacciando dispositivi esterni quali occhiali 3D o camere digitali stereoscopiche, aggiunge ulteriori informazioni digitali derivanti dal dataset di Imaging precedentemente acquisito per il caso in esame (TC, PET, RMN, ECO). Tale modulo permette di simulare la traccia chirurgica.

Riferimento a finanziamenti precedenti:

La tematica ed alcuni moduli sono stati oggetti di un finanziamento POR, concluso. Alcune esperienze nella elaborazione di immagini e nei sistemi di navigazione per la guida di interventi chirurgici sono stati in parte studiati durante un progetto POR CALABRIA FESR 2014/2020 -CUP J88C17000200006.

Innovatività rispetto a soluzioni già esistenti:

Esistono soluzioni software integrate nelle apparecchiature di diagnostica per immagini ma non esistono a livello industriale sistemi integrati che consentono di fornire una suite di software con la scelta di algoritmi per la: (i) automatizzazione dei processi di analisi statistica con software open source quali SPM, (ii) allineamento di immagini; (iii) navigazione in 3D delle immagini diagnostiche per analisi di percorsi chirurgici.

Allo stato attuale, infatti, esistono in commercio sistemi per la gestione e la integrazione di immagini. Tuttavia spesso presentano costi elevati oppure metodologie di fusione delle immagini basate su tecniche di acquisizione parallele mediante diverse sonde che confluiscono poi su un software di ricostruzione che, acquisendo informazioni differenti, ricostruisce in un nuovo sistema le immagini in 3D.  Per esempio, il prodotto Esaote Virtual Navigator (VN) è costituito da un ecografo connesso ad una unità mobile che costituisce il sistema di navigazione, che è a sua volta costituito da un monitor LCD touch screen di 17”, un personal computer ed un sistema di guida elettromagnetico integrato alla sonda. I due sistemi sono connessi attraverso un cavo video necessario a fornire in real time l’immagine ecografica e da un cavo di rete usato per condividere le informazioni fra i due sistemi in tempo reale ad un modulo ulteriore che ricostruisce le immagini. Un altro esempio è il software Navisuite (MedCom GmbH, Germany) permette la correlazione tra volumi virtuali TAC/RM con il corpo del paziente, permettendo la fusione dei dati che provengono dalla 2° modalità di riferimento (TAC/RM) con quelli della prima modalità che è rappresentata dall’ecografia.

I sistemi precedentemente descritti, al di là di specifici limiti tecnici, presentano il limite di essere fortemente legati ad uno specifico hardware di riferimento. L’obiettivo di tale proposta è quello di lavorare direttamente sulle immagini utilizzando il formato DICOM per prelevare le informazioni, anche in formato anonimizzato e condurre analisi e studi diagnostici complessi.

Titoli di proprietà intellettuale:

Non sono state fatte ipotesi di brevetti almeno fino ad ora.

Principali applicazioni e mercato di riferimento:

L’obiettivo realizzativo finale che ci si prefigge è quello di industrializzare  un sistema prototipale per la gestione e l’integrazione delle informazioni mediche del paziente che si focalizzi sulla possibilità di creare un sistema avanzato di visualizzazione 3D delle immagini DICOM al supporto dell’analisi e dello studio delle anamnesi che integrerà tecnologie e soluzioni assolutamente innovative e troverà applicazione sia in ambito di ricerca medica che in ambito di soluzioni per aziende produttrici di dispositivi di diagnostica per immagini. Pensiamo a titolo esemplificativo ai benefici legati alla riproduzione 3D di una frattura ossea. Ciò può essere molto utile nella:

• formazione medica: Imparare a conoscere il corpo attraverso modelli in scala 1:1 è un’ esperienza completamente diversa rispetto a vederli sul monitor di un computer. La stampa 3D multimateriale può creare modelli realistici, precisi e versatili in poco tempo e con costi ridotti, evitando completamente i passaggi tradizionali della fabbricazione che rendono i modelli clinici per la formazione costosi. Con una sola stampa è possibile simulare qualsiasi cosa – tessuti molli e muscoli, cartilagini e ossa. Questi modelli hanno tutte le caratteristiche necessarie per mostrare e spiegare i concetti più importanti, compresi i più piccoli dettagli tattili e visivi
• preparazione dell’intervento chirurgico: la stampa 3D permette di riprodurre una frattura o una lesione in un modo che è praticamente identico alla condizione attuale del paziente; ciò consente di studiare ogni dettaglio e perfezionare l’approccio terapeutico prima di iniziare ad operare. Il modello, inoltre, può essere efficacemente utilizzato per simulare gli effetti dell’operazione che si sta per compiere. La prospettiva unica, dal punto di vista tipo tattile, spaziale e fisico che un modello in 3D realistico offre aumenta di molto la sicurezza, può ridurre seriamente.

Il mercato di riferimento della presente proposta è quello relativo ad aziende produttrici di dispositivi di diagnostica per immagini e ad applicazioni finalizzate alla messa a punto di algoritmi predittivi basati su intelligenza artificiale, ma tra i potenziali clienti si annoverano anche: le strutture sanitarie (870 milioni di spesa nel settore eHealth nello scorso anno), le Regioni (310 milioni di spesa nel settore eHealth nello scorso anno),  il ministero della Salute (16,6 milioni di spesa nel settore eHealth nello scorso anno).

Le prospettive di sviluppo del mercato della eHealth sono enormi, in grado di cambiare il paradigma della cura tradizionale in un modello predittivo e preventivo, permettendo ai servizi sanitari nazionali di operare in modo più efficiente e risparmiare risorse.  Il mercato dell’eHealth  oggi vale circa 150 miliardi di euro, di cui circa 20 in Europa. Nel 1970 la spesa pubblica dei paesi industrializzati per sostenere la sanità ammontava, a circa il 5% del pil, mentre oggi vale circa il 10%. Nel 2050, gli ottuagenari nel mondo saranno 434 milioni contro i 125 milioni di oggi e ci sarà, inevitabilmente, un’impennata di patologie croniche.

L’UE stima che il telemonitoraggio potrebbe migliorare i tassi di sopravvivenza del 15% e nel contempo ridurre il numero dei ricoveri in ospedale del 26% portando a un risparmio del 10% dei costi sanitari. La componente più innovativa del mercato della Sanità che si può circoscrivere allo Smart Health, fa riferimento a investimenti nelle piattaforme di telemedicina, nei wearables e nei dispositivi medicali indossabili, nell’mHealth e nel social health, nel gaming e nella realtà aumentata per la riabilitazione; tale mercato vale il 12% del mercato totale della Sanità ed è in forte crescita: +7,3% nel 2017 e + 9% nel 2018.

In Italia si  segnala una crescita annua del mercato eHealth dell’1,4 ed una spesa nello scorso anno pari a 1,27 miliardi (1,1% della spesa sanitaria pubblica, 21 euro per abitante).

Esigenze per l’ulteriore sviluppo – Industrializzazione:

Allo stato attuale i risultati della ricerca precedentemente descritta per la quale si intende avviare al percorso di valorizzazione costituiscono un prototipo il cui livello di maturità può essere classificato come TRL 4. Con la presente richiesta di finanziamento si intende avviare tali risultati ad una fase di industrializzazione che consenta una ingegnerizzazione dei moduli prototipali sopra descritti ed un posizionamento competitivo sul mercato di riferimento.