ETD system

Electronic theses and dissertations repository

 

Tesi etd-03162019-093917


Thesis type
Tesi di laurea magistrale
Author
CRITELLI, MARIA LUIGIA
URN
etd-03162019-093917
Title
Sviluppo e sperimentazione di algoritmi per la rilevazione dei parametri spazio-temporali del cammino in pazienti Mild Cognitive Impairment durante l'esecuzione di esercizi motori e cognitivi
Struttura
INGEGNERIA DELL'INFORMAZIONE
Corso di studi
INGEGNERIA BIOMEDICA
Commissione
relatore Dott. Cavallo, Filippo
tutor Dott.ssa Fiorini, Laura
controrelatore Prof.ssa Di Puccio, Francesca
Parole chiave
  • MCI
  • Analisi dati
  • Dual Task
  • Implementazione algoritmi
  • Parametri spazio- temporali
Data inizio appello
24/04/2019;
Consultabilità
parziale
Data di rilascio
24/04/2089
Riassunto analitico
Le demenze e le sue forme prodromiche, come il Mild Cognitive Impairment (MCI), sono tra le più importanti sfide per la salute pubblica del ventunesimo secolo. L'Organizzazione Mondiale della Sanità (OMS) prevede che 115,4 milioni di persone soffriranno di demenza entro il 2050. Il MCI è stato designato come stadio transitorio, caratterizzato da lieve menomazione cognitiva, che si frappone tra l’invecchiamento fisiologico e la demenza [1]. Il MCI colpisce uno o più domini cognitivi, quali la memoria, le funzioni esecutive, l'attenzione, la lingua e le abilità visuo-spaziali. Esistono diversi sottotipi di MCI: MCI amnestico, il cui sintomo principale è il deterioramento della memoria, e MCI non amnestico, in cui sono principalmente interessati altri domini cognitivi. Il MCI viene classificato come dominio singolo o multiplo, a seconda del numero di domini cognitivi interessati [2]. Tra le diverse funzioni cognitive che possono essere compromesse c’è la pianificazione (planning), definita come la capacità di selezionare, eseguire, valutare e accettare o rifiutare sequenze di operazioni [3]. Sebbene i principali sintomi dell’MCI siano rappresentati, nel maggiore dei casi, da un decalage delle capacità mnemoniche o da impairment delle funzioni esecutive, la disfunzione motoria (compresa la deambulazione) è stata descritta come una caratteristica comune nei partecipanti con disabilità cognitive [4].
L'andatura non è più considerata solo un'attività motoria automatizzata, regolata da meccanismi subcorticali, che richiedono un impiego minino di risorse, ma un compito motorio complesso, avviato e governato da diverse aree del cervello. Sebbene la variabilità dell'andatura sia una caratteristica normale necessaria per adattarsi alle mutevoli condizioni di deambulazione, la variabilità elevata dell'andatura (oltre il 3%) è considerata un indicatore dell'andatura anormale. Gli adulti più anziani con disabilità cognitiva spesso hanno problemi di deambulazione rispetto agli anziani cognitivamente sani e quelli con problemi di deambulazione presentano un aumentato rischio di sviluppare disturbi cognitivi. Nell'ultimo decennio sono emerse prove a favore di un'interazione tra andatura e funzionamento cognitivo, suggerendo una diminuzione della capacità di attenzione che può accompagnare l'invecchiamento, evidenziato dal coinvolgimento corticale e sub-corticale del controllo dell'andatura. Quando il carico cognitivo è superiore alle risorse disponibili del soggetto, possono verificarsi deficit di andatura. Il load cognitivo potrebbe essere troppo alto a causa della difficoltà del compito e/o la possibilità di dispiegare le proprie risorse cognitive potrebbe essere troppo bassa a causa del sopraggiungere di una malattia neurodegenerativa [5]. In questo contesto, c’è stato un crescente interesse per la diagnosi precoce, per le strategie efficaci per la prevenzione e nel definire le anomalie dell'andatura e le caratteristiche neuropsicologiche che aiuteranno a identificare le persone che svilupperanno la demenza. Poiché si ritiene che la cognizione e l'andatura siano fortemente legate, i paradigmi “Motor and Cognitive Dual-Task” stanno diventando uno dei metodi più popolari per innescare, evidenziare e osservare anomalie dell'andatura in soggetti anziani sani e soggetti MCI [4].
In questo contesto è stato sviluppato il sistema Smartwalk [6] composto dal sensore inerziale indossabile SensorFoot a 9 assi posizionato sul piede dominante e da un software in grado di raccogliere i dati. Il sistema è stato pensato per poter dare una stimolazione dell’attenzione uditiva sostenuta mentre il soggetto cammina (dual-task).
Lo scopo di questo lavoro di tesi si è incentrato sul valutare se, a partire dal sistema Smartwalk, fosse possibile ricavare e analizzare i parametri del cammino, in modo da poter effettuare una classificazione delle performance motorie in base alla diagnosi clinica di MCI, in aggiunta al monitoraggio dei parametri dell’attenzione sostenuta. In particolar modo, il lavoro di tesi si pone come obiettivo quattro diverse ipotesi scientifiche di lavoro (Hp).
 Hp1: Investigare la presenza di differenze statistiche nei parametri del cammino, durante l’esecuzione di esercizi motori e cognitivi (Dual Task), tra i soggetti Older Sani e MCI.
 Hp2: Investigare la presenza di differenze statistiche nei parametri del cammino, durante l’esecuzione di esercizi motori e cognitivi (Dual Task), tra i soggetti MCI amnestici (a-MCI) e MCI non amnestici (na-MCI).
 Hp3: Investigare la presenza di differenze statistiche nei parametri dell'andatura durante l’esecuzione di esercizi motori e cognitivi (Dual Task), tra soggetti MCI con problemi di planning (p-MCI) e MCI senza problemi di planning (np-MCI).
 Hp4: Chiarire la codipendenza della capacità di eseguire atti motori e la capacità di eseguire compiti cognitivi di alto livello.
Sono stati considerati eleggibili per l’analisi 28 soggetti sani e 18 identificati come MCI, individuando così un gruppo diagnostico ed uno comparativo. Le caratteristiche mediche di base mostrano l’individuazione di 10 soggetti MCI amnestici, 8 MCI non amnestici, 9 soggetti MCI con problemi di planning e 7 senza problemi di planning. I soggetti sono stati divisi in gruppi di età: young (età compresa tra 18 e 30 anni), middle age (età compresa tra 31 e 55 anni), older (età superiore a 55 anni).
Lo sviluppo degli algoritmi è stato effettuato in linguaggio MATLAB® R2018b. Dopo aver filtrato il segnale acquisito, sono state ricavate un totale di 8 features, dai segnali del giroscopio e dell’accelerometro di cui disponeva il sensore inerziale. Per quanto riguarda il segnale del giroscopio, è stato analizzato il segnale di velocità angolare rispetto all’asse medio-laterale [7]. Dopo aver indivi-duato gli istanti di inizio e fine passo, sono state calcolate le proprietà ad ogni passo: Stride time, Swing time, Stance time, Relative stance time, Numero di passi, Cadenza. In seguito, è stato calco-lato l’integrale col metodo dei trapezi per estrarre la massima escursione dell'articolazione della cavi-glia. Per quanto riguarda i segnali dell’accelerazione, i segnali acquisiti lungo i tre assi (x, y, z) sono stati aggregati per calcolare il modulo dell’accelerazione. Dei parametri ricavati ne è stata calcolata la media e la deviazione standard.
I risultati hanno permesso di individuare differenze statistiche significative nei parametri del cammino tra i soggetti Older Sani e MCI, dimostrando la prima ipotesi di lavoro impostata in scopo di tesi (Hp1). Infatti, dal test statistico di Mann-Whitney, tutti i parametri, fatta eccezione per la deviazione standard dell’angolo di escursione della caviglia, sono risultati differire tra i gruppi confrontati (p < 0.05). Questi risultati sono stati confermati dal test statistico di Kruskal-Wallis che ha consentito il confronto multiplo includendo il gruppo di controllo: young + middle age.
I risultati non hanno permesso di individuare differenze statistiche significative nei parametri del cammino tra i soggetti MCI amnestici e MCI non amnestici (Hp2). Infatti, dal test statistico di Mann -Whitney, l’unico parametro che è risultato differire tra i gruppi confrontati (p < 0.05) è stato quello relativo alla media dell’Angolo di escursione della caviglia; anche dal test statistico di Kruskal-Wallis, che ha consentito il confronto multiplo includendo il gruppo Older Sani, non si sono avuti riscontri positivi e questo è conforme allo stato dell’arte, basti pensare al lavoro di Montero-Odasso del 2014 [8] in cui i soggetti MCI amnestici mostravano solo variabilità superiore nel parametro di Stride time rispetto ai soggetti MCI non amnestici.
I risultati hanno permesso di individuare differenze statistiche significative nei parametri del cammino, tra soggetti MCI con problemi di planning (p-MCI) e soggetti MCI senza problemi di planning (np-MCI), dimostrando la terza ipotesi di lavoro impostata in scopo di tesi (Hp3). I parametri che, dal test statistico di Mann- Whitney, sono risultati differire (p-value < 0.05) sono stati: media del Numero di passi, media Stride time, media Stance time, media Relative Stance time, Accelerazione, sia media che deviazione standard, media Cadenza. Dal test di Kruskal-Wallis, per confronti multipli, sono state trovate differenze tra soggetti p-MCI e np-MCI nei parametri di: media Stance time, media Relative Stance time e media Cadenza che invece non sono emerse dal confronto tra soggetti np-MCI e soggetti Older Sani. In effetti, sembra che i soggetti MCI senza problemi di planning abbiano prestazioni più simili ai soggetti anziani sani (Older Sani) rispetto ai soggetti MCI con problemi di planning MCI. Inoltre, questi ultimi risultati hanno confermato la stretta relazione che si ha tra la corteccia frontale, in particolare le reti DLPC (corteccia prefrontale dorsale sinistra), e la capacità di eseguire paradigmi Dual-task motori e cognitivi (Hp4), infatti, attività simultanee richieste agli anziani rappresentano più di uno sforzo cognitivo, il che si traduce in una notevole attivazione delle reti DLPC [9].
Il MCI rappresenta quello stadio del processo neurodegenerativo che può rispondere al trattamento per alterare la traiettoria della malattia e la gravità della compromissione è abbastanza sottile da consentire una soglia più alta di test cognitivi al fine di scoprire le influenze di diversi domini cognitivi sulla performance dell'andatura [10]. L'analisi quantitativa dell'andatura può essere vista come uno strumento clinico per aiutare l'identificazione dei soggetti MCI che hanno maggiori probabilità di progredire verso la demenza. Questa branca di ricerca può aiutare a fornire una migliore comprensione della fisiopatologia e della progressione della malattia agevolando i clinici nel processo diagnostico e nella pianificazione del trattamento, consentendo anche l'implementazione tempestiva di interventi terapeutici con l'obiettivo ultimo di migliorare o mantenere la mobilità e l'autonomia funzionale il più a lungo possibile. La ricerca futura dovrebbe essere focalizzata sull’aumentare il numero di partecipanti per corroborare lo studio. Il sistema SmartWalk potrebbe descrivere una nuova soluzione tecnologica in grado di affrontare diversi aspetti della valutazione clinica e del trattamento di soggetti con MCI, come la diagnosi, sia precoce che differenziale, ma anche la stimolazione dei soggetti, sia fisica che cognitiva.


[1] J. Janoutov, «Is mild cognitive impairment a precursor of Alzheimer's disease? Short review.» 2015.
[2] O. Beauchet, «Gait variability at fast-pace walking speed: A biomarker of mild cognitive impairment?» 2013.
[3] J. M. Unterrainer, «Planning abilities and the Tower of London: Is this task measuring a discrete cognitive function?» 2004.
[4] A. Nascimbeni, «Dual task-related gait changes in patients with mild cognitive impairment.» 2015.
[5] M. Tombu, «A central capacity sharing model of dual-task performance.» 2003.
[6] L. Fiorini, «Feasibility Study on the Assessment of Auditory Sustained Attention through Walking Motor Parameters in Mild Cognitive Impairments and Healthy Subjects.» 2017.
[7] A. Sabatini, «Assessment of Walking Features From Foot Inertial Sensing.» 2005.
[8] M. Montero-Odasso, «The Motor Signature of Mild Cognitive Impairment: Results From the Gait and Brain Study.» 2014.
[9] R. Rucco, «Spatio-temporal and kinematic gait analysis in patients with Frontotemporal dementia and Alzheimer’s disease through 3D motion capture.» 2017.
[10] A. Fleisher, «Clinical predictors of progression to Alzheimer disease in amnestic mild cognitive impairment.» 2007.

File