A procedure for the autonomic diagnosis of esophageal motor disorders from HRM data processing

La procedura per la diagnosi di patologie della motilità intestinale non può prescindere da una conoscenza appropriata dei meccanismi fisiologici che regolano il trasporto del cibo ingerito all’interno dell’intestino. Una delle regioni più studiate del tratto gastrointestinale, infatti, è l’esofago: una struttura tubolare in grado di trasportare il cibo dalla bocca allo stomaco mediante una precisa sequenza di contrazioni delle fibre muscolari longitudinali e circonferenziali chiamata peristalsi. Sfortunatamente, alcune patologie e processi degenerativi sono in grado di alterare questo meccanismo, generando dolore toracico, reflusso gastro-esofageo, difficoltà nella deglutizione e/o carcinoma dell’esofago in un numero crescente di soggetti, costituendo un grave problema socio-sanitario. Attualmente, la diagnosi di disturbi della motilità esofagea si svolge analizzando i risultati di un particolare esame clinico chiamato Manometria ad Alta Risoluzione (High Resolution Manometry – HRM), che consente di misurare l’evoluzione temporale della pressione intra-esofagea in diverse posizioni lungo esofago mediante un catetere trans-nasale appositamente progettato. In letteratura sono stati proposti diversi modelli per l’interpretazione di dati da manometria, ma con risultati spesso insoddisfacenti a causa di una valutazione impropria della distribuzione eterogenea delle proprietà fisio-meccaniche dell’esofago e di una inadeguata definizione della loro relazione con i parametri di modello utilizzati. Inoltre, l’identificazione di tali parametri è stata fatta sulla base di dataset ridotti. Oggi, le linee guida per la diagnosi di disordini motori dell’esofago sono definite dalla Classificazione di Chicago (Chicago Classification – CC): un algoritmo gerarchico che individua la patologia sulla base di parametri specifici estratti dall’analisi di dati da HRM. Il punto debole della CC consiste nella necessità di personale specializzato per il calcolo dei parametri, introducendo inevitabilmente variabilità intra- e inter-operatore nei confronti della diagnosi effettuata. In questa ricerca è stata analizzata la motilità esofagea, con l’obiettivo di sviluppare un modello fisiologico in grado di interpretare risultati da esami di HRM. Tale modello è stato definito mediante parametri collegati direttamente a proprietà fisio-meccaniche specifiche dell’esofago, considerando la loro distribuzione eterogenea. Le attività hanno previsto l’implementazione di una procedura per l’individuazione automatica di disfunzioni motorie dell’esofago, basata sull’analisi di dati da HRM. Sono stati quindi definiti alcuni criteri oggettivi per supportare la figura del clinico durante l’attività diagnostica tradizionale di disordini motori dell’esofago. Il modello fisiologico è stato sviluppato per valutare la mappa pressoria generata dal passaggio di una generica onda di pressione. Con riferimento a tale modello, sono stati individuati i set di parametri ottimali per interpretare al meglio gli esami HRM di ciascuno dei soggetti di un training set composto da 229 pazienti e 35 volontari sani. Tutti i soggetti sono stati raggruppati in diverse categorie sulla base del corrispondente stato di salute: normali (73+35 soggetti), Acalasia I (34), Acalasia II (44), Acalasia III (7), ostruzione della giunzione gastro-esofagea (39), sfintere inferiore ipertensivo (9), esofago schiaccianoci (14) e Spasmo Esofageo Diffuso (9). I parametri così identificati sono stati analizzati statisticamente per valutare la loro distribuzione in ciascuna categoria. Le distribuzioni di tali parametri costituiscono la base per lo sviluppo della procedura di diagnosi automatica. Infatti, la condizione di salute di un generico paziente può essere determinata calcolando un “indice di similarità” definito appositamente per rappresentare numericamente l’affinità tra i parametri specifici del paziente e le distribuzioni dei parametri delle diverse categorie del training set. E’ stato così costituito un set preliminare di dati da manometria ad alta risoluzione, corrispondente a soggetti sani e patologici per sviluppare e testare il software sviluppato. L’adeguatezza del modello fisiologico per quanto riguarda l’interpretazione di dati da HRM è stata accertata valutando il coefficiente di determinazione R2 tra i dati sperimentali e i risultati di modello, il quale variava tra 83% e 96% nelle diverse categorie. L’applicazione del modello a ogni soggetto del training set ha permesso inoltre di valutare la distribuzione dei parametri in diverse condizioni di salute. A ulteriore sostegno dell’adeguatezza del modello, è stato osservato che le differenze nelle distribuzioni di parametri tra soggetti sani e patologici sono state riscontrate in corrispondenza delle regioni dell’esofago colpite dalle diverse patologie. Infine, l’affidabilità della procedura di diagnosi automatica è stata valutata analizzando la performance dell’algoritmo, il quale si è dimostrato in grado di individuare la diagnosi corretta nell’86% dei casi considerati. I risultati ottenuti indicano che gli strumenti computazionali sviluppati possono rappresentare un valido sostegno per il personale medico durante l’attività diagnostica tradizionale. Per quanto riguarda gli sviluppi futuri della ricerca, dal momento che le distribuzioni dei parametri costituiscono il fondamento della procedura di diagnosi automatica, le prestazioni del software possono essere migliorate considerando un training set più grande, condividendolo con altri centri di ricerca ed aggiornandolo continuamente. Inoltre, la procedura di diagnosi automatica può essere estesa e resa capace di effettuare diagnosi sulla base di ulteriori esami clinici in grado di fornire informazioni sulla conducibilità, morfometria e comportamento meccanico delle strutture biologiche coinvolte. Queste informazioni potrebbero quindi essere raccolte mediante un unico test clinico per ridurre costi di indagine e invasività per il paziente, e potrebbero essere svolti in contemporanea mediante una sonda endoscopica innovativa già in fase di sviluppo.