Da ENEL Ricerca è nata l’applicazione all’analisi del morbo di Parkinson di metodologie per la diagnostica di combustione nei generatori di vapore e nelle turbine a gas.
di Gennaro De Michele
La diagnostica medica e la diagnostica industriale stanno divenendo rapidamente un terreno comune di ricerca e sviluppo. Infatti, se da un lato i sistemi di allarme e controllo degli impianti richiedono la raccolta e l’elaborazione di segnali complessi, dall’altro in campo medico la prevenzione e la diagnosi precoce rappresentano una spinta formidabile allo sviluppo di nuovi sistemi di analisi. Non sono quindi rari trasferimenti di know-how tra questi due settori.
Il caso qui descritto nasce da un’idea della Ricerca dell’ENEL e consiste nell’applicare le metodologie impiegate per la diagnostica di combustione nei generatori di vapore e nelle turbine a gas degli impianti termoelettrici, all’analisi della malattia di Parkinson.
Un sistema di combustione, specialmente quando alimentato con combustibile gassoso, anche se normalmente opera stabilmente, può, per cause non sempre determinabili, cominciare a oscillare producendo onde di pressione di notevole entità che possono portare alla fermata degli impianti e talvolta alla rottura delle macchine causando ingenti danni. è la cosiddetta instabilità di combustione, un fenomeno complesso e difficile da governare studiato in tutto il mondo nel tentativo di trovare soluzioni efficaci. Uno degli approcci della Ricerca dell’ENEL, che su questo tema è molto attiva, consiste nel cercare tra i numerosi segnali provenienti dalle fiamme i sintomi dell’instabilità con lo scopo di realizzare un sistema di controllo in grado di intervenire tempestivamente.
I segnali provenienti dai sistemi di combustione, onde acustiche e radiazioni elettromagnetiche, sono però di natura complessa e richiedono metodologie di analisi sofisticate. Tra le molte tecniche provate la cosiddetta wavelet-analysis si è dimostrata molto efficace poiché permette di analizzare segnali fortemente variabili nel tempo, di correlare tra loro le grandezze misurate e di ricavare informazioni sintetiche e quantitative utilizzabili direttamente dai sistemi di allarme e controllo.
Normalmente l’analisi di Fourier rappresenta uno strumento adeguato per individuare e quantificare le fluttuazioni di tipo periodico e stazionario nelle serie temporali. Nel caso di fenomeni multiscala di tipo intermittente e variabili nel tempo, come quelli della combustione e della maggior parte dei processi biologici, la trasformata wavelet è in grado di individuare efficacemente le variazioni temporali del contenuto di frequenze; essa rappresenta infatti una decomposizione localizzata ottimale della serie temporale, considerata come funzione del tempo e della frequenza, mediante un integrale di convoluzione.
In questa ricerca, svolta in collaborazione con il Dipartimento di Neuroscienze dell’Università di Pisa, l’analisi wavelet è stata applicata ai segnali elettromiografici delle alterazioni motorie causate dal morbo di Parkinson con l’ambizioso obiettivo di effettuare una diagnosi precoce della malattia e valutare quantitativamente il suo livello di gravità.
Acinesia, bradicinesia e ipometria sono alcuni sintomi del morbo di Parkinson, responsabili della difficoltà o incapacità di iniziare un movimento (acinesia), della riduzione di velocità (bradicinesia) e dell’escursione angolare (ipometria).
Nei soggetti sani i movimenti rapidi sono generati con l’attivazione di un pattern trifasico composto da un iniziale burst dei muscoli agonisti, seguito da un burst degli antagonisti e da un burst finale dei muscoli agonisti. Il pattern trifasico può essere preceduto da un fenomeno di inibizione presente sia nei muscoli agonisti, (silenzio premotorio), che in quelli antagonisti.
L’attivazione del muscolo agonista, nei soggetti affetti dal morbo di Parkinson, può essere anomalo: spesso durante il movimento rapido sono generati diversi cicli di alternanza elettromiografica agonista-antagonista per eseguire il movimento.
In genere le valutazioni sul grado di sviluppo della malattia avvengono in modo semiquantitativo, mediante la scala di valutazione UPDRS (Unified Parkinson’s Disease Rating Scale) o mediante analisi dei parametri cinematici su valutazioni statistiche standard dei tracciati elettromiografici (EMG).
L’elettromiografia di superficie è un test capace di registrare le correnti elettriche che passano attraverso i muscoli quando essi si contraggono o si rilasciano. L’esame si esegue ponendo semplicemente due elettrodi sui gruppi muscolari che si vogliono studiare e fornisce un tracciato simile a quello dell’elettrocardiogramma. Non sempre è però possibile dalla forma di questi segnali valutare in modo chiaro le differenze nei vari soggetti con disfunzioni motorie e correlare in modo chiaro e univoco le caratteristiche cliniche e cinematiche con i tracciati EMG in tutte le situazioni patologiche. Questo impedisce anche di formulare modelli adeguati per interpretare i meccanismi neurologici di base che portano alle disfunzioni motorie osservate. L’impiego della nuova metodologia basata sulle analisi wavelet di cross-correlazione dei segnali EMG supera questi limiti.
I protocolli sperimentali utilizzati nella ricerca sono due: il primo consiste nello studio di segnali EMG antagonisti della spalla, come il grande pettorale e il deltoide posteriore, durante un rapido movimento del braccio, mentre il secondo consiste nel valutare il movimento flessorio del gomito su un tavolino a diversi angoli di estensione; è a questi due movimenti che è stata applicata la WAES®. La tecnica WAES® (Wavelet Analysis for Electromyographic Signals) fornisce una mappa (tempo-frequenza) di cross-correlazione tra due segnali EMG e quindi dell’evoluzione temporale del contenuto energetico comune ai relativi muscoli antagonisti e consente di vedere immediatamente la distribuzione dell’energia di cross-correlazione tra la coppia di segnali EMG costituendo una sorta di fingerprint dello stato del soggetto esaminato. è possibile inoltre derivare una grandezza globale, chiamata PDI (Parkinson Disease Index), che rappresenta l’integrale di correlazione valutato su tutte le frequenze e sugli intervalli di tempo significativi della mappa di cross-correlazione. Maggiore è il valore del PDI e più alto è il livello di disfunzione e di mancata modulazione del coordinamento motorio del soggetto.
La ricerca ha dimostrato che il PDI è un indice quantitativo non equivoco, rappresentativo e discriminante del grado di sviluppo della malattia; esso infatti è una funzione del tempo monotona e crescente nel caso di soggetto affetto dalla malattia di Parkinson e questa proprietà ben rappresenta la caratteristica progressiva e irreversibile della malattia.
Sulla base dei risultati ottenuti nei due protocolli sperimentali si è visto che è possibile associare a ogni movimento una soglia numerica empirica che separa statisticamente i soggetti sani dai soggetti con malattia sviluppata.
Seguendo l’evoluzione del tempo di un dato paziente è inoltre possibile valutare, tramite la stima della derivata temporale del parametro PDI, la velocità di aggravamento della malattia e fornire così delle indicazioni sul suo probabile sviluppo futuro, è possibile cioè effettuare una prognosi precoce.
Le prove hanno mostrato la non equivocità del PDI; questa caratteristica è stata accertata attraverso l’analisi post-farmaco dei pazienti che ha evidenziato il ripristino dei valori iniziali dell’indice una volta terminato l’effetto del trattamento farmacologico (assenza di cicli di isteresi del sistema paziente-farmaco).
L’analisi delle mappe wavelet e la misura del PDI consentono infine di valutare in modo quantitativo l’efficacia di un trattamento farmacologico. In particolare, misurando l’andamento nel tempo del PDI dopo l’assunzione di un farmaco, è possibile verificarne rapidamente l’efficacia e individuare la terapia più opportuna.
Il successo della sperimentazione, che ha spinto l’Enel a brevettare la WAES® in tutto il mondo, ha suscitato l’interesse di alcune aziende che operano in campo biomedico come la BTS (Bioengineering Technics System) che ha deciso di sperimentare la WAES® presso alcuni laboratori specializzati con l’obiettivo di commercializzare il nuovo sistema diagnostico nel corso del 2004.
Gennaro De Michele è responsabile di ENEL Ricerca
Riferimenti bibliografici
De Michele G., Sello S., Carboncini M.C., Rossi B., Strambi S., Cross-correlation time-frequency analysis for multiple EMG signals in Parkinson’s disease: a wavelet approach, «Medical Engineering and Physics» 2003; 25(5): 631-639.
Strambi S., Rossi B., De Michele G., Sello S., Effect of medication in Parkinson’s disease: a wavelet analysis of EMG signals, «Medical Engineering and Physics», in press.
Centri di prova WAES®
– Università Vita-Salute San Raffaele, Milano;
– Associazioni Oasi Maria SS., Catania;
– Ospedale Santa Corona, Savona;
– Casa di Cura La Residenza, Cuneo;
– Casa di Cura Sol et Salus, Rimini.
