Machine Learning a supporto della telemedicina
Gruppo di lavoro
- Prof. Gennaro Laudato (Università degli Studi del Molise);
- Prof. Simone Scalabrino (Università degli Studi del Molise);
- Franco Boldi (XEOS);
- Paolo Torchitti (XEOS);
- Aldo Lazich (Centro veterani);
- Dott.ssa Nicoletta Balletti (Centro veterani);
- Dott.ssa Angela Rita Colavita (ASREM).
Descrizione
La telemedicina consiste nell’utilizzare la tecnologia al fine di fornire servizi sanitari a distanza. Questo tipo di servizio consente ai pazienti di accedere a cure mediche di alta qualità anche se non possono fisicamente raggiungere una struttura sanitaria. Ciò può essere particolarmente utile in aree remote o rurali, dove potrebbe essere difficile raggiungere un medico o un ospedale. I dispositivi indossabili (wearable) favoriscono la diffusione di sistemi di telemedicina grazie alla loro capacità di raccogliere ed elaborare dati. In uno scenario classico, è comunque richiesto l’intervento di un esperto umano (ad esempio, un medico) in grado di interpretare i segnali raccolti e fare diagnosi a partire da questi. Questo rende poco scalabili tali sistemi, poiché all’aumentare di assistiti deve aumentare necessariamente il numero di medici.
Questo tema di ricerca prevede lo studio e la definizione di tecniche basate su machine learning per l’individuazione automatica di possibili anomalie e patologie a partire da dati biosanitari (come l’ECG e onda del respiro).
Impatto
È stato progettato e implementato ATTICUS (Ambient-intelligent Tele-monitoring and Telemetry for Incepting and Catering over hUman Sustainability), un sistema di monitoraggio innovativo capace di raccogliere diversi parametri vitali degli assistiti (tra cui un ECG a 6 derivazioni) e individuare automaticamente una serie di patologie (come la fibrillazione atriale) attraverso un sistema di supporto alle decisioni (DSS) a tre livelli.
Pubblicazioni
1 | Balestrieri, E., Boldi, F., Colavita, A. R., De Vito, L., Laudato, G., Oliveto, R., … & Tudosa, I. (2019, June). The architecture of an innovative smart T-shirt based on the Internet of Medical Things paradigm. In 2019 IEEE International symposium on medical measurements and applications (MeMeA) (pp. 1-6). IEEE. | |
2 | Antico, M., Balletti, N., Laudato, G., Lazich, A., Notarantonio, M., Oliveto, R., … & Simeone, J. (2021). Postural control assessment via Microsoft Azure Kinect DK: An evaluation study. Computer Methods and Programs in Biomedicine, 209, 106324. | |
3 | Laudato, G., Picariello, F., Scalabrino, S., Tudosa, I., De Vito, L., & Oliveto, R. (2021, March). Morphological Classification of Heartbeats in Compressed ECG. In HEALTHINF (pp. 386-393). | |
4 | Laudato, G., Rosa, G., Scalabrino, S., Simeone, J., Picariello, F., Tudosa, I., … & Oliveto, R. (2020, February). MIPHAS: Military Performances and Health Analysis System. In HEALTHINF (pp. 198-207). | |
5 | Laudato, G., Oliveto, R., Scalabrino, S., Colavita, A. R., De Vito, L., Picariello, F., & Tudosa, I. (2020, June). Identification of R-peak occurrences in compressed ECG signals. In 2020 IEEE International Symposium on Medical Measurements and Applications (MeMeA) (pp. 1-6). IEEE. | |
6 | Laudato, G., Boldi, F., Colavita, A. R., Rosa, G., Scalabrino, S., Lazich, A., & Oliveto, R. (2021). Combining rhythmic and morphological ecg features for automatic detection of atrial fibrillation: Local and global prediction models. In Biomedical Engineering Systems and Technologies: 13th International Joint Conference, BIOSTEC 2020, Valletta, Malta, February 24–26, 2020, Revised Selected Papers 13 (pp. 425-441). Springer International Publishing. | |
7 | Laudato, G., Scalabrino, S., Colavita, A. R., Chiacchiari, Q., D’Orazio, R., Donadelli, R., … & Oliveto, R. (2021). ATTICUS: Ambient-intelligent Tele-monitoring and Telemetry for Incepting and Catering over hUman Sustainability. Frontiers in Human Dynamics, 3, 614309. |
|
8 | Rosa, G., Laudato, G., Colavita, A. R., Scalabrino, S., & Oliveto, R. (2021). Automatic Real-time Beat-to-beat Detection of Arrhythmia Conditions. In HEALTHINF (pp. 212-222). |
|
9 | Rosa, G., Russodivito, M., Laudato, G., Scalabrino, S., Colavita, A. R., & Oliveto, R. (2022). A Multi-Class Approach for the Automatic Detection of Congestive Heart Failure in Windowed ECG. Studies in Health Technology and Informatics, 290, 650-654. |
|
10 | Antico, M., Balletti, N., Ciccotelli, A., Ciccotelli, M., Laudato, G., Lazich, A., … & Simeone, J. (2021, September). A Virtual Assistant for Home Rehabilitation: the 2Vita-B Physical Project. In 2021 IEEE International Conference on Environment and Electrical Engineering and 2021 IEEE Industrial and Commercial Power Systems Europe (EEEIC/I&CPS Europe) (pp. 1-6). IEEE. |
|
11 | Laudato, G., Boldi, F., Colavita, A. R., Rosa, G., Scalabrino, S., Lazich, A., & Oliveto, R. (2021). Combining rhythmic and morphological ecg features for automatic detection of atrial fibrillation: Local and global prediction models. In Biomedical Engineering Systems and Technologies: 13th International Joint Conference, BIOSTEC 2020, Valletta, Malta, February 24–26, 2020, Revised Selected Papers 13 (pp. 425-441). Springer International Publishing. |
|
12 | Rosa, G., Russodivito, M., Laudato, G., Colavita, A. R., Vito, L. D., Picariello, F., … & Oliveto, R. (2023, January). Multi-class Detection of Arrhythmia Conditions Through the Combination of Compressed Sensing and Machine Learning. In Biomedical Engineering Systems and Technologies: 14th International Joint Conference, BIOSTEC 2021, Virtual Event, February 11–13, 2021, Revised Selected Papers (pp. 213-235). Cham: Springer International Publishing. |
|
13 | Laudato, G., Rosa, G., Capobianco, G., Colavita, A. R., Dal Forno, A., Divino, F., … & Oliveto, R. (2022). Simulating the Doctor’s Behaviour: A Preliminary Study on the Identification of Atrial Fibrillation through Combined Analysis of Heart Rate and Beat Morphology. In HEALTHINF (pp. 446-453). |
|
14 | Rosa, G., Russodivito, M., Laudato, G., Colavita, A. R., Scalabrino, S., & Oliveto, R. (2022). A Robust Approach for a Real-time Accurate Screening of ST Segment Anomalies. In HEALTHINF (pp. 69-80). |
|
15 | Antico, M., Balletti, N., Ciccotelli, A., Ciccotelli, M., Laudato, G., Lazich, A., … & Simeone, J. (2021). 2Vita-B Physical: An Intelligent Home Rehabilitation System Based on Microsoft Azure Kinect. Frontiers in Human Dynamics, 3, 678529. |