Vincitori Best Project Award FSE 2018

Premiazione Award Ceremony Best FSE Project DGR 11/2018 per il progetto BIPBIP in ambito healtcare IoT 

Quando?

6 Novembre dalle ore 9.30

Dove?

Orto botanico, Padova

Auditorium del Giardino della Biodiversità (ingresso da via Orto Botanico)

Di che cosa si tratta?

Mercoledi 6 Novembre si è tenuta la premiazione dei migliori progetti di innovazione, sviluppo e ricerca legati al finanziamento FSE (Fondo Sociale Europeo). Il progetto BIPBIP (ideato in ottica healthcare IoT), condotto insieme a Università di Verona e Humatics, è risultato il vincitore tra i 51 progetti che hanno ottenuto questo finanziamento. Il premio dimostra, ancora una volta, il nostro impegno concreto nell’innovazione sociale per creare valore reale mettendo al centro la qualità di vita delle persone, di tutti soprattutto di chi si trova in difficoltà e troppo spesso rimane inascoltato. EDALAB è in prima linea nel condurre progetti di innovazione tecnologica che mirino ad abbattere le barriere sociali, favorire l’inclusione e l’uguaglianza e garantire una migliore qualità di vita.

Abbiamo le tecnologie, abbiamo le competenze ma soprattutto abbiamo le persone per farlo. Crediamo che l’innovazione sia fine a sé stessa se non è in grado di contribuire a migliorare il mondo in cui viviamo, i nostri ingegneri e sviluppatori lavorano quotidianamente per creare reale valore nelle soluzioni che proponiamo ai nostri clienti.

Il nostro progetto innovativo

Il freezing della marcia (freezing of gait – FoG), caratterizzato da un’improvvisa, temporanea e involontaria incapacità di iniziare o continuare un movimento, rappresenta una delle più importanti cause di disabilità nelle persone con malattia di Parkinson. Esso non risponde alle terapia usualmente utilizzate per i sintomi motori e pertanto le persone che presentano FoG hanno costantemente bisogno di essere accompagnate da qualcuno che le sorregga e che le aiuti a uscire da ripetuti fenomeni di blocco motorio, generalmente aiutandole a cadenzare i passi. Il progetto BIPBIP, sviluppato in ambito healthcare IoT rivolto ai malati di Parkinson, ha permesso di progettare un sistema intelligente indossabile che sostituisce l’accompagnatore in tale funzione. Una volta indossato, il sistema è in grado di prevedere il verificarsi di un episodio di FoG analizzando in tempo reale, tramite accelerometri posizionati su anca, caviglia e schiena, i dati derivanti dalla camminata della persona, e di attivare di conseguenza uno stimolo tattile, tramite smartwatch, utile a evitare il FOG.

BIPBIP: Wearable IoT per la prevenzione FoG dei malati di Parkinson

Il congelamento dell’andatura (FoG) e l’ipotensione ortostatica (OH) sono sintomi comuni e invalidanti che si verificano negli stadi avanzati del morbo di Parkinson (PD) e aumentano il rischio di cadute. FoG e OH sono poco conosciuti e non rispondono o possono essere addirittura peggiorati dal trattamento levodopa e dopaminergico, perché la loro patogenesi è legata alla neurodegenerazione dei sistemi non dopaminergici del cervello e del sistema nervoso periferico.

Le prove pratiche delle sedute di fisioterapia hanno dimostrato che i pazienti con PD escono più facilmente e superano il FoG o ne riducono la durata quando sono stimolati esternamente con una stimolazione uditiva ritmica (RAS) (ad esempio, simulando una marcia militare).

La generazione di RAS generalmente causa imbarazzo al paziente quando sono presenti altre persone. Inoltre, richiede che il paziente sia assistito da un caregiver.

Le calze a compressione a vita alta che producono almeno 15-20 mm Hg di pressione, possono ridurre l’OH aumentando la pressione sanguigna, ma le calze sono scomode, devono essere indossate quando non è necessario, e i pazienti con PD lottano per indossare le calze, un certo numero di punti che limitano l’utilità delle calze a compressione nella vita quotidiana.

Inoltre, attualmente mancano efficaci strategie farmacologiche per FoG e OH.

Pertanto, il progetto mira a sviluppare un sistema intelligente, non invasivo e indossabile, in grado di valutare, prevedere ed essere applicato al trattamento di FoG e OH, indipendentemente dalla presenza di un caregiver, al fine di ridurre il rischio di cadute, migliorando così la qualità di vita del paziente e la partecipazione alle attività quotidiane.

Il sistema indossabile sarà composto da una coppia di calze elastiche intelligenti e da un’applicazione di controllo. Le calze saranno dotate di un processore incorporato, dove verrà eseguita l’applicazione di controllo, e di una serie di sensori che includono accelerometri, giroscopi, magnetometri e sensori di pressione sanguigna.

Inoltre, le calze saranno in grado di fornire al paziente stimoli tattili (es. vibrazioni ritmiche) e comprenderanno un dispositivo automatico di gonfiaggio/ritiro per aumentare il ritorno venoso e aumentare la pressione sanguigna. L’applicazione di controllo sfrutterà algoritmi basati sull’apprendimento automatico per valutare e prevedere FoG e OH analizzando i dati raccolti dai sensori delle calze. In particolare, i sensori permetteranno di riconoscere le attività del paziente (ad esempio, seduto, camminando, sdraiato, girando), lo stato motorio (ad esempio, ON, OFF, discinesia) e i parametri vitali (ad esempio, frequenza cardiaca, pressione sanguigna).

Una volta previsto FoG o OH, l’applicazione informerà le calze in modo tale da generare stimoli ritmici tattili o attivare il meccanismo di gonfiaggio/ritiro per, rispettivamente, aiutare il paziente a superare il FoG o ridurne la durata, e aumentare la pressione sanguigna durante la seduta o in piedi. In questo modo, la generazione di stimoli ritmici e la compressione delle gambe saranno attivati solo quando necessario.

I dati raccolti saranno anche accessibili a distanza dal medico in modo tale che l’andatura, le prestazioni motorie generali e la pressione sanguigna, a casa, possono essere facilmente monitorati durante il follow-up clinico di routine o su richiesta, per ottimizzare il trattamento del paziente.

Stadio di sviluppo

Allo stato attuale:

– Abbiamo sviluppato un algoritmo basato sull’apprendimento automatico per rilevare situazioni pre-FoG al fine di generare la stimolazione ritmica tattile prima che avvenga il FoG. I risultati preliminari su un dataset di 8 pazienti hanno mostrato una precisione media e un richiamo nel predire il FoG, riconoscendo gli episodi pre-FoG con specificità e sensibilità rispettivamente del 97% e del 94%;

– Abbiamo dimostrato che l’algoritmo può essere eseguito su un dispositivo con vincoli di risorse in termini di potenza di calcolo, dimensioni della memoria e consumo della batteria. Questo dimostra che l’algoritmo è adatto ad essere eseguito su un’unità di calcolo integrata nelle calze intelligenti.

I prossimi passi da compiere saranno:

– Valutazione dell’efficacia degli stimoli uditivi al posto di quelli tattili per aiutare il paziente a prevenire o uscire da episodi di FoG;

– Identificazione di un’azienda partner per la realizzazione di un tessuto elastico intelligente dotato di accelerometri, giroscopio, magnetometro, sensori di pressione sanguigna e di un meccanismo automatico integrato di gonfiaggio/ritiro;

– Sviluppo dell’applicazione di controllo per valutare e prevenire l’OH e notificare allo stoccaggio la necessità di comprimere le gambe;

– Testare l’intero sistema BIPBIP in ambito healthcare IoT in uno studio pilota che coinvolge un piccolo gruppo di pazienti.

Obiettivi futuri

In caso di successo del sistema proposto, i partner sono destinati a fondare una start-up per l’ingegnerizzazione del proof-of-concept e la commercializzazione del prodotto. Verrà lanciata una campagna di crowdfunding per sostenere inizialmente le attività di investimento.

Gli obiettivi clinici futuri comprenderanno l’esplorazione di come la tecnologia proposta possa essere combinata a strategie farmacologiche e riabilitative per meglio adattare il trattamento più appropriato ad ogni singolo paziente con PD avanzata. Data la mancanza di terapie efficaci per FoG, OH e per ridurre il rischio di cadute, la presente proposta potrebbe aprire la strada al miglioramento di questi risultati nella PD.

Partner: Università di Verona, EDALab s.r.l., Humatics s.r.l.

Importo finanziato: 75.000 euro

Attualmente il progetto ha superato il primo step di selezione ed è in fase di revisione da parte di MJFOX Foundation per ulteriori finanziamenti e sviluppi.

Teniamo a ringraziare i partner e le persone coinvolte in questo progetto.