SlideShare a Scribd company logo
1 of 21
MODELLI E STRUMENTI SOFTWARE PER LA VALUTAZIONE DEI PROTOCOLLI DI TERAPIA INSULINICA INTENSIVA IN PAZIENTI OSPEDALIZZATI Relatore Chiar.mo Prof. Riccardo Bellazzi Tesi di Armandola Cesare
Svolgimento dell’attività di tirocinio presso l’Azienda Ospedaliera Niguarda Ca’ Granda di Milano La collaborazione con l’A.O. nasce dall’esigenza dei medici di automatizzare e validare i protocolli usati per la terapia insulinica intensiva in pazienti diabetici ospedalizzati Tirocinio:
Obiettivi:
Algoritmi di terapia insulinica intensiva utilizzati al Niguarda Ca’ Granda
 
 
 
Implementazione software Per l’editing in Access è richiesta la conoscenza del linguaggio di programmazione  Visual Basic. Per lo storing dei dati e per fornire un adeguato S.S.D. si è deciso di realizzare tre piccole applicazioni in Access (una per ogni algoritmo). La scelta di questo DB deriva dalla sua immediatezza e semplicità di utilizzo, requisiti necessari per consentire una rapida automazione dei reparti.
Immagazzinamento dei dati: DB relazionale S.S.D.
Interfaccia finale  Access  – SM Al momento sono disponibili le registrazioni di  30  ricoveri
Interfaccia finale  Access  – C Al momento sono disponibili le registrazioni di  40  ricoveri
Interfaccia finale  Access  – TP
Simulazione del paziente diabetico
Modello della dinamica glucosio-insulina  per paziente ospedalizzato  Modello a compartimenti che descrive il funzionamento dell’organismo (dal punto di vista della dinamica glucosio-insulina) nei soggetti affetti da diabete di tipo I. Ogni compartimento, dal punto di vista matematico, basa il suo funzionamento su sistemi di equazioni differenziali. Vediamo ad esempio il sottosistema glucosio. Sistema di equazioni differenziali del sottosistema glucosio
Modello completo
Modello in  Simulink
Interfaccia finale di simulazione Scelta algoritmo input
Dati raccolti
Valutazioni degli algoritmi  parametro variante: G iniziale Vedi tabelle precedenti
Valutazioni degli algoritmi  parametro variante: Vmx Prendiamo ad esempio il caso C.  Si nota l’effetto prodotto dall’incremento del parametro V mx  : il tempo di raggiungimento dello steady-state diminuisce ed inoltre si nota un cambiamento della risposta nelle prime ore di trattamento.
Conclusioni

More Related Content

Similar to Modelli E Strumenti Software Per La Valutazione Di Protocolli Di Terapia Insulinica Intensiva In Pazienti Ospedalizzati

MACHINE LEARNING, SUPERVISED LEARNING: UN SEMPLICE METODO PER DIAGNOSTICARE I...
MACHINE LEARNING, SUPERVISED LEARNING: UN SEMPLICE METODO PER DIAGNOSTICARE I...MACHINE LEARNING, SUPERVISED LEARNING: UN SEMPLICE METODO PER DIAGNOSTICARE I...
MACHINE LEARNING, SUPERVISED LEARNING: UN SEMPLICE METODO PER DIAGNOSTICARE I...convegnonazionaleaiic
 
Modelli di Durata: un'analisi sull'utilizzo del portale Web dell'Università d...
Modelli di Durata: un'analisi sull'utilizzo del portale Web dell'Università d...Modelli di Durata: un'analisi sull'utilizzo del portale Web dell'Università d...
Modelli di Durata: un'analisi sull'utilizzo del portale Web dell'Università d...Nicola Procopio
 
APPLICAZIONE DEL METODO IDEF0 PER LA RIORGANIZZAZIONE FUNZIONALE DEL PERCORSO...
APPLICAZIONE DEL METODO IDEF0 PER LA RIORGANIZZAZIONE FUNZIONALE DEL PERCORSO...APPLICAZIONE DEL METODO IDEF0 PER LA RIORGANIZZAZIONE FUNZIONALE DEL PERCORSO...
APPLICAZIONE DEL METODO IDEF0 PER LA RIORGANIZZAZIONE FUNZIONALE DEL PERCORSO...convegnonazionaleaiic
 
Il progetto EffiCity: Sistemi energetici efficienti per distretti urbani inte...
Il progetto EffiCity: Sistemi energetici efficienti per distretti urbani inte...Il progetto EffiCity: Sistemi energetici efficienti per distretti urbani inte...
Il progetto EffiCity: Sistemi energetici efficienti per distretti urbani inte...Confindustria Emilia-Romagna Ricerca
 
Automi probabilistici temporali e loro verifica formale
Automi probabilistici temporali e loro verifica formaleAutomi probabilistici temporali e loro verifica formale
Automi probabilistici temporali e loro verifica formaleOrlando Selenu
 
IMPROVE 4.0
IMPROVE 4.0IMPROVE 4.0
IMPROVE 4.0nextsrl
 
Analisi dati e machine learning per la gestione delle utenze nel teleriscalda...
Analisi dati e machine learning per la gestione delle utenze nel teleriscalda...Analisi dati e machine learning per la gestione delle utenze nel teleriscalda...
Analisi dati e machine learning per la gestione delle utenze nel teleriscalda...Emanuele Mason
 
Efficity Sistemi energetici efficienti per distretti urbani intelligenti
Efficity Sistemi energetici efficienti per distretti urbani intelligentiEfficity Sistemi energetici efficienti per distretti urbani intelligenti
Efficity Sistemi energetici efficienti per distretti urbani intelligentiConfindustria Emilia-Romagna Ricerca
 

Similar to Modelli E Strumenti Software Per La Valutazione Di Protocolli Di Terapia Insulinica Intensiva In Pazienti Ospedalizzati (9)

Progetto linfa
Progetto linfaProgetto linfa
Progetto linfa
 
MACHINE LEARNING, SUPERVISED LEARNING: UN SEMPLICE METODO PER DIAGNOSTICARE I...
MACHINE LEARNING, SUPERVISED LEARNING: UN SEMPLICE METODO PER DIAGNOSTICARE I...MACHINE LEARNING, SUPERVISED LEARNING: UN SEMPLICE METODO PER DIAGNOSTICARE I...
MACHINE LEARNING, SUPERVISED LEARNING: UN SEMPLICE METODO PER DIAGNOSTICARE I...
 
Modelli di Durata: un'analisi sull'utilizzo del portale Web dell'Università d...
Modelli di Durata: un'analisi sull'utilizzo del portale Web dell'Università d...Modelli di Durata: un'analisi sull'utilizzo del portale Web dell'Università d...
Modelli di Durata: un'analisi sull'utilizzo del portale Web dell'Università d...
 
APPLICAZIONE DEL METODO IDEF0 PER LA RIORGANIZZAZIONE FUNZIONALE DEL PERCORSO...
APPLICAZIONE DEL METODO IDEF0 PER LA RIORGANIZZAZIONE FUNZIONALE DEL PERCORSO...APPLICAZIONE DEL METODO IDEF0 PER LA RIORGANIZZAZIONE FUNZIONALE DEL PERCORSO...
APPLICAZIONE DEL METODO IDEF0 PER LA RIORGANIZZAZIONE FUNZIONALE DEL PERCORSO...
 
Il progetto EffiCity: Sistemi energetici efficienti per distretti urbani inte...
Il progetto EffiCity: Sistemi energetici efficienti per distretti urbani inte...Il progetto EffiCity: Sistemi energetici efficienti per distretti urbani inte...
Il progetto EffiCity: Sistemi energetici efficienti per distretti urbani inte...
 
Automi probabilistici temporali e loro verifica formale
Automi probabilistici temporali e loro verifica formaleAutomi probabilistici temporali e loro verifica formale
Automi probabilistici temporali e loro verifica formale
 
IMPROVE 4.0
IMPROVE 4.0IMPROVE 4.0
IMPROVE 4.0
 
Analisi dati e machine learning per la gestione delle utenze nel teleriscalda...
Analisi dati e machine learning per la gestione delle utenze nel teleriscalda...Analisi dati e machine learning per la gestione delle utenze nel teleriscalda...
Analisi dati e machine learning per la gestione delle utenze nel teleriscalda...
 
Efficity Sistemi energetici efficienti per distretti urbani intelligenti
Efficity Sistemi energetici efficienti per distretti urbani intelligentiEfficity Sistemi energetici efficienti per distretti urbani intelligenti
Efficity Sistemi energetici efficienti per distretti urbani intelligenti
 

Modelli E Strumenti Software Per La Valutazione Di Protocolli Di Terapia Insulinica Intensiva In Pazienti Ospedalizzati

  • 1. MODELLI E STRUMENTI SOFTWARE PER LA VALUTAZIONE DEI PROTOCOLLI DI TERAPIA INSULINICA INTENSIVA IN PAZIENTI OSPEDALIZZATI Relatore Chiar.mo Prof. Riccardo Bellazzi Tesi di Armandola Cesare
  • 2. Svolgimento dell’attività di tirocinio presso l’Azienda Ospedaliera Niguarda Ca’ Granda di Milano La collaborazione con l’A.O. nasce dall’esigenza dei medici di automatizzare e validare i protocolli usati per la terapia insulinica intensiva in pazienti diabetici ospedalizzati Tirocinio:
  • 4. Algoritmi di terapia insulinica intensiva utilizzati al Niguarda Ca’ Granda
  • 5.  
  • 6.  
  • 7.  
  • 8. Implementazione software Per l’editing in Access è richiesta la conoscenza del linguaggio di programmazione Visual Basic. Per lo storing dei dati e per fornire un adeguato S.S.D. si è deciso di realizzare tre piccole applicazioni in Access (una per ogni algoritmo). La scelta di questo DB deriva dalla sua immediatezza e semplicità di utilizzo, requisiti necessari per consentire una rapida automazione dei reparti.
  • 9. Immagazzinamento dei dati: DB relazionale S.S.D.
  • 10. Interfaccia finale Access – SM Al momento sono disponibili le registrazioni di 30 ricoveri
  • 11. Interfaccia finale Access – C Al momento sono disponibili le registrazioni di 40 ricoveri
  • 12. Interfaccia finale Access – TP
  • 14. Modello della dinamica glucosio-insulina per paziente ospedalizzato Modello a compartimenti che descrive il funzionamento dell’organismo (dal punto di vista della dinamica glucosio-insulina) nei soggetti affetti da diabete di tipo I. Ogni compartimento, dal punto di vista matematico, basa il suo funzionamento su sistemi di equazioni differenziali. Vediamo ad esempio il sottosistema glucosio. Sistema di equazioni differenziali del sottosistema glucosio
  • 16. Modello in Simulink
  • 17. Interfaccia finale di simulazione Scelta algoritmo input
  • 19. Valutazioni degli algoritmi parametro variante: G iniziale Vedi tabelle precedenti
  • 20. Valutazioni degli algoritmi parametro variante: Vmx Prendiamo ad esempio il caso C. Si nota l’effetto prodotto dall’incremento del parametro V mx : il tempo di raggiungimento dello steady-state diminuisce ed inoltre si nota un cambiamento della risposta nelle prime ore di trattamento.

Editor's Notes

  1. Buon pomeriggio a tutti, mi chiamo Cesare Armandola e questo è il titolo della mia tesi: modelli e strumenti software per la valutazione dei protocolli di terapia insulinica intensiva in pazienti ospedalizzati.
  2. La mia tesi per la laurea triennale nasce dall’attività di tirocinio svolta presso l’Azienda Ospedaliera Niguarda Ca’ Granda di Milano, uno dei centri più importanti in Italia in campo medico-diabetologico. L’attività di tirocinio mi è stata proposta dal Prof. Bellazzi, mio relatore e punto di riferimento universitario per una corretta preparazione del lavoro svolto. L’idea di questa attività nasce da una richiesta precisa dei medici del Niguarda, in particolare dal mio tutore aziendale il Dott. Bertuzzi, ovvero automatizzare e validare i protocolli usati per la terapia insulinica intensiva in pazienti diabetici ospedalizzati.
  3. Entrando nello specifico della mia attività, gli obiettivi che ci siamo preposti di raggiungere (spero con merito!!), si dividono in due macrocategorie: Creare una piccola applicazione (in Access) in grado di raccogliere i valori glicemici dei pazienti ricoverati in reparto (sia nuovi, che eventualmente di pazienti precedentemente ricoverati in questa struttura dei quali si vuole tenere traccia per validazioni future) e realizzare, sempre nella stessa applicazione, un cosiddetto Sistema di Supporto alle Decisioni mediche, basato su dei protocolli di terapia usati nella struttura (a breve entrerò nel dettaglio) Realizzare una seconda applicazione (in Matlab) che implementi i suddetti protocolli di terapia e che sia in grado di simulare le diverse risposte glicemiche che ciascuno di essi è in grado di produrre in un paziente: per far ciò si dispone di un modello matematico apposito, come vedremo in seguito.
  4. Ora illustrerò brevemente gli algoritmi di terapia attualmente in uso al Ca’ Granda Niguarda precisando che più che algoritmi sono protocolli veri e propri, in quanto elencano procedure pratiche da compiere, ossia sostanzialmente individuare caso per caso e misurazione dopo misurazione la dose insulinica necessaria da infondere al paziente, per un migliore e rapido raggiungimento dell’euglicemia,ossia del target glicemico): AREA NON CRITICA (quindi i reparti di Medicina Interna e specialità Mediche, Chirurgia Generale e Specialistica)  algoritmo SM (scompenso-mantenimento) AREA CRITICA (ovvero i reparti Terapia Intensiva, Unità di Cura Intensiva Coronarica, Centro Ustioni)  algoritmo C (critico) AREA OSTETRICIA  algoritmo TP (quest’ultimo trova utilizzo in un reparto ben specifico della struttura ospedaliera)
  5. Ora presenterò i cartacei con i quali attualmente gli operatori sanitari della struttura seguono i protocolli di terapia insulinica: L’algoritmo Scompenso-mantenimento ha come INPUT la Glicemia iniziale (mg/dl), in base alla quale, mediante una formula apposita, viene calcolata l’infusione iniziale e si valuta la possibilità di procedere con l’iniezione di un bolo, sempre per via endovenosa.
  6. L’algoritmo C come INPUT, oltre alla Glicemia iniziale (mg/dl) come prima, prevede che nei casi di gm<50 mg/dl e gm compresa tra 50 e 74 mg/dl, venga specificato lo stato del paziente (sintomatico/asintomatico): Sintomatico significa quando il paziente presenta segni o sintomi clinici. Asintomatico invece è caso contrario al precedente, ossia quando il paziente non presenta segni o sintomi clinici. L’ingresso in uno di quei due range glicemici prima citati determina lo stop di infusione di insulina, e allo stesso tempo determina la preparazione di infusioni di glucosata, peculiarità dei soli protocolli per l’area critica e per l’area ostetricia.
  7. L’algoritmo Travaglio-post-parto invece come INPUT, oltre alla Glicemia iniziale, prevede che gli venga fornito la quantità totale insulina nelle 24 ore precedenti al ricovero in Unità. Cos’è l’unità? Scusate il gioco di parole, ma l’unità è proprio una unità di misura usata in campo medico per la preparazione di infusioni, per via della sua semplicità e praticità di utilizzo.
  8. Per raggiungere il primo obiettivo (storing dei dati e S.S.D.) si è deciso di adottare il software Access, della suite di Office (Microsoft), poiché questo DB risulta estremamente diffuso e quindi facile da usare per gli operatori sanitari. (FRECCIA AVANTI) Ovviamente per fornire il servizio di supporto alle decisioni è stato necessario “far apprendere” all’applicazione i protocolli di terapia, quindi si è dovuti ricorrere alla programmazione via codice per l’implementazione. Per l’editing in Access è richiesta la conoscenza del linguaggio Visual Basic (non insegnato in nessun corso universitario). Sono state prodotte tre piccole applicazioni (una per ciascun protocollo).
  9. In questa slide si vede come alla semplice raccolta dati è stato associato il codice che supporta l’operatore nelle decisioni grazie al codice visual basic.
  10. Risultato finale  interfaccia SM. Nelle tre interfacce la disposizione degli oggetti è la medesima: nella parte alta si può inserire un nuovo paziente o cercarne uno già esistente, evidenziando così nella parte centrale l’evoluzione temporale delle sue visite, con i rispettivi valori glicemici rilevati, la data-ora della visita, i dosaggi infusi, l’algoritmo utilizzato e i tempi di misurazione successivi. Nella parte bassa invece si possono inserire i dati relativi alla visita in corso, ovvero data-ora e valore di glicemia rilevato: una volta inserito quest’ultimo dato l’applicazione rende all’operatore il valore di infusione insulinica da effettuare; si evince così l’aspetto di supporto alla decisione medica delle mie applicazioni. Attualmente per questo algoritmo sono stati raccolti dati di 30 ricoveri nel reparto di diabetologia del Niguarda.
  11. Risultato finale  interfaccia C A differenza di prima, per questo algoritmo sono stati raccolti dati di 40 ricoveri.
  12. Risultato finale  interfaccia TP Per completezza di informazione ho riportato anche l’interfaccia dell’area ostetricia. Per questo algoritmo invece attualmente non ci sono registrazioni disponibili.
  13. Per quanto riguarda il secondo obiettivo, è stato necessario mettere a punto un sistema per la simulazione dei protocolli che utilizzasse un modello realistico del paziente Diabetico. In particolare, fondendo insieme il modello matematico del paziente diabetico (ideato dal prof. Cobelli e dal suo team dell’Università di Padova ed approvato dalla Food and Drug Administration Statunitense in luogo della sperimentazione animale nei trial dei metodi di controllo in anello chiuso della glicemia) + i’implementazione del modello in Simulink + l’implementazione dei protocolli in Matlab hanno permesso la realizzazione del SIMULATORE DEL PAZIENTE DIABETICO.
  14. Il modello del paziente diabetico è un modello a compartimenti, nato con l’obiettivo di simulare il funzionamento dell’organismo (dal punto di vista della dinamica glucosio-insulina) di un paziente affetto da diabete di tipo 1. Il modello è composto da 6 compartimenti, per un totale di 11 equazioni differenziali. Qui vediamo ad esempio i compartimenti del sottosistema glucosio e le relative equazioni differenziali che lo governano.
  15. Vista completa del Modello: OSS: il modello nasce prendendo in considerazione la possibilità per il paziente di attuare infusioni insuliniche sottocutanee (diabete tipo 1 infatti). Nel nostro caso invece il paziente è ospedalizzato  1. è stata tolta nel modello in simulink la possibilità di effettuare infusioni sottocutanee, eliminando il compartimento dedicato (quindi è possibile la sola infusione continua con pompa insulinica); 2. sono stati azzerati i pasti (su indicazione medica infatti si assume che il paziente non mangi di sua spontanea volontà durante il ricovero)
  16. Per poter essere usato in Matlab, il modello matematico va implementato in Simulink. Questa è la vista completa del modello in simulink.
  17. Inoltre in Matlab vanno implementati i protocolli di terapia SM, C e TP, facendo un discorso analogo alla implementazione fatta in VB per il S.S.D. Il risultato di questo lavoro è sintetizzato nella cosiddetta Graphical User Interface (GUI) finale. L’interfaccia dà la possibilità di scegliere con il menù a tendina i vari algoritmi ed ogni algoritmo abilita gli input relativi. Cliccando sul bottone Simula si avvia la simulazione e dopo un tempo di attesa di qualche secondo, il programma rende la riposta glicemica dipendente dal tempo espresso in ore.
  18. Di seguito si vede la presentazione dei valori raccolti con una serie di simulazioni effettuate per ciascun algoritmo, modificando la sola glicemia iniziale e lasciando invariati gli altri parametri. I risultati cerchiati sono quelli migliori dal punto di vista della valutazione. Fornirò spiegazioni più approfondite al riguardo nella slide successiva.
  19. Qui si può vedere il confronto tra i 3 protocolli. L’algoritmo sm presenta …(LEGGERE SLIDE). L’algoritmo c che risulta essere il migliore tra i 3, presenta …(LEGGERE SLIDE). L’algoritmo TP invece presenta (LEGGEER SLIDE).
  20. Per completare la mia attività ho provato a simulare variando del +-30% anche un parametro del modello matematico Vmx. Vmx è una costante che regola la velocità di raggiungimento dello steady-state e dipendente a sua volta dalla concentrazione di insulina interstiziale. Si sono ottenuti i risultati che lo steady-state non cambia ciò che varia è il tempo di raggiungimento dell’equilibrio (più è grande Vmx e minore è il tempo impiegato per raggiungere l’equilibrio) La variazione di Vmx inoltre produce una variazione significativa nelle prime ore di trattamento.
  21. Per concludere, …(LEGGERE SLIDE).