AWAKE CRANIOTOMY O CRANIOTOMIA IN
ANESTESIA GENERALE? COME
DETERMINARE UNA MODALITA’ CHIRURGICA
CON LE RETI NEURALI ARTIFICIALI

Paola Iop, infermiera presso la sala operatoria neurochirurgica
dell'ospedale Ca Foncello di Treviso (e-mail e profilo LinkedIn),
ha voluto condividere con i nostri lettori questo suo lavoro teso
ad apportare dei miglioramenti alla pratica clinica dove si dà
sempre più importanza all'efficacia ed efficienza degli
interventi sanitari i quali devono essere accompagnati da un agire basato sulle evidenze scentifiche.
Lo scopo del lavoro è stato quello di determinare se con una lesione neoplastica in un'area eloquente del cervello, il paziente possa essere operato da sveglio (Awake Craniotomy) oppure debba essere operato in anestesia generale. Questa predizione consentirebbe di ottimizzare mezzi, risorse, tempi. Permetterebbe, infatti, il reclutamento tempestivo di professionalità specifiche (neurofisiologo, neuropsicologo, logopedista), la programmazione di esami diagnostici, l'ottimale organizzazione dei vari reparti (sala operatoria, terapia intensiva, radiologia, reparto di degenza), la possibilità del neurochirurgo di confrontare la scelta da lui presa con quelle precedenti, l'attivazione di protocolli medico-infermieristici specifici, in modo tale da diminuire il tempo che interrcorre tra diagnosi e cura.
Ringraziamo tantissimo Paola per averci offerto questo spaccato di qualità applicata all'ambiente sanitario. Grazie davvero!

Articolo di Paola Iop

awake-craniotomy

Grandezza caratteri: piccoli | medi | grandi

Abstract

Questo lavoro nasce dal desiderio di apportare dei miglioramenti alla pratica clinica, nello specifico riuscire a determinare se un paziente con una neoplasia in un’area eloquente del cervello potrà essere operato da sveglio (Awake Craniotomy) oppure dovrà essere sottoposto ad un intervento di chirurgia tradizionale, ossia in anestesia generale.
Questa predizione consentirebbe di ottimizzare mezzi, risorse, tempi.
L’Awake Craniotomy è un intervento di neurochirurgia dove il paziente è sveglio e interagisce con l’equipe chirurgica, rispondendo a test neuropsicologici egli può comandare la mano del chirurgo evitando così la compromissione delle aree sane del cervello come quelle che comandano i movimenti e il linguaggio. In questo modo vengono ridotti non solo i rischi di deficit neurologici postoperatori ma si consente anche una asportazione più radicale possibile della lesione neoplastica, elemento prognostico favorevole per il paziente.

Metodi

Per poter predire la modalità chirurgica (Awake Craniotomy o Craniotomia in anestesia generale) abbiamo utilizzato le Reti Neurali artificiali. Le reti neurali artificiali sono dei sistemi di elaborazione dell'informazione che cercano di simulare all'interno di un sistema informatico il funzionamento dei sistemi nervosi biologici che sono costituiti da numero elevato di cellule nervose: i neuroni. La reti neurale artificiale è una rappresentazione del cervello umano che cerca di riprodurne il processo di apprendimento. Consiste in una struttura distribuita e parallela di elementi in grado di apprendere e di generalizzare, quindi produrre risposte in uscita, conseguenti ad ingressi non impartiti durante l'addestramento. Le reti neurali artificiali prendono a modello quelle biologiche. Pertanto, come il cervello umano, una rete neurale artificiale è costituita da neuroni e dalle loro connessioni ad ognuna delle quali è associato un “peso”, gli impulsi elettrici sono definiti con valori specificati e delineati dai pesi. Nell’illustrazione “X1” “X2” “XN” corrispondono ai valori presentati in ingresso al neurone, prima di arrivarvi vengono moltiplicati per il peso della specifica connessione (definito da “W1” “W2” “WN”). All’interno del neurone questi valori vengono sommati, questa operazione può essere definita come una combinazione lineare dei singoli ingressi pesati provenienti dallo strato precedente. Il risultato è presentato come uscita del neurone stesso dopo essere transitato in una “funzione di attivazione”, si tratta di una funzione (normalmente non lineare) che tenta di replicare il comportamento del neurone pos tsinaptico.

awake-craniotomy

Figura 1 RAPPRESENTAZIONE DI UN NEURONE ARTIFICIALE

Esistono vari tipi di neuroni artificiali noi abbiamo usato in questo studio la sigmoide.

Sigmoide

Probabilmente la più diffusa e sicuramente la migliore per i neuroni posti nello strato nascosto (hidden layer) in quanto si avvicina maggiormente al comportamento del neurone postsinaptico. Preferibile per i neuroni nascosti perché facilità l’apprendimento con backpropagation. Contrariamente alle precedenti è possibile variare il gradiente di discesa.

awake-craniotomy

awake-craniotomy

In una rete neurale i neuroni sono raggruppati in strati, ogni strato è collegato a tutti i neuroni dello strato precedente e successivo, tranne i neuroni appartenenti allo strato di input e di output. La propagazione delle informazioni fornite alla rete neurale avviene attraverso lo strato di input a quello di output attraverso nessuno, uno o più strati nascosti.

awake-craniotomy

Figura 2 Struttura tipo di rete neurale

L’apprendimento

Per poter funzionare correttamente, e quindi evidenziare alle uscite i valori previsti per gli ingressi presentati, è necessario che la rete venga “istruita”. Durante questa fase vengono attivati gli ingressi con valori dei quali è conosciuta la relativa uscita, il valore proposto dalla rete viene quindi confrontato con questo e la differenza, errore, viene utilizzata per modulare i pesi degli ingressi ai singoli neuroni. Questa fase, fondamentale per la realizzazione della rete, viene posta in atto con particolari algoritmi il più utilizzato è detto “Back Propagation” che, come facilmente desumibile dal nome, propaga all’indietro l’errore dei singoli neuroni attraverso funzioni che considerano:

  • Il peso dell’ingresso nella determinazione del risultato
  • La velocità di apprendimento (learning rate) desiderata
  • La precisione richiesta

Perché l’apprendimento sia efficace il numero dei campioni utilizzati deve essere adeguato e sufficientemente vasto da ricoprire, nel maggior modo possibile, tutte le varie opzioni possibili. La scelta dei campioni da utilizzare per l’istruzione (training) della rete riveste quindi un ruolo di estrema rilevanza, scelte errate in questa fase possono inficiare il funzionamento di tutta la rete. I motivi di una riscontrata inefficacia della rete dipendono essenzialmente dal tipo di problema analizzato e/o dalla qualità dell’istruzione impartita. Solo una rete ben istruita può portare a risultati utili. Ci sono, comunque, problemi che non possono essere valutati da una rete neurale artificiale, in particolare si tratta di quei casi dove i dati in ingresso, o le risposte attese dalla rete, sono di natura “soggettiva” e possono assumere valori diversi in relazione all’operatore che le valuta.

Quando usare le reti neurali

  • Quando si hanno molti casi e non si trova il nesso tra loro.
  • Quando si vuole avere un risparmio di tempo per trovare una risposta ad un problema.
  • Quando le variabili sono molte e di natura diversa.
  • Quando il problema è complesso.
  • Quando la mole di dati è tale da averne alcuni dei quali l'attendibilità è incerta.
  • Quando altre metodiche per arrivare alla soluzione non hanno portato a nulla.
  • Quando è utile anche una soluzione approssimata del problema.

Scopi

  • Predizione
  • Classificazione
  • Riconoscimento
  • Controllo

Vantaggi applicativi

  • Elevato parallelismo: le reti neurali lavorano in parallelo possono trattare molti dati che i normali programmi al computer trattano singolarmente e in successione.
  • Non linearità: migliore adesione ai dati.
  • Proprietà distributiva: molti neuroni si occupano della stessa operazione.
  • Adattamento: il sistema è in grado di aggiornare la sua struttura interna in Valutazioni degli “ingressi disponibili” dalla cartella clinica alla rete neurale.
  • Risposta ad input esterni.
  • Insensibilità al rumore: grazie al sistema di tipo statistico, le reti neurali sono immuni al rumore.

Svantaggi

  • Alcune volte i modelli prodotti dalle reti neurali possono risultare non spiegabili in linguaggio simbolico umano, i risultati vanno accettati così come sono, da cui la definizione di rete neurale black box.
  • Le reti neurali non sono in grado di trattare le variabili di tipo categorico, tipo il nome di città, ma bisogna normare il dato tramutarlo in numero, ad esempio classificare la città in base al numero di abitanti.
  • Le reti neurali sono efficienti solo se le variabili predittive vengono scelte con cura.

ARCHITETTURA DELLO STUDIO

  • Abbiamo individuato l'obiettivo della predizione, intervento di craniotomia in Awake o da Sedato.
  • Valutazioni degli “ingressi disponibili” dalla cartella clinica alla rete neurale
    • La definizione dell'archivio dei dati su cui attivare l'apprendimento della rete neurale.
  • Normalizzazione dei dati, in questa fase si è data una valutazione numerica alle voci di natura diversa, ad esempio fumatore (si/no) , localizzazione della lesione etc. E’ stata una fase particolarmente delicata i valori attribuiti devono, infatti, riflettere l’andamento del valore in ingresso. Ad esempio a parametri come “localizzazione della lesione” è stato assegnato un valore crescente alla vicinanza con le aree eloquenti del cervello.
  • Apprendimento vero e proprio, attuato secondo le modalità dell’apprendimento supervisionato. Alla rete sono stati sottoposti alcuni dei campioni con le relative risposte rilevate dalle cartelle cliniche dei pazienti. Altri campioni sono stati della rete stessa.
  • La generalizzazione dei risultati ottenuti.
  • Valutazione dei risultati in raffronto alle scelte effettuate dai medici.

(L'articolo continua sotto al box in cui ti segnaliamo che alla collana di libri QualitiAmo si è aggiunto un nuovo titolo).

LA COLLANA DEI LIBRI DI QUALITIAMO

"La nuova ISO 9001:2015 per riorganizzare, finalmente, l'azienda per processi" - Si aggiunge alla collana dei libri di QualitiAmo il primo testo che svela i segreti della futura norma.
Dalla teoria alla pratica: il secondo lavoro di Stefania Cordiani e Paolo Ruffatti spiega come migliorare la vostra organizzazione applicando la nuova norma attraverso i suggerimenti del loro primo libro
(Vai all'articolo che descrive il nuovo libro)

"Organizzazione per processi e pensiero snello - Le PMI alla conquista del mercato" - Da una collaborazione nata sulle nostre pagine, un libro per far uscire le PMI dalla crisi.
L’ideatrice di QualitiAmo e una delle sue firme storiche spiegano come usare con efficacia la Qualità.
(Vai all'articolo che descrive il primo libro)

(Vuoi restare aggiornato gratuitamente sulla nuova ISO 9001:2015? Visita ogni giorno la pagina che ti abbiamo linkato.
In calce all'articolo riporteremo quotidianamente un aggiornamento sulla futura norma)

(Seconda parte)

PER SAPERNE DI PIU':

Su QualitiAmo non sono presenti altri articoli su questo argomento .




cerca nel sito