REGISTRAZIONE | LOGIN

Tu sei qui

Home

About ARIANNA

Background clinico

 

I Disturbi dello Spettro Autistico (DSA) sono un gruppo eterogeneo di patologie del neurosviluppo caratterizzate da una compromissione nelle competenze socio-comunicative, associata a interessi e comportamenti ristretti o stereotipati. Si tratta di un problema crescente della sanità pubblica, come riconosciuto dalle Nazioni Unite e dall'Organizzazione Mondiale della Sanità [1,2], la cui incidenza recentemente riportata da uno studio americano è di 1 bambino su 68 [3]. Un intervento riabilitativo intensivo e precoce rappresenta uno strumento efficace per migliorare la prognosi dei bambini con DSA e ad oggi è l'unico in grado di modificare la storia naturale del disturbo [4]. Trovare biomarcatori per i DSA è quindi estremamente importante per la diagnosi precoce della patologia, che permette a sua volta di mettere a punto trattamenti più efficaci e personalizzati volti ad incrementare le abilità socio-comunicative e adattive dei pazienti e al tempo stesso a ridurre i comportamenti problematici [5]. Gli studi di neuroimmagini basati su risonanza magnetica strutturale (sMRI), risonanza magnetica funzionale (fMRI), resting-state fMRI (rs-fMRI) e imaging del tensore di diffusione (DTI) hanno finora evidenziato che i DSA sono associati a differenze di sviluppo nell’anatomia e nella connettività cerebrale [6]. Inoltre, uno dei risultati più consistenti sui DSA, ma anche uno dei meno compresi è quello che riguarda le differenze di prevalenza in base al genere, infatti, il rapporto dell’incidenza dei DSA tra maschi e femmine è approssimativamente di 4:1 [7]. Una maggiore comprensione delle disparità di genere nei DSA attraverso studi di neuroimaging è stata ostacolata finora dal fatto che le ricerche sono state effettuate su campioni di piccole dimensioni che non hanno sufficiente potere statistico per rilevare effetti significativi. Per questo motivo, gli studi sui DSA basati su dati di neuroimaging beneficerebbero di un approccio multicentrico e multidisciplinare per superare la frammentazione degli studi, e della costruzione di team di lavoro in cui le competenze medico-specialistiche specifiche sulla patologia siano affiancate da quelle tecnico-informatiche di esperti di elaborazione dei dati di neuroimaging e dei relativi dati fenotipici dei pazienti.

Infine, in un contesto di dati e competenze condivise, potrebbe emergere in modo inequivocabile il potenziale delle tecniche di apprendimento automatico (machine learning) [8,9,10]. Esse potrebbero infatti essere applicate in modo appropriato, su dataset adeguatamente popolati, con corrette procedure di ottimizzazione e rigorose misurazioni delle prestazioni. La possibilità di implementare tecniche di machine learning per analizzare le anomalie cerebrali nei DSA potrebbe avere un ruolo chiave nel far emergere sottili relazioni nascoste nella complessità dei dati. Metodologie innovative e robuste di data mining sviluppate e appositamente implementate per esplorare la complessità dei dati multimodali e mlticentrici possono colmare il gap tra il substrato neurobiologico dei DSA e le numerose varianti cliniche osservate tramite l'individuazione con le neuroimmagini di fenotipi intermedi.

 

 

Obiettivi

 

L'obiettivo generale del progetto ARIANNA è quello di creare un modello di ricerca innovativo, collaborativo e interdisciplinare dedicato allo studio dei Disturbi dello Spettro Autistico (DSA) attraverso l’analisi delle neuroimmagini e dei dati fenotipici e clinici dei pazienti. Mediante la realizzazione e l’uso di una piattaforma informatica dedicata (Obiettivo Operativo 1 (OO1)), dove virtualmente si incontrano e collaborano ricercatori di discipline diverse e complementari, ARIANNA prevede una collaborazione costantemente garantita tra la comunità di neuropsichiatri e un team medico-specialistico e tecnico, che sarà alla base dello sviluppo e dell'uso proficuo della piattaforma di ricerca. Sarà infatti attivato un servizio di analisi su richiesta (on demand) per l’esecuzione di tecniche standardizzate per il processamento dei dati, che supporterà tecnicamente la comunità di neuropsichiatri. Saranno ideate e sviluppate analisi congiunte e innovative, in cui giocheranno un ruolo fondamentale le tecniche di machine learning, che consentono di effettuare analisi multivariate supervisionate e non, al fine di caratterizzare e discriminare gruppi di dati (OO2). Ci si aspetta che l’avanzamento a cui porterà il progetto ARIANNA nella comprensione dell’eziopatogenesi dei DSA avrà nel medio/lungo termine una notevole ricaduta positiva sulla salute e il benessere della popolazione, in quanto potrà favorire la diagnosi precoce di questi disturbi e aprire la strada ad approcci di cura personalizzati, con notevoli miglioramenti nella qualità della vita dei soggetti affetti dai DSA e dei loro familiari (OO3).

 

 

Attività dei partner

 

Per il raggiungimento degli obiettivi prefissati, i partner di ARIANNA organizzeranno le loro attività come segue.

  1. Implementazione di un servizio per gestire il caricamento da parte della comunità di Neuropsichiatri di dati (tipicamente file DICOM) e metadati e la loro archiviazione. (Net7, I+, INFN) . Una corretta anonimizzazione dei dati sensibili verrà assicurata dalle linee guida prodotte da ITTIG e I+. Il servizio permetterà di archiviare i dati in dispositivi di storage dedicati al progetto ARIANNA all'interno del centro di calcolo dell'INFN di Pisa. Inoltre, con la collaborazione dell' IRCCS Fondazione Stella Maris, saranno individuate le tipologie di metadati in questione e saranno di conseguenza implementati dei menu a tendina per il loro inserimento.
  2. Attivazione del servizio di analisi on demand, ovvero dell’utilizzo della piattaforma ARIANNA su larga scala da parte di gruppi di ricerca esterni al progetto. Tale servizio contribuirà a creare una estesa base di dati, grazie ai contributi dei singoli gruppi che aderiranno all’iniziativa, nonché una rete di professionisti di area medica e tecnico-scientifica che lavorano in sinergia. Una opportuna attività di promozione del progetto ARIANNA, nonché un’adeguata attività di mantenimento dell’ambiente informatico, supporteranno l’avvio e la prosecuzione del servizio. L’IRCCS Fondazione Stella Maris e Net7 si occuperanno di pubblicizzare in modo continuativo l'iniziativa ARIANNA, mediante l'uso di vari canali di comunicazione. Inoltre, I+ e il centro di calcolo INFN si occuperanno del mantenimento e della gestione rispettivamente della piattaforma ARIANNA e dell’ambiente di calcolo. Il centro di calcolo INFN fornirà una continua assistenza da un punto di vista sistemistico, sia per garantire il corretto funzionamento del sistema sia per verificare che i dati che i dati che ARIANNA via via accumulerà siano sempre corretti, completi e consistenti. L’ITTIG proporrà strumenti per verificare che il funzionamento della piattaforma sia conforme alla normativa in vigore.
  3. Raggiungimento di un nuovo risultato scientifico di rilevante impatto nella ricerca sui DSA, che il team di ricercatori di ARIANNA prevede di ottenere grazie alla piattaforma realizzata e ai dati collezionati, nonché al contributo tecnico e clinico dei gruppi di ricerca che hanno partecipato alla proposta di ARIANNA usufruendo del servizio di analisi on demand. Grazie alle competenze dell’INFN, i dati multimodali dei soggetti verranno analizzati con metodi di analisi multivariata e saranno sfruttate le potenzialità delle tecniche di machine learning per esempio basate su Macchine a Vettori di Supporto (Support Vector Machines). Intoltre, Net7 contribuirà alla strutturazione delle analisi e all'implementazione delle tecniche di machine learning. Le competenze in ambito clinico e sulla metodica della risonanza magnetica dell'IRCCS Fondazione Stella Maris saranno fondamentali in questa attività per l'ideazione degli studi, per la formulazione delle ipotesi cliniche, in particolare per l'individuazione delle aree/strutture/funzionalità del cervello su cui focalizzare l'attenzione, e per l'interpretazione dei risultati.

 

 

Competenze dei partner

 

  • Fondazione Stella Maris Il gruppo di ricercatori dell’IRCCS Fondazione Stella Maris ha acquisito nel corso degli anni notevoli competenze medicospecialistiche necessarie per affrontare studi specifici sui DSA, oltre alle competenze tecniche sui dati di risonanza magnetica cerebrale di interesse per il progetto ARIANNA.
  • Istituto Nazionale di Fisica Nucleare Il gruppo di ricercatori INFN che partecipa ad ARIANNA ha acquisito competenze e sviluppato specifici software per l’elaborazione e l’analisi dei dati (incluso lo sviluppo e l’implementazione di tecniche basate su machine learning) nel corso di svariati progetti di ricerca finanziati dall’Ente nell’ultimo decennio (progetti MAGIC-5, SEVEN, TESLA finanziati da CSN-V INFN).
  • Istituto di teoria e tecniche dell'informazione giuridica del CNR Il gruppo di ricercatori dell’ITTIG ha a disposizione le competenze relative allo studio delle questioni giuridiche connesse all’utilizzo delle tecnologie da parte delle pubbliche amministrazioni in particolare alla realizzazione dell’amministrazione digitale, ed alle ricadute sulla vita dei cittadini.
  • Net7 L’azienda Net7 ha sviluppato la piattaforma N2+ (Network Plus). Si tratta di una piattaforma web di collaborazione che permette a gruppi di interesse (centri di ricerca, partner, aziende, enti, etc) di interagire in modo ricco e completo tra loro. Si tratta di una tecnologia di Enterprise Portal, una piattaforma di collaborazione sociale che riproduce le dinamiche dei social network permettendo la creazione di community che condividono interessi specifici e multiformi in maniera semplice ed efficace.
  • I+ L’azienda I+, grazie alla partecipazione al progetto europeo MICHELANGELO ( FP7- ICT G.A. # 288241), ha acquisito forti competenze nell'ambito delle soluzioni tecnologiche a supporto della diagnosi precoce e della terapia di disturbi dello spettro autistico nei bambini. Nell’ambito di questo progetto I+ ha messo a punto un sistema di monitoraggio attività e di annotazione eventi, che ha poi integrato con la propria piattaforma software DGHome, ambiente modulare che permette la pianificazione e la gestione di vari livelli di servizio, rivolti sia ai pazienti che agli operatori, per i quali mette a disposizione, oltre ad un articolato e personalizzabile sistema di gestione dell’anagrafica dei servizi e reportistica avanzata, meccanismi di condivisione dati/immagini, di cooperazione a distanza e tracking di casi di studio.

 

 

 

 

Referenze

 

[1] Resolution adopted by the General Assembly on 18 December 2007. 62/139. World Autism Awareness Day [on the report of the Third Committee (A/62/435)], United Nations.

[2] http://www.who.int/mental_health/evidence/en/

[3] Centers for Disease Control and Prevention, "Prevalence of ASD", MMWR, vol. 63, Mar. 2014, p. 1-22. https://www.cdc.gov/mmwr/pdf/ss/ss6302.pdf

[4] Vismara LA and Rogers SJ, Behavioral treatments in autism spectrum disorder: what do we know? Annual Rev Clin Psychol 6, 447-468 (2010). DOI: 10.1146/annurev.clinpsy.121208.131151

[5] Ecker C and Murphy D, Neuroimaging in autism-from basic science to translational research. Nat Rev Neurol 10, 82-91 (2014). http://www.kcl.ac.uk/ioppn/depts/fans/sackler-group/Publications/Neuroim...

[6] Mueller S, Keeser D, Reiser MF, Teipel S, Meindl T, Functional and structural MR imaging in neuropsychiatric disorders, part 2: application in schizophrenia and autism. AJNR Am J Neuroradiol 33, 2033-2037 (2012). http://www.ajnr.org/content/33/11/2033.full

[7] Elsabbagh M et al., Global prevalence of autism and other pervasive developmental disorders. Autism Res. 5:160-79 (2012). http://www.ncbi.nlm.nih.gov/pmc/articles/PMC3763210/

[8] Witten IH et al. Data Mining: Practical Machine Learning Tools and Techniques, Third Edition, Morgan Kaufmann, 152-154 (2011). ftp://ftp.ingv.it/pub/manuela.sbarra/Data%20Mining%20Practical%20Machine...

[9] Lemm S et al., Introduction to machine learning for brain imaging. Neuroimage 56, 387-399 (2011). http://www.icg.seas.gwu.edu/cs367/papers/Introduction%20to%20machine%20l...

[10] Retico A, Tosetti M, Muratori F, Calderoni S. Neuroimaging-based methods for autism identification: a possible translational application? Funct Neurol. 7:1-9. (2014). http://www.ncbi.nlm.nih.gov/pmc/articles/PMC4370436/