Sviluppo di un algoritmo di rilevamento delle crisi basato sull'analisi della frequenza cardiaca e del movimento (DetecTeppe)

L'epilessia è la terza patologia neurologica dopo l'emicrania e le sindromi da demenza con una stima elevata di quasi 600.000 persone colpite in Francia. La malattia è caratterizzata da un lato dalla ripetizione delle crisi epilettiche, ma anche dalle conseguenze cognitive, comportamentali, psicologiche e sociali di questa condizione, soprattutto quando la malattia epilettica non è stabilizzata. I pazienti epilettici provano una grande quantità di stress a causa dell'imprevedibilità del verificarsi delle convulsioni.

Il rilevamento delle crisi è di grande interesse per i ricercatori di bioinformatica e per le persone con epilessia e per i loro caregiver. I recenti progressi nelle tecnologie dei sensori fisiologici e nell'intelligenza artificiale hanno aperto la possibilità di sviluppare sistemi in grado di monitorare da vicino la frequenza delle crisi epilettiche con un impatto diretto sugli adattamenti terapeutici. Ciò può eventualmente consentire la previsione delle crisi e/o il "tempo delle crisi" (cioè la previsione delle crisi) se esiste un particolare cronotipo di occorrenza delle crisi per un dato individuo.

Attualmente, pochi dispositivi hanno un livello di evidenza sufficiente per quanto riguarda la loro efficacia per essere raccomandati. Quelli che sembrano essere i più avanzati sono quelli che consentono l'identificazione di crisi ipermotorie, comprese le crisi generalizzate tonico-cloniche e le crisi focali generalizzate secondarie tonico-cloniche, che si verificano principalmente di notte. Questi ultimi rappresentano solo una piccola parte delle crisi epilettiche.

L'obiettivo del presente studio è costruire un database di vita reale al fine di sviluppare un algoritmo di rilevamento delle crisi.

I dati registrati saranno frequenza cardiaca tramite ECG e dati di movimento tramite 9 variabili misurate su 3 assi x, y, z, con 3 sensori: accelerometro, giroscopio, magnetometro. Questi dati saranno raccolti utilizzando una patch connessa disponibile sul mercato (marcatura CE).

Allo stesso tempo, i pazienti beneficeranno di un esame video-EEG a lungo termine che sarà annotato dai medici e sarà utilizzato come gold standard per l'identificazione delle crisi al fine di addestrare l'algoritmo.

Questa base più completa verrà utilizzata per sviluppare un algoritmo precedentemente sviluppato da dati retrospettivi.