ITMI20142149A1

ITMI20142149A1 - Apparato di diagnosi differenziale in medicina adattato per determinare la sequenza di test ottimale atta ad identificare una patologia secondo criteri di appropriatezza diagnostica

Info

Publication number: ITMI20142149A1
Application number: ITMI2014A002149A
Authority: IT
Original assignee: L I A Di Giuseppe Capasso
Priority date: 2014-12-16
Filing date: 2014-12-16
Publication date: 2016-06-16
Also published as: RU2017124601A3; EP3234823B1; CN107408143A; JP6700283B2; BR112017012908A2; EP3234823A1; JP2018503902A; WO2016097886A1; US20180011980A1; RU2017124601A

Description

Descrizione dell'Invenzione Industriale dal titolo:

APPARATO DI DIAGNOSI DIFFERENZIALE IN MEDICINA ADATTATO PER DETERMINARE LA SEQUENZA DI TEST OTTIMALE ATTA AD IDENTIFICARE UNA PATOLOGIA SECONDO CRITERI DI APPROPRIATEZZA DIAGNOSTICA

DESCRIZIONE

Campo di applicazione dell?invenzione

La presente invenzione si riferisce al campo degli apparati di diagnosi medica, e pi? precisamente a un apparato di diagnosi differenziale adattato per determinare la sequenza di test diagnostici atta a identificare una patologia, ottimizzando gli indici di appropriatezza diagnostica.

Stato della tecnica

La diagnosi medica ? il risultato di una serie di valutazioni empiriche di probabilit? basate sull'esperienza professionale del medico, sulla sua preparazione, sulla sua capacit? di ragionamento clinico e intuizione e sulle conoscenze che egli possiede delle persone, dei gruppi familiari e della popolazione in cui opera, relativamente alla frequenza delle diverse patologie, alla loro eventuale aggregazione familiare, alle condizioni sociali e allo stile di vita delle persone, ed ai fattori ambientali in gioco.

In base a tutto questo e alle risultanze del colloquio col malato, alla raccolta dei dati anamnestici, dei sintomi lamentati dal paziente e dei segni clinici rilevati con l'esame fisico, il medico potr? gi? formulare, in un piccolo numero di casi, una diagnosi certa o altamente probabile.

Nella maggior parte dei casi, dovr? limitarsi a formulare una o pi? ipotesi diagnostiche che dovr? sottoporre a verifica attraverso l'esecuzione di una serie di test diagnostici, di laboratorio e strumentali. Tale processo viene definito come diagnosi differenziale.

Il punto chiave del processo ? che, bench? una diagnosi possa essere corretta, non ? detto che sia appropriata (se per esempio per arrivare a formulare la diagnosi si sia fatto ricorso a test diagnostici ridondanti, non necessari, ingiustificatamente costosi o inutilmente rischiosi per il paziente).

I test diagnostici oggi disponibili nella pratica medica sono numerosi e in continua evoluzione e la scelta da parte del medico per uno specifico caso pu? essere molto complessa. Appare evidente come la prescrizione di uno o pi? test possa diventare particolarmente critica per i medici di medicina generale (MMG) che si trovano a operare trasversalmente in diversi campi medici e che sono spesso il primo contatto per un paziente.

I principali rischi associati alla scelta dei test sono essenzialmente due: 1) la sovrautilizzazione di test diagnostici con conseguente aumento ingiustificato dei costi per il Sistema Sanitario Nazionale (SSN) e delle ripercussioni negative sulla salute del paziente e 2) la sottoutilizzazione, dovuta a una limitata conoscenza di un?offerta troppo vasta, che pu? portare a una mancata diagnosi.

Questo stato di fatto ha portato in anni recenti diverse organizzazioni medico/sanitarie nazionali e internazionali a identificare dei criteri per assicurare la qualit? delle prestazioni (prescrizione di test diagnostici e trattamenti farmacologici) e il contenimento dei costi, sulla base soprattutto della valutazione degli esiti (evidence-based medicine), ovverosia di quanto una prestazione sia efficace apportando un beneficio al paziente. In questo contesto vale la pena citare lo studio svolto dalla commissione su Quality of Health Care della National Academy of Science negli Stati Uniti (in Crossing the quality chasm: a new health system for the 21st century. Washington:National Academy Press; 2001) che identifica quali obiettivi del Sistema Nazionale del XXI secolo la sicurezza, l?efficacia, la tempestivit?, l?efficienza, l?equit? e la centralit? del paziente.

? in questo contesto che matura il concetto di appropriatezza diagnostica di recente introduzione e di sempre pi? ampia diffusione in campo sanitario.

L?appropriatezza di un test diagnostico per una data patologia non ? determinata solo dalla sua accuratezza, esprimibile in termini di sensibilit? e specificit?, ma da diversi altri fattori: i costi, i tempi di attesa per l?accesso e per il risultato, la sicurezza e la tollerabilit? per il paziente, come ad esempio descritto in: Ferrante di Ruffano L., Hyde C.J., McCaffery K.J. Bossuyt P.M.M. and Deeks J.J., ?Assessing the value of diagnostic tests: a framework for designing and evaluating trials?, British Medical Journal.2012; 344-352.

Il concetto di appropriatezza si estende all?intero percorso diagnostico. Infatti, lo scopo del medico ? quello di individuare la malattia che con maggior probabilit? affligge il paziente a partire dalla raccolta dei dati anamnestici, dei sintomi e segni, e attraverso la scelta dei test necessari per la diagnosi differenziale, secondo un percorso diagnostico accurato, efficace, rapido, sicuro ed economico, in una parola appropriato.

Per questo obiettivo ? evidente come le capacit? del medico potrebbero essere potenziate se avesse a disposizione diverse proposte di percorsi diagnostici appropriati tra cui scegliere e potesse sapere a priori quanto la prescrizione di uno o pi? test affinerebbe la diagnosi differenziale in modo efficace in termini di costi/benefici per il paziente e per il SSN.

In generale i sistemi automatici e computerizzati di supporto alla diagnosi clinica si fondano su una base di conoscenza generale (dati epidemiologici, interazioni tra farmaci, linee guida?) che va integrata con i dati specifici del paziente (anagrafica, anamnesi, sintomatologia, segni). I dati vengono quindi elaborati al fine di formulare ipotesi diagnostiche attraverso l'impiego di teorie e tecnologie dell'informazione (simulazioni, algoritmi bioinformatici e procedure statistiche, sistemi di intelligenza artificiale).

Nel passato sono stati fatti diversi tentativi di sviluppare dei software, o pi? in generale sistemi ICT, che potessero aiutare i medici a prendere decisioni diagnostiche. Inizialmente si ? trattato di sistemi esperti con database strutturati sviluppati all'interno di strutture ospedaliere e che avevano la funzione di grandi opere di consultazione. Sistemi di vero e proprio supporto alla diagnosi, in alcuni casi con un'indicazione della probabilit? dell'ipotesi diagnostica, sono stati principalmente realizzati per singole specialit? mediche, ambito in cui il problema teorico e tecnico relativo alla diagnosi ? a un livello di complessit? contenuto. Alcuni sistemi utilizzano regole per l?inferenza (del tipo if ,then) anzich? metodi probabilistici o algoritmi euristici.

Pi? recentemente sono stati sviluppati sistemi di supporto alla diagnosi che utilizzano una base di conoscenza non strutturata e complessi algoritmi per l?inferenza, come ad esempio descritti nell?articolo di Wagholikar, K. B.; Sundararajan, V. & Deshpande, A. W. . ?Modeling Paradigms for Medical Diagnostic Decision Support: A Survey and Future Directions?, J. Medical Systems. 2012; 36 (5): 3029-49, oppure nell?articolo di El-Kareh R., Hasan O., Schiff G.D.. Use of health information technology to reduce diagnostic errors. BMJ Quality & Safety.2013; 22(Suppl 2):ii40-ii51.

Di seguito vengono brevemente descritti a titolo esemplificativo i sistemi di supporto alla diagnosi noti di maggiore interesse clinico, dedicati a un'ampia gamma di malattie.

Un primo sistema di supporto alla diagnosi, noto con l?acronimo DXplain, ? descritto nell?articolo di Barnett G.O., Cimino J.J., Hupp J.A. Hoffer E.P., ?DXPlain - An evolving diagnostic decision-support system?, JAMA, 1987; 258(1): pag. 67-74. Si tratta di un sistema di supporto alla decisione clinica che fornisce una lista di possibili diagnosi a partire da un certo insieme di segni, sintomi dati epidemiologici e test diagnostici (datipaziente), mediante l?impiego della logica bayesiana. Il ranking di ogni patologia ? definito da quanto l?insieme dei dati-paziente si avvicina all?insieme delle manifestazioni cliniche caratteristiche di quella malattia, attraverso tecniche di ?pattern-matching?. Ogni associazione malattia/dato-paziente ? descritta da due numeri: 1; la frequenza, organizzata in sette livelli, con cui lo specifico dato-paziente si presenta nella malattia (legato al concetto di sensibilit?) e 2) il potere evocativo, espresso su otto livelli, di un dato-paziente, ovvero con quanta forza la sua presenza conferma la malattia (in analogia al valore predittivo positivo di un test). Inoltre, ogni dato-paziente ha un valore di importanza su cinque livelli indipendente dalle malattie che indica quanto sia presente in soggetti malati o quanto raramente sia rilevabile in soggetti sani. Infine, ad ogni malattia sono associati dei valori intrinseci, uno per la prevalenza e uno per l'importanza (intesa come impatto negativo che avrebbe escluderla dalla lista).

Su richiesta il sistema fornisce una spiegazione del perch? ognuna delle malattie debba essere considerata, suggerisce quale ulteriore informazione clinica sarebbe necessaria per chiarire la diagnosi differenziale, indica quali manifestazioni cliniche siano atipiche per ogni malattia e fornisce dieci riferimenti bibliografici per ogni malattia. Questo sistema ? probabilmente il sistema di prima generazione pi? evoluto e completo.

? pure noto un sistema denominato Medical diagnosis system (autore G. Fiore), un software diagnostico?differenziale, per piattaforma Windows su PC e dispositivi mobili. Si tratta di un sistema di supporto diagnostico di prima generazione, simile al DXplain, in cui ad ogni sintomo ? abbinato un valore empirico (da 1 a 10) sulla base della frequenza del sintomo nelle diverse patologie (se ? presente in tante malattie ? pi? importante) e importanza con cui questo sintomo si presenta nelle diverse patologie. L'utente pu? fissare una soglia per la percentuale minima di considerazione di un'ipotesi diagnostica e pu? operare delle associazioni personalizzate tra sintomi e diagnosi. Il sistema pu? essere utilizzato per la consultazione attraverso una ricerca avanzata per i sintomi (del tipo: comincia con, contiene, and/or), presentati in ordine alfabetico o raggruppati per organo o per tipo (esami di laboratorio, esame obiettivo). Il sistema quindi fornisce un elenco di diagnosi possibili in ordine alfabetico. L'utente pu? infine scegliere attivamente se avere una stima della probabilit? associata alle ipotesi diagnostiche per una diagnosi differenziale.

Recentemente sono stati proposti dei sistemi che consentono un'interrogazione rapida e facile, di una base di conoscenza non strutturata costituita da una ampia gamma di informazioni cliniche, diagnostiche, scientifiche e epidemiologiche per affiancare il medico durante la sua attivit? lavorativa. In tale contesto si individuano principalmente due sistemi: ISABEL (Isabel Healthcare Inc.) e WATSON (IBM).

Il Sistema Isabel , descritto nell?articolo di Ramnarayan P. Tomlinson A, Rao A., Coren M., Winrow A., Britto J. ISABEL ?A web-based differential diagnostic aid for paediatrics: results from an initial performance evaluation?, Archives of Disease in Childhood, 2003;88:408-413, ? una lista di controllo diagnostico web-based che consente l'immissione manuale dei dati-paziente (segni-sintomi, esami di laboratorio e strumentali, dati demografici) e l'integrazione con diversi formati statunitensi del Fascicolo Sanitario Elettronico (FSE) . Isabel impiega un motore di ricerca basato sull'elaborazione del linguaggio naturale per identificare le corrispondenze tra i dati-paziente immessi in forma di testo, per esempio nelle note del FSE, con termini simili nel dataset diagnostico semi-codificato. Le ipotesi diagnostiche sono ordinate in base alla forza della corrispondenza con i dati immessi. Oltre alle diverse ipotesi diagnostiche propone anche possibili terapie in base alla letteratura scientifica e ai protocolli noti. Gli algoritmi che consentono l'estrazione delle ipotesi diagnostiche sono proprietari e si basano su un database di probabilit?.

Il Sistema Watson, descritto nella domanda di brevetto WO2012/122198-A1, ? un calcolatore massivamente parallelo composto di 90 server, 2880 processori (cores), 16 Terabytes di RAM in grado di acquisire ed interpretare un input vocale (la domanda), elaborare informazioni alla velocit? di 500 Gigabytes al secondo, fornire una risposta in sintesi vocale al pi? entro tre secondi. In anni recenti l'IBM si ? orientato alle applicazioni in ambito sanitario e sta adattando il sistema Watson per realizzare un sistema di diagnosi automatica. L'impostazione rimane la stessa descritta in precedenza. Si tratta sempre di una "QA machine" (question answering machine) che, in risposta ad una specifica domanda (il quadro clinico di un generico paziente: segni, sintomi, ecc.) fornisce in uscita l'elenco delle patologie pi? probabili a partire da una base di conoscenze mediche testuali immesse in memoria (testi specialistici, manuali, articoli scientifici, linee guida, ecc.). Le prime applicazioni sperimentali sono nel campo della didattica medica e in quello specialistico dell'oncologia polmonare.

A fronte dei numerosi tentativi di sviluppare sistemi di supporto alla diagnosi, molti di questi sistemi si sono dimostrati validi ma nessuno ? ancora entrato nell?uso corrente nella pratica medica.

Tra i motivi di criticit? dei sistemi noti, come ad esempio descritti nell?articolo di Kawamoto k., Houlihan C.A. , Balas E.A. , Lobach D.F. ?Improving clinical practice using clinical decision support systems: a systematic review of trials to identify features critical to success?, BMJ. 2005; p.330-337, e pure descritti in Wagholikar et al, su citato, si evidenziano i seguenti:

1) l?effettiva correttezza della diagnosi proposta, valutabile in rapporto all?esito per il paziente;

2) la necessit? di avere un sistema davvero integrato con l?attivit? corrente del medico, che sia quindi disponibile nel momento e nel luogo della visita medica;

3) la necessit? di avere un sistema che sia facilmente e rapidamente consultabile e non richieda un lungo training;

4) la necessit? di avere un sistema che offra delle raccomandazioni anzich? delle valutazioni.

Il primo punto critico dei sistemi di supporto alla diagnosi noti risiede nell'implementazione del modello di ragionamento diagnostico del medico che non pu? essere ridotto n? a un sistema di regole empiriche che associ i dati-paziente alle malattie, come nei sistemi di prima generazione, n? a un sistema automatico del tipo "a domanda risponde".

In sintesi i criteri adottati da Watson, ma anche da Isabel e dai principali dispositivi noti, si basano sul fatto di mettere a punto una sorta di raffinato motore di ricerca (del tipo di quelli di google o yahoo) che:

1. acceda ad una mole immensa di documentazione (medica in questo caso), codificata nel linguaggio naturale (quasi sempre in inglese);

2. utilizzi degli algoritmi di analisi del linguaggio naturale e

3. valuti tutta questa documentazione a partire dalla specifica domanda posta al dispositivo, assegnando un "opportuno" punteggio (score) a ciascun documento; 4. utilizzi un motore inferenziale (per es. una rete bayesiana) per fornire in uscita l'elenco delle diagnosi pi? probabili.

Questo genere di architettura pone tuttavia dei problemi in termini di accuratezza. Infatti se da una parte l?uso di una base di conoscenza non strutturata di tipo testuale ? di indubbia utilit? perch? offre una fonte di informazioni pressoch? illimitata, dall?altra introduce problemi per l?estrazione di informazione utile e correttamente interpretata. I tipici problemi associati all?elaborazione del linguaggio naturale diventano infatti critici in campo medico, come ad esempio descritto nell?articolo di Nadkarni P.M., Ohno-Machado L., Chapman W.W. ?Natural language processing: an introduction?, Journal of the American Medical Informatics Association, 2011; 18: 544-551, per l?uso di un linguaggio estremamente sintetico, di abbreviazioni, di parole composte, di sinonimi. Risultano inoltre critici la segmentazione del testo in gruppi significativi e la categorizzazione di specifiche parole. Infine la precisione della risposta ? legata alla quantit? di testo introdotta nella specifica richiesta (query), basata sul linguaggio naturale.

Infatti attualmente il sistema Watson ? sperimentato in un campo medico specifico e il sistema Isabel fa ricorso a una base di conoscenza mista strutturata e non strutturata. Entrambe le strategie consentono di ridurre la complessit? del problema e ad ottenere diagnosi pi? accurate.

Sebbene i sistemi Watson e Isabel possano fornire la risposta a una singola interrogazione in pochi secondi, i tempi necessari per formulare l?ipotesi diagnostica si allungano considerevolmente perch? sono richieste reiterate query e il processo di immissione dati in fasi successive non appare facile.

Il secondo punto critico dei sistemi attuali consiste nel fatto che essi non tengono conto dei criteri dell?appropriatezza nelle diverse fasi del processo diagnostico. Nel presente contesto il significato di appropriatezza ? noto al tecnico del ramo. A nostra conoscenza gli apparati disponibili si limitano a considerare l?efficacia di un trattamento sulla base dell?evidencebased medicine, trascurando altri aspetti fondamentali dell?appropriatezza diagnostica che include la garanzia di tempestivit?, contenimento dei costi, sicurezza e centralit? al paziente nelle fasi che compongono il percorso diagnostico. Una fase di elevata criticit? ? sicuramente quella della prescrizione dei test diagnostici, la cui variet? e numerosit? pone seri problemi di sovra/sotto-diagnosi, di cui si ? gi? riferito, ovverosia di inappropriatezza con evidenti ripercussioni per la salute del paziente e di costi per il SSN.

I sistemi attuali non tengono conto della necessit? di un medico di ottenere un supporto per l?intero percorso diagnostico che passa attraverso la prescrizione di esami diagnostici appropriati. Il sistema Watson propone al medico quali informazioni mancanti potrebbero aumentare la confidenza della diagnosi, ma non suggerisce un percorso diagnostico.

La sola presentazione di una lista ordinata delle probabili malattie in base al quadro clinico del paziente pu? non essere sufficiente per il medico a formulare una diagnosi appropriata. Saranno necessari verosimilmente test diagnostici per confermare e escludere malattie. Se non si considera l'intero percorso si rischia di rimanere nell'ambito delle valutazioni soggettive ed empiriche, facendo, inoltre, ricorso sistematico a numerosi, costosi e in parte inutili test diagnostici o trascurandone altri pi? appropriati, ma meno noti.

Vi ? quindi la necessit? di trovare un sistema di supporto alla diagnosi medica che potenzi le conoscenze del medico (empowerment), integrando le sue proprie con quelle della letteratura scientifica e delle linee guida nazionali e internazionali disponibili in un database dinamico e possa compensare la tendenza alla sotto/sovra diagnosi attraverso una scelta guidata di test secondo i criteri dell?appropriatezza diagnostica e ridurre l?esitazione insita nel giudizio umano del medico.

Sommario dell?invenzione

Pertanto scopo della presente invenzione ? quello proporre un apparato di diagnosi medica adattato per determinare la sequenza ottimale di test diagnostici atta a identificare una patologia secondo il criterio dell?appropriatezza volto a superare tutti gli inconvenienti suddetti, che sia atto a formulare percorsi diagnostici, completi di test, in base a indici di appropriatezza e che sia facilmente e rapidamente consultabile nel corso di una visita medica.

Oggetto della presente invenzione ?, pertanto, un apparato di diagnosi medica di ausilio al medico durante la diagnosi differenziale, che consente di effettuare una scelta guidata dei test diagnostici, determinando percorsi diagnostici appropriati.

Nel seguito vengono definiti come test diagnostici tutte le procedure codificate finalizzate a formulare una diagnosi attraverso la conferma o l?esclusione di una patologia.

A titolo esemplificativo, ma non esaustivo, sono inclusi in questa definizione gli esami di laboratorio, strumentali, clinici, e i questionari (domande standard/codificate) per il medico su segni e sintomi non rilevati e/o non riferiti dal paziente.

La sequenza dei test diagnostici determinati dall?apparato oggetto dell?invenzione viene definito percorso diagnostico. L?apparato oggetto dell?invenzione determina un percorso diagnostico come appropriato per formulare una diagnosi, in base alla determinazione di un indice di appropriatezza globale (dell?intero percorso diagnostico) ricavato dagli indici numerici di appropriatezza relativi a ciascun test diagnostico.

Lo scopo della presente invenzione ?, quindi, quello di realizzare un dispositivo di supporto alla diagnosi medica attraverso l'elaborazione di un percorso appropriato di test diagnostici.

Quindi il dispositivo oggetto della presente invenzione ? in grado di ?supportare? il medico suggerendo percorsi diagnostici ottimizzati in termini di appropriatezza (per esempio il percorso meno costoso e/o pi? rapido).

L?apparato della presente invenzione ? composto da moduli, essenzialmente realizzati con software implementati in dispositivi di memorizzazione leggibili ed eseguibili da un computer corredato da dispositivi di input/output.

Tali moduli sono rappresentati dallo schema a blocchi di figura 1, nel quale si distinguono due moduli principali. Un modulo MI svolgente la funzione di ?Motore Inferenziale? ed un modulo ePDA dedicato alla ?Elaborazione del Percorso Diagnostico Appropriato? .

Il modulo ePDA riceve, come input dal modulo DP, dati relativi alle informazioni del paziente e riceve dal modulo cPDA i dati relativi alla specifica configurazione delle variabili di sistema da utilizzare per l?elaborazione del Percorso Diagnostico Appropriato (PDA). A partire da questi dati, il motore inferenziale MI interroga una base di conoscenza (BDC), elabora e fornisce al modulo ePDA le informazioni necessarie per elaborare i percorsi diagnostici e generare come risultato il percorso diagnostico che potr? essere utilizzato dal medico.

Pi? in particolare e sempre con riferimento alla figura 1:

Nel modulo DP (DATI PAZIENTE) vengono gestiti i dati del paziente, sia in modo interattivo che da archivio elettronico (per es. database pazienti, fascicolo sanitario elettronico, ecc.), sia localmente che in modalit? remota.

Nel modulo cPDA (CONFIGURAZIONE PDA) viene memorizzata la configurazione delle variabili di sistema includendo, in queste ultime, anche la configurazione dei parametri di appropriatezza (come, ad esempio, ma non solo, il costo, il tempo, e la sicurezza e la tollerabilit? del test per il paziente) per calcolare l'indice di appropriatezza globale da ottimizzare nel percorso diagnostico.

Il modulo BDC (BASE DI CONOSCENZA) comprende una base di dati relazionale contenente tutti i dati relativi alle patologie, segni, sintomi, farmaci, valori di riferimento delle analisi cliniche, ricavate, ad esempio, ma non esclusivamente, da banche di dati epidemiologici, linee guida e letteratura scientifica. Vi sono inoltre contenuti i valori dei parametri di appropriatezza dei test prescrivibili per completare il percorso diagnostico come ad esempio, ma non esclusivamente, sensibilit?, specificit?, sicurezza, costo e tempi di attesa necessari per il computo dei percorsi pi? appropriati. La base di dati relazionale ? popolata con metodologia nota in s?.

Il modulo MI (MOTORE INFERENZIALE) utilizza un algoritmo per calcolare, con procedimento del tipo inferenziale, a partire dai dati paziente, i valori delle probabilit? per ogni ipotesi diagnostica. Il modulo inoltre propone per ogni ipotesi uno o pi? test diagnostici e calcola quanto una particolare sequenza di test (percorso diagnostico) influenzi la probabilit? delle diverse ipotesi e associa a ciascun percorso il relativo indice di appropriatezza.

La procedura inferenziale adottata nel modulo MI pu? basarsi preferenzialmente, ma non esclusivamente su uno degli algoritmi noti dalla letteratura scientifica (vedere per es. la rassegna di Wagholikar e al. precedentemente citata). Ad esempio per l?inferenza diagnostica possono essere utilizzati algoritmi basati su relazioni di tipo ?fuzzy logic? tra sintomi e malattie, i modelli di reti neurali artificiali, le reti bayesiane che combinano il ragionamento simbolico e l?approccio statistico bayesiano e le ?support vector machine?, un metodo di apprendimento supervisionato per la classificazione e la regressione nonlineare. Nel seguito di descrizione di dettaglio verr? descritto un motore inferenziale basato sull?approccio statistico bayesiano, come uno dei possibili algoritmi implementabili.

Il modulo oPDA (Output PDA) visualizza una lista di ipotesi diagnostiche (ossia di patologie) considerate pi? probabili e per ognuna di esse elabora e mostra i possibili percorsi diagnostici con i rispettivi indici di appropriatezza.

Aspetti caratterizzanti della presente invenzione sono i seguenti:

1. L?apparato determina una lista di ipotesi diagnostiche, a partire dai dati paziente e dalla base di conoscenza, e quantifica la probabilit? ad esse associata (probabilit? pre-test).

2. L?apparato determina per ogni ipotesi diagnostica percorsi diagnostici appropriati utilizzando informazioni prelevate da basi di dati consolidate e aggiornate, registri medici ed epidemiologici provenienti da istituzioni di livello internazionale, nazionale e regionale.

3. L?apparato associa a ciascun test e a ciascun percorso diagnostico un indice di appropriatezza in base a linee guida nazionali e internazionali.

4. L?apparato prevede quale impatto (probabilit? post-test) avr? un test diagnostico, o pi? in generale, un percorso diagnostico a partire dalla probabilit? pre?test precedentemente determinata, prima che il test venga eseguito.

Un importante aspetto dell'invenzione consiste nell'ottenere, proprio grazie al supporto descritto durante l'intero percorso diagnostico, diagnosi pi? rapide, meno costose, pi? certe, in sintesi pi? appropriate (efficaci, efficienti, sicure) nei casi pi? complessi che il medico generico o internista si trova a fronteggiare.

? particolare oggetto della presente invenzione un apparato di diagnosi differenziale adattato per applicazione medica per determinare una sequenza ottimale di test diagnostici atta a identificare una patologia adottando criteri di appropriatezza diagnostica, come meglio descritto nelle rivendicazioni, che formano parte integrante della presente descrizione.

Breve descrizione delle figure

Ulteriori scopi e vantaggi della presente invenzione risulteranno chiari dalla descrizione particolareggiata che segue di un esempio di realizzazione della stessa (e di sue varianti), e con riferimento ai disegni annessi dati a puro titolo esplicativo e non limitativo, in cui:

nella figura 1 ? indicato un diagramma a blocchi funzionali dell?apparato di diagnosi medica oggetto della presente invenzione;

nella figura 2 ? mostrato un diagramma di interrelazione funzionale tra blocchi del sistema di database dell?apparato;

nella figura 3 ? mostrato uno schema di interazione tra i men? interattivi dell?apparato.

Descrizione di dettaglio di esempi di realizzazione

Si descrivere qui di seguito un esempio di realizzazione dell?apparato oggetto dell?invenzione, facendo riferimento al diagramma di flusso di fig. 1.

Al centro di tale diagramma vi ? il blocco di elaborazione del percorso diagnostico appropriato ePDA che, data la configurazione del sistema cPDA, produce l'informazione in uscita oPDA. Questi blocchi realizzano un flusso verticale di informazione PDA , che si avvale, inoltre, della connessione con il database DB del sistema nel quale distinguiamo altri due blocchi; il database relativo ai dati del paziente DP e il database della base di conoscenza BDC. I dati provenienti da quest'ultima vengono immessi nel flusso verticale di informazione PDA attraverso il blocco del motore inferenziale MI. Le due sezioni (BDC e DP) che costituiscono il database DB possono essere allocate fisicamente anche su sistemi hardware distinti. Il database DP pu? essere costituito, ad esempio, dall'archivio pazienti privato del medico che si interfaccia con il sistema di supporto alla diagnosi.

Si ? detto sopra che l?insieme dei test diagnostici che in ultima analisi il medico intende prescrivere viene definito percorso diagnostico. Un test o un percorso diagnostico pu? essere definito come appropriato per formulare una diagnosi secondo un principio generale di minimizzazione del rapporto costi/benefici, in base alla determinazione di diversi parametri di appropriatezza, associando ad ognuno di essi un valore numerico.

Esempi non limitativi di parametri di appropriatezza sono i seguenti:

Il primo ? senza dubbio l?Efficacia (E) di un test nel confermare o escludere una specifica patologia. L?efficacia di un test informa di quanto la conoscenza per una patologia progredisce o regredisce in base al risultato valutabile in termini di variazione della probabilit? di un?ipotesi diagnostica da prima (probabilit? pre?test) a dopo l?esecuzione del test (probabilit? post?test).

Per determinare se l?esecuzione di un test sia appropriata sicuramente ? necessario valutarne anche il costo economico. Il parametro Costo (C) si riferisce al costo per il Sistema Sanitario Nazionale stabilito dal Nomenclatore Tariffario Nazionale.

Anche il tempo (Te) necessario per accedere al test ? un parametro per definire l?appropriatezza di un test, in quanto ? chiaramente necessario eseguire il test tanto pi? rapidamente quanto pi? grave ? la malattia sospettata. I dati sui tempi di attesa sono quelli riportati dal Piano Nazionale di Governo delle Liste di Attesa .

Altri aspetti che caratterizzano l?appropriatezza dei test sono la sicurezza e la tranquillit? del paziente.

Il parametro Rischio (R) tiene conto del Rischio intrinseco, relativo alla procedura in s?, e il Rischio relativo, dipendente dalla condizione patologica del paziente.

La tollerabilit? da parte del paziente ? importante per garantire che la prescrizione verr? seguita e il percorso effettivamente completato. Il parametro Tollerabilit? (To) ? definito in modo soggettivo attraverso, ad esempio, un questionario da sottoporre al paziente.

Tutti i parametri di appropriatezza possono essere opportunamente ricondotti a valori numerici.

IL DATABASE

Le informazioni contenute nel database DB, sotto forma di tabelle di record collegate da una rete di relazioni, sono essenzialmente di due tipi, come indicato genericamente nella figura 1, e nel seguito descritti in dettaglio con riferimento alla figura 2.

1. BDC; un articolato insieme di strutture dati precaricate che costituiscono la ?base di conoscenza?, sulla quale l'applicazione basa tutte le scelte logiche e le elaborazioni;

2. DP; i dati specifici gestiti dagli utenti medici e relativi a segni, sintomi e anamnesi, inseriti nel corso delle visite mediche (Dati Pazienti). In DP ci sono, inoltre, i dati relativi ai risultati dell'elaborazione, in termini di ipotesi diagnostiche ed esami da effettuare (cio? i dati prodotti dal flusso verticale dell'elaborazione del Percorso Diagnostico Appropriato PDA).

Base di conoscenza BDC dell'applicazione.

La base di conoscenza ? strutturata come insieme di tabelle variamente interconnesse, con contenuti precaricati e aggiornabili, come da fig.2.

La tabella Malattia ha un ruolo centrale nella ?base di conoscenza? dell'applicazione: essa individua le malattie conosciute dall'applicazione come combinazioni univoche di categorie e sub-categorie nella classificazione ICD10. Infatti le tabelle collegate ad essa CtgMltTmt_ICD10 (Categorie Malattie e Traumatismi ICD10) e SubctgMltTmt_ICD10 (Subcategorie Malattie e Traumatismi ICD10) contengono appunto i corrispondenti elenchi della decima revisione della classificazione internazionale di malattie e problemi correlati proposta dall'OMS (ICD10).

Alla tabella Malattia ? collegata la tabella Prevalenza che riporta il valore di probabilit? per ognuna delle malattie, normalizzata per sesso, etnia e range di et? del paziente.

Le tabelle Sintomo, Segno e Test contengono, rispettivamente, l'elenco di tutti i sintomi e segni riscontrabili e l'elenco di tutti i test medici (test strumentali) effettuabili. Queste tabelle sono ci? che permette all'applicazione di interpretare le informazioni immesse dal medico durante le visite, permettendo di scegliere fra le varie possibilit? previste.

La tabella Test, oltre al nome e alla descrizione estesa del test, riporta anche se si tratta di un test dicotomico (positivo/negativo ? campo: Dicotomico) o a valori continui (e, nel caso sia del tipo a valori continui, anche l'unit? di misura utilizzata ? campo: Unita).

Ci? ? di fondamentale importanza per l'algoritmo di calcolo in quanto si ? scelto come approccio quello di trattare logicamente e ridurre ogni test a valori continui a una serie di test dicotomici ?virtuali? suddividendo l'intervallo di variabilit? dei possibili risultati in un adeguato numero di sottointervalli (secondo questo approccio ogni valore risultante dall'esecuzione del test cadr? all'interno di uno dei possibili sottointervalli rendendo positivo il sotto-test dicotomico corrispondente).

Questa tabella comprende anche i valori numerici di alcuni parametri di appropriatezza associati al test: costo, tempo di attesa e rischio intrinseco.

La tabella Sintomo_Malattia esplicita la relazione molti-a-molti esistente tra la tabella Sintomo (ogni malattia pu? avere pi? sintomi -o nessuno- e ogni sintomo pu? essere comune a pi? malattie) e la tabella Malattia e include come attributi la probabilit? di presenza del sintomo nei soggetti affetti dalla corrispondente malattia e la probabilit? di assenza del sintomo nei soggetti non affetti dalla corrispondente malattia.

Analogamente alla precedente, la tabella Segno_Malattia esplicita la relazione molti-amolti tra la tabella Segno e la tabella Malattia.

Anche la tabella Test_Malattia esplicita la relazione molti-a-molti esistente tra la tabella Test (i test strumentali) e la tabella Malattia (ogni malattia potrebbe essere individuata da uno o pi? test combinati o in alternativa -o nessuno- e ogni test potrebbe essere utile all'individuazione di pi? malattie). In questo caso gli attributi sono la sensibilit? e la specificit? del test rispetto alla specifica malattia.

La tabella FattoreRischio contiene una lista di fattori di rischio di vario tipo che possono predisporre o causare malattie.

Una relazione molti-a-molti lega i fattori di rischio alla tabella Malattia, tale relazione ? implementata dalla tabella FattoreRischio_Malattia.

Le tabelle Professione ed Etnia contengono una lista rispettivamente di professioni ed etnie riconosciute e rilevanti dal punto di vista medico. Sono entrambe utilizzate (attraverso relazioni 1-a-molti) dalla tabella Paziente. La tabella Etnia ? relazionata anche alla tabella Prevalenza.

Tabelle e strutture per i dati specifici del paziente DP.

I dati specifici del paziente prevedono un insieme di tabelle variamente interconnesse, con contenuti precaricati e aggiornabili, come da fig.3.

L'applicazione ? ovviamente costruita per essere utilizzata da medici diversi, quindi la tabella Medico contiene alcune informazioni anagrafiche e tutti i dati specifici relativi a ciascuno dei pazienti gestiti ed inseriti nel corso del tempo verranno memorizzati nel database e relazionati all'identificativo del medico.

La tabella Paziente contiene le informazioni di base per ciascuno dei pazienti.

La tabella Paziente ? collegata, da una relazione 1-a-molti, alla tabella Episodio. Ogni record di tale tabella identifica un episodio nella storia clinica del paziente che inizia dalla prima visita durante la quale il medico raccoglie segni e sintomi relativi a un certo disturbo e si conclude con la diagnosi, dopo eventuali esami strumentali. Nel caso che il paziente si ripresenti, successivamente, al medico, per un altro disturbo (diverso o analogo al precedente), il medico, utilizzando l'applicazione, determiner? l'apertura di un altro episodio clinico che comporter? la creazione di un nuovo record nella tabella Episodio, collegato al medesimo paziente.

La tabella Episodio ? relazionata alle tabelle Episodio_Segno ed Episodio_Sintomo: durante la visita il medico inserisce i sintomi riportati dal paziente. Le due tabelle Episodio_Segno ed Episodio_Sintomo esplicitano, popolandole, due relazioni molti-amolti fra Episodio e Segno ed Episodio e Sintomo.

Con la tabella Anamnesi avviene qualcosa di analogo. La tabella Anamnesi ? collegata alla tabella Paziente. I dati anamnestici del paziente vengono rilevati una sola volta ed eventualmente aggiornati nel tempo. Anche la tabella Anamnesi esplicita una relazione molti-a-molti fra la tabella Paziente e la tabella FattoreRischio. I dati anamnestici vengono raccolti elencando tutti i fattori di rischio a cui ? esposto il paziente.

Dopo l'inserimento di tutte le predette informazioni l'applicazione ? pronta alla prima elaborazione per il calcolo delle prime ipotesi diagnostiche su base probabilistica, (probabilit? pre-test) mediante l'uso dell'algoritmo implementato nel motore inferenziale MI.

La lista di ipotesi diagnostiche pre-test risultante viene quindi memorizzata nella tabella Diagnosi.

Successivamente si passa al calcolo delle probabilit? post-test mediante il motore inferenziale MI che fa ricorso ad una serie di query che incrociano la lista delle ipotesi diagnostiche pre-test in Diagnosi con le tabelle Test_Malattia e Test della base di conoscenza, ricavando per ognuna delle malattie ipotizzate tutti i test clinici strumentali associati e i rispettivi valori di sensibilit?, specificit? e i parametri per il calcolo del livello di appropriatezza di ogni test.

Si determina cos? quali fra i test individuati sono pi? utili a guadagnare informazione per la diagnosi finale.

Questi risultati vengono memorizzati nella tabella Test_Diagnosi, dove a ogni ipotesi diagnostica sono associati una serie di test con i relativi valori dei parametri instriseci di appropriatezza (costo, tempo di attesa, rischio intrinseco) e le probabilit? post-test.

Nella stessa tabella possono essere successivamente inseriti i valori di ulteriori parametri di appropriatezza come il rischio relativo del test e tollerabilit? utilizzati nella fase di ottimizzazione che prevede il calcolo di un indice di appropriatezza del test per fornire al medico una informazione in pi? per la scelta finale dei test da prescrivere.

In questi stessi record possono anche trovare successivamente posto i valori dei risultati reali dei test diagnostici effettivamente eseguiti a seguito della prescrizione per un loro futuro utilizzo.

MOTORE INFERENZIALE MI.

? il modulo nel quale viene implementato l'algoritmo per calcolare, a partire dai dati paziente, i valori delle probabilit? per ogni ipotesi diagnostica. Il modulo inoltre propone per ogni ipotesi uno o pi? test diagnostici e calcola quanto un test ed una particolare sequenza di test influenzi la probabilit? delle diverse ipotesi e associa a ciascun percorso il relativo indice di appropriatezza.

La procedura inferenziale pu? basarsi, ad esempio, su uno dei qualsiasi algoritmi citati nella letteratura scientifica (tra i pi? comuni si possono citare quelli basati su relazioni di fuzzy logic tra sintomi e malattie, le reti neurali artificiali, le reti bayesiane e le support vector machine). Nella descrizione dettagliata verr? presentato e descritto un motore inferenziale basato su un approccio bayesiano noto come NAIVE BAYES come uno dei possibili algoritmi implementabili. Pi? in generale la scelta dell'algoritmo non porta a diagnosi finali differenti ma pu? influire sul percorso diagnostico in termini di maggiore o minore velocit? nel pervenire alla diagnosi finale. In altri termini ciascun algoritmo, anche per effetto dell'interattivit? della procedura, porter? comunque alla stessa diagnosi anche se, eventualmente, con tempi diversi.

La scelta dell'algoritmo determiner?, caso per caso, la necessit? di modificare il DB per includervi quei dati necessari per l'esecuzione dell'algoritmo stesso.

In ogni caso il DB come sopra descritto, possiede gi? le informazioni per implementare un algoritmo di tipo NAIVE BAYES.

Consideriamo ora, a titolo esemplificativo, il caso pi? generale di una rete bayesiana. Matematicamente, una rete bayesiana ? un grafo aciclico orientato in cui i nodi rappresentano le variabili, gli archi rappresentano le relazioni di dipendenza statistica tra le variabili e le distribuzioni locali di probabilit? dei nodi foglia rispetto ai valori dei nodi padre.

In generale ogni patologia, segno, sintomo, dato anamnestico, test ?, indistintamente, una variabile statistica e quindi un nodo della nostra rete bayesiana. Ad ogni arco orientato che lega un generico nodo A con un nodo B deve essere associata una probabilit? condizionata P(B|A); la conoscenza dei valori di probabilit? di tutti gli archi della rete consente di poter calcolare formalmente la probabilit? per un nodo qualsiasi condizionata alla probabilit? associata ad un qualsiasi altro insieme di altri nodi dati. Saremo cos? formalmente in grado di calcolare le probabilit? Pre(M | {DP}) e Post(M | {DP} U {T} ) cio? le probabilit? pre e post-test di riscontrare la patologia M condizionata rispettivamente all'insieme dei dati paziente {DP} e all'unione di {DP} con l'insieme dei test {T}.

Per far ci? dovremo aggiungere al DB precedentemente descritto le informazioni relative alla struttura della rete (una tabella molti-a-molti) e il valore delle funzioni di probabilit? associate ad ogni arco.

Quindi, come accennato, in precedenza, la scelta dell'algoritmo comporta delle aggiunte alla struttura del database. A questo proposito accenniamo ad un altro tipo di implementazione del motore inferenziale MI.

In precedenza abbiamo citato, tra gli altri, gli algoritmi denominati support vector machine; questi ultimi sono un caso particolare delle cosiddette tecniche di machine learning. A titolo esemplificativo tali tecniche possono essere implementate nel seguente modo: la probabilit? di una patologia viene rappresentata come una funzione, non lineare, dei dati paziente (segni, sintomi, test, ecc.). Noti questi ultimi la suddetta probabilit? pu? essere comodamente calcolata. La difficolt? consiste nel conoscere i valori dei parametri e dei coefficienti di tale funzione che non sono noti a priori. Essi possono essere determinati ricorrendo a procedure di apprendimento tipiche delle tecniche di machine learning. I valori dei parametri e dei coefficienti una volta determinati, vanno inseriti in una tabella supplementare molti-a-molti del database.

Per quanto riguarda il flusso informativo verticale PDA di fig.1, esso comprende tre fasi funzionali successive in ordine di tempo (l'utente potr? comunque sempre tornare ad una fase precedente per rivedere e modificare le impostazioni anteriori):

1. Configurazione Percorso Diagnostico appropriato (blocco cPDA di fig.1);

2. Selezione delle patologie per la diagnosi differenziale (blocco ePDA di fig.1); 3. Selezione dei Test diagnostici (blocco oPDA di fig.1).

Configurazione Percorso Diagnostico appropriato(blocco cPDA di fig.1).

Nella fase di Configurazione Percorso Diagnostico Appropriato ? consentito visualizzare, selezionare ed eventualmente modificare le variabili di sistema, ovvero i parametri, che verranno utilizzati nelle fasi successive per elaborare e generare in output i percorsi diagnostici. Tra questi parametri ci sono anche quelli necessari per calcolare gli indici di appropriatezza. In ognuna delle fasi successive alla presente si potr? sempre ritornare in questa fase per riconfigurare parzialmente o completamente l'intero apparato.

Selezione delle patologie per la diagnosi differenziale. (blocco ePDA di fig.1).

In questa fase l?apparato si collega al database dei pazienti DP consentendo di acquisire, oltre le generalit? del paziente stesso, anche i dati anamnestici necessari per le elaborazioni successive.

Al paziente cos? selezionato viene associata una lista di segni e sintomi riscontrati e/o riferiti al momento della visita medica.

Queste informazioni consentono di generare una Lista di Patologie pi? Probabili (LPP) elaborata dal motore inferenziale MI. Ad essa si unisce una Lista delle Malattie Rare (LMR), elaborata inserendo anche patologie non presenti in LPP, ma presenti nel database DB, per le quali, tuttavia, uno dei segni/sintomi rilevati sia altamente specifico (oppure abbia una alta sensibilit?).

La lista totale potr? sempre essere rivista ed aggiornata interattivamente dall'utente medico. In particolare, per verificare di aver considerato tutti i sintomi rilevanti per le patologie di interesse, si potr? selezionare una o pi? delle patologie fra quelle in lista per approfondire i sintomi correlati e verificare la presenza di ulteriori sintomi tipici ma non ancora rilevati/riferiti.

Successivamente viene elaborata interattivamente una lista delle patologie delle quali si intendono stimare i percorsi diagnostici; nella lista delle patologie probabili LPP vengono selezionate le patologie che presentano una probabilit? post segni-sintomi superiori a una soglia prefissata e modificabile (in cPDA). Ad LPP e alla lista delle malattie rare, si pu? aggiungere la lista delle patologie aggiunte manualmente LPA; quindi la lista totale LPS ? data da LPS = LPP LMR LPA.

Pertanto, in questa fase, ? possibile modificare ed estendere LPP:

? Manualmente: in ogni momento ? possibile aggiungere una qualsiasi patologia. ? Modificando la soglia della selezione delle patologie pi? probabili.

? Modificando direttamente la lista: qualsiasi patologia pu? essere selezionata/deselezionata dalla lista finale

Una volta consolidata LPS si pu? passare alla fase successiva.

Selezione dei Test diagnostici (blocco oPDA di fig.1).

Ad ogni patologia della lista selezionata LPS corrisponde (ottenuto interrogando il DATABASE) un insieme di test. L'unione di tutti questi insiemi per tutte le patologie costituisce un insieme TAMS (test associati alle malattie selezionate).

In generale, per la selezione dei test diagnostici da eseguire, possono essere utilizzate diverse modalit? o combinazioni di modalit?:

1. Selezione interattiva semiautomatica dei test ad alto effetto diagnostico.

Dall?insieme TAMS di tutti i test rilevanti vengono ulteriormente selezionati solamente quelli che hanno una sensibilit? e/o una specificit? al di sopra di una soglia di efficacia il cui valore pu? essere modificato. Successivamente viene calcolata la probabilit? post-test per ogni patologia nell'ipotesi di effettuare ogni singolo test diagnostico. In questo modo vengono identificati i test che, se eseguiti, fanno progredire o regredire la conoscenza. I test ad alto effetto diagnostico saranno quelli che superano una Soglia di Probabilit? Post-Test anche questa modificabile dal medico.

2. Scelta manuale del test. Per ogni patologia il medico pu? visualizzare tutti i test ad essa associati e selezionare a suo piacimento uno o pi? test diagnostici. Pu? quindi accadere che anche un test che non superi la soglia di efficacia possa essere scelto. Per ogni test selezionato il sistema calcola la probabilit? post-test e l?appropriatezza.

3. Se necessario il medico pu? anche selezionare dal DB un qualsiasi test indipendentemente dalla sua rilevanza. I test selezionati con questa opzione verranno inseriti nell'insieme dei TAMS.

Se viene scelto pi? di un test diagnostico l?apparato calcoler? anche la probabilit? post-test di ogni ipotesi diagnostica, nell'ipotesi di eseguire tutti i test, e l'appropriatezza dell'intero percorso diagnostico (cio? l?appropriatezza globale di tutti i test selezionati) oltre a visualizzare la probabilit? post-test e l'appropriatezza di ogni singolo test.

La sopra citata procedura associa ad ogni test il rispettivo indice di appropriatezza IA che, a livello esemplificativo, pu? essere definito come:

IA = To / (C * Te * R)

dove Te ? l'indice relativo al tempo di attesa per accedere al test ; C ? l'indice relativo al costo del test; R ? l'indice relativo al massimo tra il rischio intrinseco e il rischio relativo del test; To ? l'indice relativo alla tollerabilit? al test.

Viene anche determinato un indice di appropriatezza globale (IAG) di tutti i test diagnostici selezionati, calcolata con la stessa formula precedente, vale a dire:

IAG = ToG / (CG * TeG * RG)

dove: ToG ? pari al minimo tra tutti gli indici di tollerabilit? tra tutti i test della sequenza, CG ? pari alla somma dei singoli costi di ciascun test della sequenza, TeG ? pari al massimo fra tutti tempi di attesa, RG ? pari al massimo fra tutti gli indici di rischio della sequenza. Ricapitolando, in uscita vengono forniti i seguenti dati, preferibilmente visualizzati su display (nel blocco output oPDA di fig.1) per ogni ipotesi diagnostica:

? la probabilit? pre?test,

? l'elenco, in ordine di appropriatezza, di tutti i test con la rispettiva probabilit? post?test ed indice di appropriatezza,

? la probabilit? post-test e l'indice di appropriatezza globale dell'intero percorso diagnostico.

Si possono costruire diversi percorsi diagnostici, anche aggiungendo e togliendo singoli test dalla selezione e ricalcolare le probabilit? post-test delle patologie e l?indice di appropriatezza dei percorsi.

? possibile pertanto definire un percorso alternativo (selezionando un insieme diverso di test): l?apparato mantiene in memoria il percorso precedente con i relativi valori di appropriatezza in modo tale che possano essere confrontati diversi percorsi.

Descrizione di dettaglio di un esempio realizzativo.

La presente invenzione ? preferibilmente realizzata tramite moduli software memorizzati su dispositivi di memorizzazione leggibili ed eseguibili da un computer (ad esempio dei tipi server, desktop, workstation, portatile, tablet, smartphone, ecc.) corredato da dispositivi di memorizzazione di massa e di input/output (vedi schema Fig.1).

Ad esempio i moduli software sono implementati su cluster di calcolo (fisico o virtuale) ed eseguibili da remoto ed implementati come App per dispositivi mobili (Tablet, smartphone, PC portatili).

La realizzazione della parte hardware ? a portata del tecnico del ramo, e non ? necessario inserire informazioni di dettaglio ulteriori.

Tali moduli software utilizzeranno le informazioni memorizzate nella base di conoscenza BDC e nell'archivio dei dati dei pazienti DP ed entrambe queste basi di dati sono illustrate sopra nella sezione denominata ?IL DATABASE?.

Tutti i moduli software e l'intero database sono sviluppati facendo ricorso a un framework Ruby on Rails, utilizzato come ambiente RAD, corredato da una serie di moduli aggiuntivi opensource (gems) messi a disposizione dalla comunit? di sviluppatori che sostiene questo ambiente. In questo genere di soluzione implementativa si prevede (nella quasi totalit? dei casi) che tutti i dati e le informazioni non volatili necessarie al funzionamento dell'applicazione siano gestite mediate l'uso di un database relazionale. In questo caso si utilizza un server di database MySQL, connesso all'applicazione mediante socket locale. Il tecnico del ramo ? in grado di realizzare la parte software utilizzando le sue conoscenze di base e quanto descritto nella presente descrizione.

Con riferimento alla figura 3, sul dispositivo di output verranno visualizzati una sequenza di men? interattivi di cui i principali sono tre:

? Men? Home

? Men? Selezione delle patologie per la diagnosi differenziale

? Men? Selezione dei Test diagnostici

Tali men? richiameranno i seguenti altri men? e le due procedure principali:

? CPDA (Configurazione Percorso Diagnostico Appropriato)

? Dati Paziente

? Selezione segni e sintomi

? Lista Sintomi

? Selezione Sintomi Rilevanti

? Aggiungi Malattia Rara

? SIT (selezione interattiva test)

? SMT (selezione manuale del test)

Procedure:

? LP ? calcola la lista ordinata delle patologie pi? probabili

? OPDA ? elabora l'Output del Percorso Diagnostico Appropriato

Descrizione operativa di ogni singolo men? e delle procedure.

(associata ad ogni opzione del men? viene riportata la descrizione dell?opzione e la lista delle attivit?, in pseudo codice, che vengono eseguite all'attivazione di ciascuna opzione). MEN? HOME

Nel men? ? consentito chiamare i sottomen? nei quali configurare il sistema (men? CPDA), identificare il paziente e i suoi dati clinici, selezionare segni, sintomi e dati anamnestici (men? dati paziente). Queste informazioni consentono di elaborare una Lista di Patologie pi? Probabili (LPP) e di visualizzarla in questo men?. Ad essa si unisce la Lista delle Malattie Rare (LMR). La lista totale potr? sempre essere rivista ed aggiornata usando le opzioni del men? che vengono qui di seguito elencate.

Opzione ?sintomi ignorati per patologia?: per verificare di aver considerato tutti i sintomi rilevanti per le patologie di interesse.

Si seleziona una delle patologie fra quelle in lista per approfondire i sintomi correlati e verificare la presenza di ulteriori sintomi tipici ma non ancora rilevati/riferiti.

Se effettivamente presenti, si possono immettere nuovi sintomi non inseriti nella prima fase di indagine. La lista delle patologie pi? probabili verr? di conseguenza aggiornata. Opzione ?sintomi ignorati per importanza?: per affinare la diagnosi differenziale fra le ipotesi pi? probabili.

Per le prime ipotesi diagnostiche in lista, pari alla variabile NuSePa (ad es. 5 per default), vengono estratti tutti i sintomi non segnalati nella prima fase di indagine. Vengono visualizzati solo i primi 10 (valore di default della variabile SiPr) sintomi con pi? alto LR (likelihood ratio) assoluto (massimo LR di un sintomo fra le patologie pi? probabili). Se effettivamente presenti, i nuovi sintomi non inseriti nella prima fase di indagine possono essere inseriti. La lista delle patologie pi? probabili verr? di conseguenza aggiornata.

Opzione ?sintomi gi? inclusi significativi?: per verificare di non avere trascurato una patologia poco probabile (malattia rara) sebbene un sintomo altamente rilevante fosse stato rilevato.

Tra tutti i sintomi segnalati nella prima fase di indagine vengono visualizzati i primi 10 (valore di default della variabile SiPiuP) sintomi con pi? alto LR e la patologia per la quale tale valore ? massimo.

La patologia di bassa probabilit? pu? essere inserita nella lista delle malattie da considerare nei men? successivi.

Men? Home (procedura).

opzioni possibili:

Configurazione Percorso Diagnostico Appropriato

entra nel men? CPDA

Dati Paziente

entra nel men? Dati Paziente

nell'output viene visualizzato quanto segue:

IF ( ?non sono ancora stati inseriti i dati del paziente e la sintomatologia?) THEN PRINT (?inserisci i Dati Paziente, i segni e i sintomi?) ELSE chiama la procedura LP

visualizza la lista LPP LMR

attiva opzioni supplementari nel Men? Home

opzioni supplementari:

Sintomi ignorati per patologia

seleziona una patologia della lista (cliccandoci sopra)

entra nel men? Lista Sintomi

Sintomi ignorati per importanza

entra nel men? Selezione Sintomi Rilevanti

Sintomi gi? inclusi significativi

entra nel men? Aggiungi Malattia Rara

Avanti

entra nel men?

Selezione delle patologie per la diagnosi differenziale

MEN? SELEZIONE DELLE PATOLOGIE PER LA DIAGNOSI DIFFERENZIALE

In questo men? si elabora la lista delle patologie delle quali si intendono stimare i percorsi diagnostici.

Le tre principali opzioni sono:

Selezione automatica: vengono selezionate le patologie che presentano una probabilit? post segni-sintomi superiori a una soglia del 40% (valore default della variabile SoSePa_inf) ma vengono mantenute in lista le ?malattie rare? eventualmente selezionate nel men? precedente.

Selezione manuale: il medico ? libero in ogni momento di aggiungere una qualsiasi patologia

Modifica la lista: il medico pu? selezionare/deselezionare qualsiasi patologia dalla lista finale

Men? Selezione delle patologie per la diagnosi differenziale (procedura).

opzioni possibili:

Selezione automatica

aggiorna la LPP considerando solo le patologie con un valore di probabilit? maggiore o uguale a quello della variabile SoSePa_inf Selezione manuale

il medico inserisce una patologia che ritiene rilevante, quest'ultima viene immessa nella lista LPA (patologie aggiunte manualmente dal medico) insieme con il rispettivo valore di probabilit? pre?test. Modifica la lista

viene visualizzata l'intera Lista delle Patologie sinora Selezionate LPS;

le patologie possono essere deselezionate/selezionate cliccandoci sopra; quelle selezionate sono visualizzate in grassetto. Configurazione

entra nel men? CPDA

indietro

torna al Men? Home

avanti

entra nel men? Selezione dei Test diagnostici nell'output viene visualizzata la Lista delle Patologie Selezionate (LPS) costituita dalla somma della lista LPP (aggiornata con il valore della variabile SoSePa_inf) LMR la lista delle patologie aggiunte manualmente dal medico (LPA), quindi LPS = LPP LMR LPA

MEN? SELEZIONE DEI TEST DIAGNOSTICI

Ad ogni patologia della lista selezionata LPS corrisponde (ottenuto interrogando il DATABASE) un insieme di test. L'unione di tutti questi insiemi costituisce l'insieme TAMS (test associati alle malattie selezionate). Per la costruzione preliminare dell'insieme TAMS non vengono prese in considerazione tutte le patologie di LPS ma da quest'ultima lista vengono esclusi i test associati alle patologie la cui probabilit? pre test ? gi? superiore al 70% (valore di default della variabile SoSePa_sup). Il senso di tale scelta deriva dal fatto che patologie con una alta probabilit? pre-test forniscono gi? una forte indicazione diagnostica senza necessit? di ricorrere ad altri test che aggiungerebbero una minore informazione rispetto a quella ottenibile facendo test pi? specifici per le patologie presenti all'interno dell'intervallo di incertezza diagnostico (che ? individuato dalle variabili SoSePa_sup e SoSePa_inf che per default ? pari al 70% e al 40%).

In generale, per la selezione dei test diagnostici da eseguire, il medico pu? seguire diverse modalit? o combinazioni di modalit?:

Selezione interattiva semiautomatica dei test ad alto effetto diagnostico:

Dall?insieme TAMS di tutti i test rilevanti vengono ulteriormente selezionati solamente quelli che hanno un LR sopra una soglia di efficacia (SoEf) il cui valore pu? essere fissato dal medico nel men? Configurazione PDA (per default SoEf = 2).

Viene calcolata la probabilit? post-test per ogni patologia nell'ipotesi di effettuare ogni singolo test diagnostico. In questo modo vengono identificati i test che se eseguiti fanno progredire o regredire la conoscenza. I test ad alto effetto diagnostico saranno quelli che superano una Soglia di Probabilit? Post-Test SoPPT (per default del 70% e comunque minore od uguale a SoSePa_sup).

Scelta manuale del test

Per ogni patologia il medico pu? visualizzare tutti i test ad essa associati e ordinati secondo il rapporto di probabilit? e selezionare a suo piacimento uno o pi? test diagnostici. Pu? quindi accadere che anche un test che non superi la soglia di efficacia possa essere scelto. Per ogni test selezionato il sistema calcola la probabilit? post-test e l?appropriatezza.

Se necessario il medico pu? anche selezionare dall?elenco Test diagnostici un qualsiasi test indipendentemente dalla rilevanza per le ipotesi diagnostiche e dalla loro efficacia per l?analisi differenziale. I test selezionati con questa opzione verranno aggiunti nell'insieme dei TAMS.

Se viene scelto pi? di un test diagnostico il sistema calcoler? anche la probabilit? post test nell'ipotesi di eseguire tutti i test e l'appropriatezza dell'intero percorso diagnostico oltre a visualizzare la probabilit? post-test e l'appropriatezza di ogni singolo test.

Il medico pu? pertanto costruire a suo piacimento diversi percorsi diagnostici aggiungendo e togliendo singoli test dalla selezione e ricalcolare le probabilit? post-test delle patologie e l?appropriatezza dei percorsi.

Men? Selezione dei Test diagnostici (procedura).

opzioni possibili:

Selezione interattiva semiautomatica dei test ad alto effetto diagnostico entra nel men? SIT

Scelta manuale del test

viene selezionata una patologia cliccandoci sopra e si

entra nel men? SMT

Configurazione

entra nel men? CPDA

Indietro

entra nel men? Selezione delle patologie per la diagnosi differenziale

Salva

Memorizza la tabella del percorso diagnostico (con un nome) Richiama

Carica una tabella di percorso diagnostico precedentemente salvata Stampa

Stampa la tabella del percorso diagnostico in uscita viene visualizzato l'output della procedura OPDA (Output Percorso Diagnostico Appropriato). In dettaglio, per ogni patologia viene visualizzata la probabilit? pre?test e, successivamente, vengono elencati, in ordine di appropriatezza, tutti i test con relativa probabilit? post?test ed appropriatezza ed, infine, la probabilit? e l'appropriatezza dell'intero percorso diagnostico.

MEN? DATI PAZIENTE

Da questo men? ci si collega al database dei pazienti consentendo, inoltre, di acquisire, oltre le generalit? del paziente stesso, anche i dati anamnestici necessari per le elaborazioni successive.

Al paziente cos? selezionato viene associata, in questo men?, una lista di segni e sintomi riscontrati e/o riferiti al momento della visita medica.

La selezione dei segni e sintomi pu? avvenire in molti modi. Il modo pi? semplice ? quello utilizzare un motore di ricerca all'interno del DB dei sintomi, si scrive il sintomo o il segno riscontrato in una finestra di dialogo e, a partire da questo, il motore di ricerca fornisce una lista di segni e sintomi, simili a quello immesso, dai quali selezionare quello che si considera pi? appropriato a descrivere la situazione del paziente.

Al termine della selezione si ? in possesso di una lista di segni e sintomi che insieme alle informazioni anamnestiche del paziente (gi? presenti nel database) consente di tornare al men? home ed elaborare la lista delle patologie pi? probabili.

Men? Dati Paziente (procedura).

opzioni possibili:

Selezione Paziente

vengono fornite le generalit? del paziente

Selezione segni e sintomi

si immettono i segni e i sintomi selezionandoli nel DB

Indietro

ritorna al Men? Home

nell'output viene visualizzato:

le generalit? del paziente (una volta che sia stato selezionato)

la lista dei segni e sintomi riscontrati e selezionati nel paziente

MEN? LISTA SINTOMI

Nel men? vengono visualizzati tutti i segni e sintomi associati ad una predefinita patologia. Ne vengono visualizzati al massimo un numero pari alla variabile NuMaxSint (per default 20) e tra questi, evidenziati in grassetto (ovvero gi? selezionati), quelli gi? riscontrati dal medico. In questo modo ? possibile

verificare di aver considerato tutti i sintomi rilevanti per la patologia di interesse e verificare la presenza di ulteriori sintomi tipici non ancora rilevati/riferiti.

Se effettivamente presenti, il medico pu? immettere i nuovi sintomi non inseriti nella prima fase di indagine. La lista delle patologie pi? probabili verr? di conseguenza aggiornata una volta che si ritorni nel men? Home.

Men? Lista Sintomi (procedura).

opzioni possibili:

Configurazione

entra nel men? CPDA

Ritorna

torna nel Men? Home

l'output visualizza la lista di 20 (valore di default della variabile NuMaxSint) segni e sintomi per quella patologia

I segni e sintomi selezionati sono visualizzati in grassetto.

Se ne possono selezionare (deselezionare) altri cliccandoci sopra

MEN? SELEZIONE SINTOMI RILEVANTI

Con questa opzione ? consentito rilevare segni e sintomi importanti ma precedentemente ignorati allo scopo di affinare la diagnosi differenziale fra le ipotesi pi? probabili.

Dalle prime 5 (valore di default della variabile NuSePa) ipotesi diagnostiche in lista vengono estratti tutti i sintomi non segnalati nella prima fase di indagine. Vengono visualizzati solo i primi 5 (valore di default di SiPr) sintomi con pi? alto LR (Likelihood Ratio) assoluto (massimo LR di un sintomo fra le patologie pi? probabili).

Men? Selezione Sintomi Rilevanti (procedura).

opzioni possibili:

Configurazione

entra nel men? CPDA

Ritorna

torna nel Men? Home

l'output visualizza una lista al pi? di NuSePa * SiPr segni e sintomi

I segni e sintomi selezionati sono visualizzati in grassetto.

Se ne possono selezionare (deselezionare) altri cliccandoci sopra MEN? AGGIUNGI MALATTIA RARA

Questa opzione consente di verificare di non avere trascurato una patologia poco probabile (malattia rara) sebbene un sintomo altamente rilevante per quest'ultima fosse stato rilevato. Tra tutti i sintomi segnalati nella prima fase di indagine vengono visualizzati i primi 10 (valore di default di SiPiuP) sintomi con pi? alto LR e la patologia per la quale tale valore ? massimo.

Se del caso il medico pu? aggiungere patologie di bassa probabilit? nella lista delle malattie sinora gi? considerate e visualizzarle nel men? successivo.

Men? Aggiungi Malattia Rara (procedura).

opzioni possibili:

Configurazione

entra nel men? CPDA

Ritorna

torna nel men? Home

l'output visualizza una lista di SiPiuP (10 per default) segni e sintomi ad ognuno di questi ? associata la patologia con il massimo LR (interrogando il DB) segni e sintomi e patologia gi? selezionate sono visualizzate in grassetto. Se ne possono selezionare (deselezionare) altre cliccandoci sopra.

MEN? SIT

Men? per la Selezione Interattiva semiautomatica dei Test ad alto effetto diagnostico. Ad ogni patologia della lista selezionata ( LPS: Lista Patologie Selezionate) corrisponde un set specifico di test diagnostici.

Di tutti questi test si considerano solo quelli per cui la probabilit? pre?test ? minore od uguale al 70% (valore di default della variabile SoSePa_sup). I test cos? individuati compongono il cosiddetto insieme TAMS (test associati alle malattie selezionate).

Dall?insieme TAMS di tutti i test rilevanti vengono dapprima selezionati quelli che in assoluto (cio? per tutte le patologie selezionate) hanno un LR sopra una soglia di efficacia SoEf (2 di default) e, successivamente, di questi ultimi, vengono selezionati e visualizzati quelli che, per almeno una delle patologie selezionate superano il valore della probabilit? post test del 70% (valore di default della variabile SoPPT e comunque minore od uguale a SoSePa_sup).

Il medico potr? ulteriormente selezionare/deselezionare i test di TAMS come lo ritenga pi? opportuno.

Men? SIT (procedura).

opzioni possibili:

Ritorna

torna al men? precedente

Configura percorsi diagnostici appropriati

entra nel men? CPDA

l'output visualizza la lista dei test diagnostici appartenenti all'insieme TAMS con LR > SoEf e probabilit? post test > SoPPT.

Si possono selezionare/deselezionare i test cliccandoci sopra.

I test selezionati sono visualizzati in grassetto.

MEN? SMT

Nel men? Selezione Manuale dei Test per la patologia selezionata nel men? precedente vengono visualizzati tutti i test pertinenti ordinati secondo il rapporto di probabilit? relativo in modo tale che il medico pu? selezionare a suo piacimento uno o pi? test diagnostici. Pu? quindi accadere che anche un test che non superi la soglia di efficacia possa essere scelto e venire cos? ad essere inserito nell'insieme TAMS.

Men? SMT (procedura).

opzioni possibili:

Ritorna

includi i test selezionati nell'insieme TAMS (se non gi? presenti) torna al men? precedente

Configura percorsi diagnostici appropriati

entra nel men? CPDA

l'output visualizza la lista dei test diagnostici.

Si possono selezionare/deselezionare i test cliccandoci sopra.

I test selezionati sono visualizzati in grassetto.

MEN? CPDA

Nel men? Configurazione Percorsi Diagnostici Appropriati ? consentito visualizzare ed eventualmente modificare il valore delle variabili di sistema.

Men? CPDA (procedura).

opzioni possibili:

NuMaxSint

20 di default;

numero massimo di segni e sintomi selezionabili per patologia viene utilizzata nel men? Lista Sintomi

NuPaLis

10 di default; Numero delle Patologie nella Lista.

numero massimo di patologie elencate nel men? home dalla procedura LP

NuSePa

5 di default; Numero massimo della Selezione delle Patologie. Numero di patologie pi? probabili considerate nel

men? Selezione Sintomi Rilevanti

SiPr

10 di default; Sintomi Probabili.

Numero massimo di segni e sintomi pi? probabili per patologia che sono stati ignorati; viene utilizzata nel

men? Selezione Sintomi Rilevanti

SiPiuP

10 di default; Sintomi Pi? Probabili.

Numero massimo delle patologie per ciascuna delle quali i segni e sintomi selezionati presentano il massimo valore di LR.

Viene usata nel men? Aggiungi Malattia Rara

SoSePa_inf

40% di default; Soglia Inferiore Selezione Patologia; soglia della probabilit? di una patologia al di sopra della quale la patologia stessa ? inclusa nella lista LPP di quelle cio? selezionate automaticamente nel men? Selezione delle patologie per la diagnosi differenziale. ? il limite inferiore dell?intervallo di incertezza diagnostica che ? dato dalla differenza SoSePa_sup - SoSePa_inf.

SoSePa_sup

70% di default; Soglia superiore Selezione Patologia. Limite superiore dell'intervallo dell?incertezza diagnostica che ? dato dalla differenza SoSePa_sup ? SoSePa_inf.

Solo i test diagnostici associati alle patologie le cui probabilit? pre?test cadono in questo intervallo vengono presi in considerazione nel men? Selezione dei Test diagnostici

SoEf

2 di default; Soglia di Efficacia

valore del LR di un test diagnostico al di sopra del quale un test diagnostico pu? essere selezionato dal medico per elaborare un percorso diagnostico. Viene utilizzata nel men? SIT

SoPPT

70% di default; Soglia Probabilit? Post Test.

Soglia oltre la quale un test pu? essere incluso dal medico nella lista dei percorsi diagnostici. Deve essere SoPPt <= SoSePa_sup.

Viene usata nel men? SIT

Te: tempo di attesa per accedere al test

si seleziona/deseleziona l'utilizzo di tale variabile per il calcolo dell'appropriatezza

C: indice relativo al costo del test

R: indice relativo al rischio del test

To: indice relativo alla tollerabilit? al test

Visualizza valori appropriatezza

si seleziona/deseleziona la possibilit? di visualizzare esplicitamente i valori di appropriatezza nell'output del

men? Selezione dei Test Diagnostici

Ritorna

ritorna nel men? precedente nell'output viene visualizzato il valore aggiornato di ogni variabile.

Procedura LP - descrizione

La procedura LP costruisce la Lista delle Patologie pi? Probabili (LPP) utilizzando un modello NAIVE BAYES (ad esempio descritto in Wagholikar et al. Su citato).

Si inizia dalla conoscenza della prevalenza, espressa in termini di odds, della patologia cio? dal dato epidemiologico.

Con il termine inglese ?odds? in statistica si intende il rapporto tra la probabilit? ?p? di un evento e la probabilit? che tale evento non accada (cio? la probabilit? (1-p) dell'evento complementare). Odds_prevalenza indica il rapporto tra la probabilit? che il paziente abbia una patologia in base a considerazioni demografiche e legate all?et? (prevalenza) e la probabilit? che non abbia quella patologia (1-prevalenza). Definendo con P(M) la prevalenza della patologia M si ha che odds_prevalenza = P(M) / (1-P(M)).

Ad ogni sintomo, segno, test effettuato, dato anamnestico ? associato un rapporto di probabilit? (likelihood ratio) LR dato da:

LR = P(S|M) / P(S| ~M)

e cio? dalla probabilit? condizionata di riscontrare il sintomo (S) in un paziente malato (M) diviso la probabilit? condizionata di avere lo stesso sintomo in un paziente che non ha quella specifica malattia (~M). Il LRg globale di un insieme di segni, sintomi, ecc ? dato dal prodotto dei singoli LR.

Si pu? ora stimare la probabilit? che un paziente con quei sintomi, segni ecc abbia la malattia M prima di eseguire ulteriori test diagnostici (pre?test); in termini di odds si scrive:

odds_pre_test = LRg * odds_prevalenza

e questo, in generale, si pu? di nuovo esprimere in termini di probabilit? P sapendo che P = odds / (1+ odds).

La formula del calcolo di odds_pre_test sopra descritta ? di semplice ed immediata implementazione e, come gi? detto, da quest'ultima si calcola la probabilit? P_pre_test. Alternativamente, seppur sia leggermente pi? complicato, si pu? calcolare direttamente la probabilit? pre?test per una successione di n sintomi in maniera iterativa o ricorsiva. In questo caso si utilizza la relazione:

Pi = (LR * Pi-1) / ( LR * Pi-1 + Ki-1 ) dove K i-1= (1 ? Pi-1) Pi ? la probabilit? pre?test dei primi i sintomi; dove i va da 1 a tutti gli n sintomi e P0 ? la prevalenza della patologia. Ovviamente P_pre_test = Pn

Seppure tale implementazione sembri pi? complessa, essa, per?, consente di implementare semplici varianti al modello rigorosamente bayesiano. Per esempio si possono adottare diverse formulazioni di K i-1 come le due seguenti:

K i-1 = (1 ? P0) oppure K i-1 = (1 ? P i-1)<LR>.

L?idea di base di queste due ultime formulazioni, ? quella di abbassare le probabilit? pre?test ricavate dalla formula di Bayes che considera tutte le variabili del sistema indipendenti tra di loro.

Procedura LP

for (ogni patologia della lista "Malattie" dalla BDC)

P0 = prevalenza della patologia

ODDS = P0 /(1- P0) /* prevalenza espressa in termini di odds */ LRg = 1 /*likelihood ratio globale per tutti i dati associati al paziente*/ for (ogni sintomo, segno, dato anamnestico, test effettuato)

leggi il corrispondente LR (likelihood ratio)

LRg = LRg * LR

ODDSpre = LRg * ODDS

PpreTest=ODDSpre/(ODDSpre+1) /* PpreTest ? la probabilit? pre?test */ memorizza la lista LPP di ogni patologia con la rispettiva PpreTest

end

Procedura OPDA - descrizione

La procedura elabora l'output del percorso diagnostico appropriato utilizzando lo stesso modello NAIVE BAYES e le stesse formule riportate nella procedura LP.

Sia LR il rapporto di probabilit? (likelihood ratio) associato ad un generico test diagnostico, la probabilit? stimata (espressa in termini di odds) della patologia M in caso di esito positivo del test (post-test) ? data da:

odds_post_test = LR * odds_pre_test

e questo si pu? di nuovo esprimere in termini di probabilit? P sapendo che

P = odds / (1+ odds).

Si pu? valutare questa probabilit? per ogni singolo test e per l'insieme di tutti i test.

La procedura associa, inoltre, ad ogni test il rispettivo indice di appropriatezza IA definito come:

IA = To / (C * Te * R)

dove To ? l'indice relativo alla tollerabilit? al test; C ? l'indice relativo al costo del test; Te ? l'indice relativo al tempo di attesa per accedere al test; R ? l'indice relativo al massimo tra il rischio intrinseco e il rischio relativo del test.

Maggiore ? l'appropriatezza maggiore ? il valore dell'indice IA.

L'indice di appropriatezza globale (IAG) di tutti i test diagnostici selezionati, viene calcolato come:

IAG = ToG / (CG * TeG * RG)

dove ToG uguale al minimo tra tutti gli indici di tollerabilit?; CG uguale alla somma dei singoli costi per ciascun test; TeG uguale al massimo fra tutti tempi di attesa; RG uguale al massimo fra tutti gli indici di rischio.

Il medico pu? decidere di definire un percorso alternativo (selezionando un insieme diverso di test), il sistema mantiene in memoria il percorso precedente con i relativi indicidi appropriatezza in modo tale che il medico possa confrontare diversi percorsi.

Per il calcolo di odds_post_test si possono ripetere le stesse considerazioni descritte a commento della procedura LP riguardo al calcolo della probabilit? P_pre_test per quanto riguarda l'indipendenza statistica delle variabili associate ai segni, sintomi e test. E valgono anche in questo caso le varianti al calcolo rigorosamente bayesiano l? descritte.

Procedura OPDA

for (ogni patologia della lista LPS dalla BDC)

P0 = PpreTest

/* probabilit? pre test della patologia calcolata in precedenza */ ODDS = P0 /(1- P0)

LRg = 1 /*likelihood ratio globale per tutti i test*/

for (ogni test appartenente all'insieme TAMS )

leggi il corrispondente LR (likelihood ratio)

LRg = LRg * LR

leggi Te /* indice relativo al tempo di attesa per accedere al test */ leggi C /* indice relativo al costo del test */

leggi Ri /* indice relativo al rischio intrinseco del test */

leggi Rr /* indice relativo al rischio relativo del test */

determina R /* come il massimo tra Ri e Rr del test*/

leggi To /* indice relativo alla tollerabilit? al test */

calcola CG come somma di tutti i C

determina TeG come il massimo dei singoli Te

determina RG come il massimo dei singoli R

determina ToG come il minimo dei singoli To

Appropriatezza = To / (C*Te*R) /* indice di appropriatezza del test */ IAG= ToG / (CG*TeG* RG) /* appropriatezza globale di tutti i test */ K = LR * ODDS

PpostTest=K/(1+ K) /* probabilit? post-test per ogni test */ ODDSpostG = LRg * ODDS

/* calcola la probabilit? post-test globale */

PpostTestG = ODDSpostG / (1 ODDSpostG)

for (ogni patologia della lista LPS dalla BDC)

memorizza e visualizza:

la denominazione della patologia e la rispettiva PpreTest memorizza e visualizza in ordine decrescente di appropriatezza ogni sintomo con la rispettiva PpostTest

e (opzionalmente) l'indice di apppropriatezza la probabilit? post?test globale: PpostTestG

l'appropriatezza globale di tutti i test (se l'opzione ? attiva)

end

Glossario

BDC: Base Di Conoscenza

C: costo del test diagnostico (variabile)

CPDA: Configurazione Percorso Diagnostico Appropriato (menu)

DB: database

DP: dati paziente

LMR: lista delle Malattie Rare

LP: procedura di calcolo delle probabilit? delle ipotesi diagnostiche (procedura) LPA: Lista Patologie Aggiunte manualmente

LPP: Lista di Patologie pi? Probabili

LPS: Lista delle Patologie Selezionate

LR: Likelihood Ratio

NuMaxSint: Numero Massimo di segni e Sintomi selezionabili per patologia (variabile) NuPaLis: Numero di Patologie nella Lista (variabile)

NuSePa: Numero Massimo della Selezione di Patologie (variabile)

OPDA: Output Percorso Diagnostico Appropriato

OPDA: procedura di elaborazione dell?output del PDA (procedura)

R: Rischio associato al test (variabile)

Ri: Rischio intrinseco del test (variabilie)

Rr: Rischio relativo del test (variabile)

SiPiuP: Sintomi pi? Probabili (variabile)

SiPr: Sintomi Probabili (variabile)

SIT: Selezione Interattiva dei Test diagnostici (Menu)

SMT: Selezione Manuale dei Test diagnostici (Menu)

SoEf: Soglia di Efficacia (variabile)

SoPPT: Soglia di Probabilit? Post-Test (variabile)

SoSePa _inf: Soglia inferiore per la Selezione delle Patologie (variabile)

SoSePa _sup: Soglia superiore per la Selezione delle Patologie (variabile)

TAMS: l'insieme dei test associati alle malattie selezionate

Te: tempo di accesso al test diagnostico (variabile)

To: indice di tollerabilit? del test (variabile)

La presente invenzione pu? essere vantaggiosamente realizzata tramite un programma per computer che comprende mezzi di codifica per la realizzazione di uno o pi? passi del metodo, quando questo programma ? eseguito su di un computer. Pertanto si intende che l?ambito di protezione si estende a detto programma per computer ed inoltre a mezzi leggibili da computer che comprendono un messaggio registrato, detti mezzi leggibili da computer comprendendo mezzi di codifica di programma per la realizzazione di uno o pi? passi del metodo, quando detto programma ? eseguito su di un computer.

Sono possibili varianti realizzative all'esempio non limitativo descritto, senza per altro uscire dall?ambito di protezione della presente invenzione, comprendendo tutte le realizzazioni equivalenti per un tecnico del ramo.

Gli elementi e le caratteristiche illustrate nelle diverse forme di realizzazione preferite possono essere combinati tra loro senza peraltro uscire dall?ambito di protezione della presente invenzione.

Dalla descrizione sopra riportata il tecnico del ramo ? in grado di realizzare l?oggetto dell?invenzione senza introdurre ulteriori dettagli costruttivi.

Claims

RIVENDICAZIONI 1. Apparato di diagnosi differenziale adattato per applicazione in medicina per determinare una sequenza ottimale di test diagnostici atta a identificare una patologia adottando criteri di appropriatezza diagnostica, comprendente: - una prima base dati aggiornabile contenente dati dei pazienti; - una seconda base dati di tipo relazionale aggiornabile contenente dati identificativi di patologie, sintomi, segni clinici, dati identificativi di test diagnostici, e dati relativi ai parametri di appropriatezza di detti test diagnostici per definire una lista di ipotesi diagnostiche (patologie) ; - mezzi atti a determinare detta sequenza ottimale di test diagnostici atta a identificare una patologia, detti mezzi comprendendo un motore di calcolo di tipo inferenziale, che sulla base di dati contenuti in dette prima e seconda base dati, determinano per ogni ipotesi diagnostica (patologia) detta sequenza ottimale di test diagnostici con associati relativi indici di appropriatezza e probabilit? che un paziente sia affetto da quella patologia.
2. Apparato di diagnosi come nella rivendicazione 1, in cui detti mezzi atti a determinare detta sequenza ottimale di test diagnostici sono atti a, tramite detto motore di calcolo di tipo inferenziale: - determinare, a partire da detti dati contenuti in dette prima e seconda base dati, un indice di probabilit? pre-test delle possibili ipotesi diagnostiche (patologie) - determinare, a partire da detti dati contenuti in dette prima e seconda base dati e da detto indice di probabilit? pre-test, un indice di probabilit? post-test delle possibili ipotesi diagnostiche (patologie) condizionata all?esecuzione di detta sequenza ottimale di test diagnostici; - associare un indice di appropriatezza ad ogni test di detta sequenza ottimale; - associare un indice di appropriatezza a detta sequenza ottimale di test diagnostici.
3. Apparato di diagnosi come nella rivendicazione 2, in cui detti mezzi atti a determinare detta sequenza ottimale di test diagnostici sono atti a determinare detta probabilit? pre-test Pre(M | {DP}) e detta probabilit? post-test Post(M | {DP} U {T} ) in base a detto calcolo di tipo inferenziale di rispettive probabilit? pre-test e post test di riscontrare detta patologia M condizionata rispettivamente all'insieme dei dati identificativi del paziente contenuti in detta prima base dati {DP} e all'unione di detti dati identificativi del paziente {DP} con l'insieme di detti test {T} di detta sequenza ottimale di test diagnostici.
4. Apparato di diagnosi come nella rivendicazione 3, in cui detti mezzi atti a determinare detta sequenza ottimale di test diagnostici comprendono mezzi atti a determinare detta probabilit? pre-test Pre(M | {DP}) in modo tale che: - associare ad ogni sintomo un rapporto di probabilit? LR dato da: LR = P(S|M) / P(S| ~M) cio? dalla probabilit? condizionata P(S|M) di riscontrare il sintomo (S) in un paziente affetto da una patologia (M) diviso la probabilit? condizionata P(S| ~M) di avere lo stesso sintomo in un paziente non affetto da detta patologia(~M); - calcolare un rapporto di probabilit? globale LRg dato dal prodotto dei rapporti di probabilit? LR di ogni patologia; - calcolare detta probabilit? pre-test Pre(M | {DP}) relativa dapprima in termini di odds: odds_pre_test = LRg * odds_prevalenza dove odds_prevalenza = P(M) / (1 - P(M)) in cui P(M) ? la prevalenza della patologia M. da cui detta probabilit? pre-test Pre(M | {DP}) ? data da: Pre(M | {DP}) = odds / (1+ odds).
5. Apparato di diagnosi come nella rivendicazione 4, in cui detti mezzi atti a determinare detta sequenza ottimale di test diagnostici comprendono mezzi atti a determinare detta probabilit? post-test Post(M | {DP} U {T} ) in modo tale che: odds_post_test = LR * odds_pre_test da cui detta probabilit? post-test Post(M | {DP} U {T} ) ? data da: Post(M | {DP} U {T} ) = odds_post_test / (1+ odds_post_test).
6. Apparato di diagnosi come nella rivendicazione 3, in cui detti mezzi atti a determinare detta sequenza ottimale di test diagnostici comprendono mezzi atti a determinare detta probabilit? pre-test Pre(M | {DP}) per una successione di sintomi in maniera iterativa o ricorsiva, utilizzando la relazione: Pi = (LR * Pi-1) / ( LR * Pi-1 + Ki-1 ) dove K i-1= (1 ? Pi-1) Pi ? la probabilit? pre?test dei primi i sintomi; dove i va da 1 a tutti gli n sintomi e P0 ? la prevalenza della patologia; - quindi determinare detta probabilit? pre-test Pre(M | {DP}) = Pn
7. Apparato di diagnosi come nella rivendicazione 1 in cui detti mezzi atti a determinare detta sequenza ottimale di test diagnostici comprendono mezzi atti a: - determinare detto indice di appropriatezza IA di un singolo test diagnostico definito come: IA = To / (C * Te * R), dove Te ? l'indice relativo al tempo di attesa per accedere al test ; C ? l'indice relativo al costo del test; R ? l'indice relativo al massimo tra il rischio intrinseco e il rischio relativo del test; To ? l'indice relativo alla tollerabilit? al test; - determinare detto indice di appropriatezza globale di una sequenza di test diagnostici IAG=ToG/(CG*TeG*RG) dove ToG ? pari al minimo tra tutti gli indici di tollerabilit? tra tutti i test della sequenza, CG ? pari alla somma dei singoli costi di ciascun test della sequenza, TeG ? pari al massimo fra tutti tempi di attesa, RG ? pari al massimo fra tutti gli indici di rischio della sequenza.
8. Apparato di diagnosi come nella rivendicazione 1, comprendente moduli software implementati in dispositivi di memorizzazione leggibili ed eseguibili da un computer corredato da dispositivi di input/output, implementati su cluster di calcolo (fisico o virtuale) ed eseguibili da remoto ed implementati come App per dispositivi mobili (Tablet, smartphone, PC portatili).