Secondo gli autori una significativa eterogeneità degli studi di prevalenza sull’insufficienza venosa cronica cerebrospinale (CCSVI) per mezzo del’ecodoppler (DUS-ECD) genera un notevole controversia scientifica.
Recentemente è stata sviluppata anche una pletismografia cervicale (CP) per misurare oggettivamente il ritorno venoso cerebrale. Dato che la tecnica di pletismografia cervicale produce risultati evidenti e quantificabili ciò suggerisce che la nuova tecnica abbia un grande potenziale come strumento diagnostico poco costoso. Kosmomed è un progetto di telemedicina supportato dall’Agenzia Spaziale Europea, che ha approvato l’acronimo di studio Telepass “Valutazione in Telemedicina del Ritorno Venoso Cerebrale con la Pletismografia”. Questo studio è in corso e rappresenta un’opportunità per sperimentare un programma di screening per la CCSVI.
Verrà studiata la sensibilità e la specificità della CP eseguita da un tecnico e interpretato in modo remoto. I risultati della pletismografia cervicale saranno confrontati nei pazienti e nei controlli con i risultati di un protocollo multimodale recentemente proposto (studio Premise).
Trenta (30) controlli sani bilanciati per età e sesso con 70 pazienti con sclerosi multipla e 50 pazienti affetti da altre malattie neurologiche (OND), saranno esaminati in cieco per mezzo della CP. Successivamente, i soggetti di tutti e tre i gruppi saranno valutati in cieco con un protocollo multimodale tra cui: DUS (ECD), MRV, venografia con catetere (CV) e IVUS. Tutte le modalità d’indagine verranno analizzate in cieco da più di un esaminatore, sulle quali verrà raggiunto il consenso. La sensibilità e la specificità saranno calcolate utilizzando tabelle di contingenza che indicano la presenza o l’assenza di risultati di anomalie venose tra tutte le modalità d’indagine utilizzate singolarmente come gold standard.
Come migliorare l’accuratezza diagnostica?
Attualmente secondo gli autori, la sensibilità e la specificità della CP sono entrambe intorno al 70%. Si punta a migliorarla considerevolmente utilizzando tecniche di SVN (macchine a vettori di supporto) ad apprendimento automatico. In termini semplificati, una SVM cerca di tradurre un basso spazio vettoriale dimensionale in cui risiedono i dati (chiamati spazio di ingresso) ad uno spazio vettoriale di dimensione maggiore (chiamato spazio delle caratteristiche) al fine di rendere il clustering o analisi dei gruppi (e quindi la classificazione) più facile e più potente.
In tutte le fasi del progetto, i risultati diagnostici saranno convalidati con le tecniche multimodali “gold standard”.
Ciò permetterà di conoscere l’accuratezza diagnostica della CP in modalità di telemedicina come strumento di screening per la CCSVI e di ottenere la validazione finale della CP come sistema di screening.
Fonte: http://www.isnvdconference.org/images/ISNVD_Course_Book_2014.pdf
