Fondamenti di Bioingegneria 2: misure e segnali in campo biomedico

Corso di Laurea in Ingegneria Biomedica

(a.a. 2024-2025) Fondamenti di Bioingegneria 2 (9 CFU)

Lezione 2

Fondamenti di Bioingegneria (1)

• Tematiche (Fondamenti di Bioingegneria 1)
• Misure in campo biomedico
  • Prelievo e qualità della misura del segnale biomedico
  • Elementi di Biosensoristica
  • Modellistica in Biomedicina
• Generazione dei Segnali Biomedici
  • Bioingegneria della cellula (-> modelli fisiologici)
  • Bioingegneria dei Sistemi Fisiologici (-> modelli organi)
• Acquisizione dei Segnali Biomedici
  • Principi di Strumentazione (biosensori, amplificatori)

Fondamenti di Bioingegneria (2)

• Tematiche (Fondamenti di Bioingegneria 2)
• Analisi dei Segnali Biomedici
  • Caratteristiche dei segnali biomedici e rumore fisiologico
  • Analisi dei Segnali ExG
• Principi di Medical Imaging
  • Aspetti generali e tecniche di acquisizione/elaborazione
• Esempi di analisi di segnali/immagini (cerebrali)
• Modelli statistici e computazionali in Biomedicina
  • Elementi di Biostatistica
  • Elaborazioni in MATLAB e Python

Fondamenti di Bioingegneria (3a)

• Interazione via Team tra classe e docenti
  • Canale Generale -> Post
  • notizie, aggiornamenti, domande, iniziative, spunti, ...
  • Canale Generale -> File -> Materiale del corso
  • slide lezioni e altro materiale utile

VF [V: 24/25] FONDAMENTI DI ... VF Generale Post File v + + Nuovo V Carica V ... Documents > General Name v 7 Materiale del corso

Fondamenti di Bioingegneria (3b)

• Codice per l'accesso al Team FB2 s8o1kj2

VF [V: 24/25] FONDAMENTI DI ... VF Generale Post File + + Nuovo V Carica V ... Documents > General Name v 7 Materiale del corso

Fondamenti di Bioingegneria (4)

• Materiale di studio (2)
• Slide delle lezioni (caricate sul Team)
• Principali testi di riferimento e consultazione

MANUALI ANALISI E MODELLI DI SEGNALI BIOMEDICI A cura di Luigi Landini e Nicola Vanello PİSA UNIVERSITY PRESE Michael Chappell Principles of Medical Imaging for Engineers From Signals to Images Springer Geoffrey Norman David Streiner BIOSTATISTICA QUELLO CHE AVRESTE VOLUTO SAPERE ... Seconda edizione CASA EDITRICE AMBROSIANA

Elementi di Biostatistica

Elementi di Biostatistica (0)

• Lo sviluppo di dispositivi medici introduce numerose variabili aggiuntive da considerare
• La valutazione tecnica di qualità di una misura elettronica non esaurisce il processo di certificazione del dispositivo che introduce numerose variabili di tipo biostatistiche che richiedono opportuni strumenti di analisi dati
• In ultima analisi: il processo di certificazione integra l'inserimento del dispositivo nell'ambito del paradigma EBM (evidence-based medicine)

Elementi di Biostatistica (1a)

• Le analisi dei dati in biomedicina sono la parte finale di un processo di indagine della realtà mirato a produrre conoscenze generalizzabili su fenomeni di interesse medico e biologico
• La metodologia impiegata deve quindi garantire la sistematicità (procedurale), la valutazione quantitativa (misura) e la riproducibilità (statistica) delle osservazioni dei fenomeni perchè diventi evidenza EBM

Elementi di Biostatistica (1b)

• Punto di partenza: Quesito epidemiologico
• Es. Qual è la prevalenza (%) di diabete nella provincia di Napoli? (studio epidemiologico)
• Es. Esiste un associazione tra la condivisione del letto con i fratelli maggiori e la successiva insorgenza dell'asma? (studio di relazione)
• Es. Il farmaco A (nuovo) è migliore del farmaco B (attuale) nel trattamento dell'asma? (studio di efficacia di un farmaco)

Elementi di Biostatistica (2a)

• Studio osservazionale vs sperimentale
• Studio osservazionale (pratica clinica)
• Condizioni di osservazione "naturali" non controllate o vincolate dall'esecutore
• Individui seguono trattamenti già dichiarati necessari o spontanei (-> ridotto controllo fattori esterni, misure approssimate)
• Aspetti etici: Privacy, economico e applicabile

Elementi di Biostatistica (2b)

• Studio Sperimentale vs Osservazionale
• Studio sperimentale
• Condizioni di osservazione stabilite dal medico responsabile (dosi, durate trattamenti, ... )
• Assegnazione ai trattamenti con modalità casuali e controllo massimo dei fattori esterni
• Misurazioni accurate (strumenti prototipo)
• Aspetti etici, costi elevati, difficoltà nello studio di malattie rare ed eventi molto lunghi

Elementi di Biostatistica (2c)

• Studio osservazionale vs sperimentale
• Studio sperimentale (ricerca di base e trial)
• Condizioni di osservazione "predeterminate" e controllate o vincolate dall'esecutore
• Individui seguono misure e trattamenti innovativi (-> elevato controllo fattori esterni, misure ad alta precisione mediante prototipi)
• Aspetti etici: Parere vincolante della commissione etica (>1 ingegneri biomedici)

Elementi di Biostatistica (3a)

• Le fasi dello studio
1. Progettazione (disegno sperimentale)
2. Pianificazione (risorse necessarie)
3. Esecuzione (acquisizione dati)
4. Controllo qualità e Analisi Biostatistica
5. Interpretazione dei risultati
6. Documentazione e pubblicazione

Elementi di Biostatistica (3b)

• Solo l'uso corretto della metodologia statistica determina la validità dei risultati
• Progettazione statistica (disegno sperimentale dello studio, fattori, gruppi, etc .. )
• Pianificazione statistica (power analysis, dimensione del campione)
• Analisi statistica dei dati: calcolo indicatori e parametri, esecuzione del test statistico
• Intepretazione statistica dei risultati: inferenza su popolazione, effect size vs. clinical impact

Elementi di Biostatistica (3c)

• Ruolo (oggetto) della metodologia statistica
• Metodi per la sintesi delle osservazioni statistica descrittiva
• Modelli matematici per il controllo dell'incertezza nei dati (probabilità)
• Metodi per generalizzare i risultati sperimentali (statistica inferenziale)
• Metodi per controllare la variabilità delle osservazioni (disegno sperimentale)

Elementi di Biostatistica (3d)

• Ruolo (oggetto) della metodologia statistica
• Controllo e analisi della variabilità intra- e inter-individuale delle risposte biologiche
• Sorgenti di variabilità
  • Genetica
  • Ambiente (fisico, socio-economico, culturale)
  • Errore di misura (precisione, accuratezza degli strumenti, etc ... ) -> Misure elettroniche ...

Metodologia Statistica

Metodologia Statistica (1a)

• La statistica è la disciplina che ci fornisce i modelli e metodi matematici e le procedure informatiche (strumenti software) corretti e validati per la valutazione quantitativa delle informazioni rilevanti in uno studio clinico
• Le informazioni che interessano sono relative a fenomeni collettivi che si manifestano (e si osservano) nei singoli individui con delle variazioni ovvero manifestazioni non costanti tra gli individui

Metodologia Statistica (1b)

• Per descrivere fenomeni collettivi occorre effettuare delle astrazioni sui dati che si formalizzano attraverso modelli matematici
• I modelli sono generali: la formulazione vale non per una singola applicazione ma per un insieme di applicazioni diverse
• Per ciascuna applicazione occorre individuare il modello adatto a quelle osservazioni e di conseguenza il metodo statistico appropriato

Metodologia Statistica (1c)

• Analizzare un fenomeno collettivo significa prima di tutto individuare una popolazione statistica ovvero l'insieme (virtualmente illimitato) di tutti i possibili individui che hanno caratteristiche comuni rispetto alle domane ed alle finalità dello studio
• In generale, non è necessario (e spesso non è possibile) osservare e ricavare dati da tutta la popolazione statistica di studio

Metodologia Statistica (1d)

• I dati si ottengono da una rappresentazione convenzionale (codifica) delle informazioni che riusciamo ad ottenere da una serie di individui ed ai quali applicheremo i modelli e le procedure della statistica
• Gli individui (o casi o eventi) che realmente riusciamo ad osservare formano il campione statistico cioè i soggetti che rappresentano al meglio possibile la popolazione di studio

Metodologia Statistica (2a)

• Schema generale della metodologia statistica

POPOLAZIONE 0 . 0 a D G 0 CAMPIONAMENTO (Teoria della PROBABILITA') STATISTICA CAMPIONE DESCRITTIVA PARAMETRI della POPOLAZIONE p<0.001 TT TEST d'IPOTESI STIME (I. C.) INFERENZA STATISTICHE X = media campionaria s2 = varianza campionaria s = deviazione standard p = proporzione GRAFICI istogrammi, diagrammi a torta, ...

Metodologia Statistica (2b)

• Esempio
• Nel periodo tra le elezioni, i partiti politici effettuano dei sondaggi per conoscere l'orientamento politico degli elettori italiani
• Questi sono oltre 60 milioni, sarebbe un procedimento estremamente dispendioso
• Ditte specializzate nei sondaggi di opinione estraggono dei campioni rappresentativi della popolazione italiana

Metodologia Statistica (2c)

• Esempio
• I risultati ottenuti sul campione vengono sintetizzati attraverso la statistica descrittiva e generalizzati alla popolazione mediante una procedura di inferenza statistica
• Per esprimere l'incertezza insita nel procedimento di inferenza (forbici), le percentuali vengono espresse mediante intervalli detti intervalli di confidenza

Metodologia Statistica (3a)

• Inferenza statistica
• Processo che partendo dalle informazioni ottenute in un campione, consente di fare affermazioni relative alla popolazione da cui proviene quel campione

POPOLAZIONE TEST d'IPOTESI CAMPIONAMENTO STIME (I. C.) INFERENZA CAMPIONE

Metodologia Statistica (3b)

• Campionamento probabilistico
• Il campione è rappresentativo della popolazione originaria se si conosce la probabilità che ogni individuo (unità statistica) ha di essere estratta
• Esempio: Se si intervistano i passanti in una determinata strada non si ottiene un campione rappresentativo a meno che non sia nota la probabilità di essere intervistati che varia da soggetto a soggetto (es. in base alle abitudini del soggetto)

Metodologia Statistica (3c)

• Campionamento casuale semplice
• Il campione è rappresentativo della popolazione se si può assumere che tutti i soggetti hanno la stessa probabilità di essere osservati pari alla frazione di campionamento n [campione] f = N [popolazione]

Metodologia Statistica (3d)

• Campionamento sistematico
• Si assume un ordinamento naturale tra gli individui della popolazione per cui si campione un soggetto a caso ogni k soggetti della popolazione (passo di campionamento)

Primi k soggetti passo di campionamento