A procedure for the autonomic diagnosis of esophageal motor disorders from HRM data processing

A proper understanding of physiological mechanisms for the propulsion of ingested food within the gastrointestinal canal is mandatory for the diagnosis of pathologies affecting its motility. One of the most discussed regions within the digestive system is the esophagus, as a tubular structure whose function pertains to bring food from mouth to stomach by means of a precise sequence of longitudinal and circumferential muscular contractions, called peristalsis. Pathologies and degenerative phenomena may influence this mechanism, leading to chest pain, acid reflux, cancer development and/or inability to swallow. As a growing number of subjects suffer from esophageal motility disorders, it represent a relevant social-health problem. The diagnosis of esophageal motility disorders is actually performed by analyzing results from High Resolution Manometry (HRM), the gold standard in esophageal diagnostics. HRM consists in a clinical test designed to measure the pressure evolution over time at different positions within a duct by means of a special probe. A number of models have been proposed in literature to interpret data from HRM, but results are often inadequate because of an improper evaluation of the complex esophageal conformation and the corresponding heterogeneous distribution of physio-mechanical properties. Furthermore, an inadequate effort was made to identify relationships between model parameters and esophageal properties, and their identification was usually performed accounting for limited sets of experimental data. The guidelines in diagnosis of esophageal motility disorders are currently defined by the Chicago Classification: a hierarchical algorithm that accounts for specific parameters evaluated by analyzing HRM results. The main drawback in this procedure pertains to the requirement of specialized experts for the evaluation of such parameters, inducing intra- and inter-operator variabilities with regard to the final diagnosis. The esophageal motility was investigated with the goal of providing a physiological model able to interpret results from HRM, accounting for parameters related to specific physio-mechanical properties of the esophagus and their heterogeneous distribution. Activities were focused on the implementation of a procedure for the autonomic detection of esophageal motility dysfunctions based on HRM measurements processing. As a result, objective criteria were defined to support the medical staff during the traditional diagnostic activity of esophageal motility disorders. The physiological model was developed to this purpose to evaluate the pressure distribution due to the transit of a generic pressure wave. The corresponding optimal sets of model parameters were identified accounting for the HRM results of each subject of a training set composed by 229 patients and 35 healthy volunteers. Patients and volunteers were classified into groups according to their specific healthy or pathological conditions, as non-pathological (73 patients and 35 volunteers), Achalasia pattern I (34 subjects), Achalasia pattern II (44 subjects), Achalasia pattern III (7 subjects), Esophago-Gastric Junction (EGJ) outflow obstruction (39 subjects), hypertensive LES (9 subjects), Nutcracker esophagus (14 subjects) and Diffuse Esophageal Spasm (9 subjects). The identified model parameters were analyzed, and their distributions were assessed for each group of subjects, as basis for the implementation of the autonomic diagnosis procedure. Thus, the condition of a generic patient could be determined through the evaluation of a similarity index designed to correlate the model parameters of the patient to the parameters distributions of the training set. As a result, a preliminary set of HRMs of healthy and pathological subjects was collected for a proper design and testing of the autonomic diagnosis software. The suitability of the developed physiological model was assessed by evaluating the coefficient of determination R2 between clinical data and model results, ranging from 83% to 96% among the different groups of subjects. The application of the model to each subject of the dataset allowed to assess the distribution of model parameters with regard to different healthy or pathological conditions, as the basis for the development of the autonomic diagnosis procedure. Furthermore, the main differences between the parameters distributions of pathological groups and the parameters distribution of the healthy group were observed in specific regions where the different symptoms are manifested, endorsing the suitability of the model to interpret the variation of physiological properties in pathological situations. Finally, the reliability of the autonomic diagnosis procedure was assessed by analyzing the performance of the algorithm, which was able to match the correct diagnosis in the 86% of the considered cases. Results suggest that the computational tools provided may represent a reliable support to the medical staff during the traditional diagnostic activity. As model parameters distributions represent the basis for the autonomic diagnosis procedure, there is room for improvement of the algorithm by considering a larger training set, which must be extended and continuously updated involving different research groups, as a future development of the research activity. Furthermore, the autonomic diagnosis procedure should be extended, in order to make it capable to diagnose pathologies accounting for additional clinical tests providing information about conductivity, morphometry and mechanical behavior of the involved biological tissues. Such information should be collected in a single clinical test in order to reduce costs and invasiveness for the patient, and can be performed by means of an innovative esophageal endoscope that is already under development.

La procedura per la diagnosi di patologie della motilità intestinale non può prescindere da una conoscenza appropriata dei meccanismi fisiologici che regolano il trasporto del cibo ingerito all’interno dell’intestino. Una delle regioni più studiate del tratto gastrointestinale, infatti, è l’esofago: una struttura tubolare in grado di trasportare il cibo dalla bocca allo stomaco mediante una precisa sequenza di contrazioni delle fibre muscolari longitudinali e circonferenziali chiamata peristalsi. Sfortunatamente, alcune patologie e processi degenerativi sono in grado di alterare questo meccanismo, generando dolore toracico, reflusso gastro-esofageo, difficoltà nella deglutizione e/o carcinoma dell’esofago in un numero crescente di soggetti, costituendo un grave problema socio-sanitario. Attualmente, la diagnosi di disturbi della motilità esofagea si svolge analizzando i risultati di un particolare esame clinico chiamato Manometria ad Alta Risoluzione (High Resolution Manometry – HRM), che consente di misurare l’evoluzione temporale della pressione intra-esofagea in diverse posizioni lungo esofago mediante un catetere trans-nasale appositamente progettato. In letteratura sono stati proposti diversi modelli per l’interpretazione di dati da manometria, ma con risultati spesso insoddisfacenti a causa di una valutazione impropria della distribuzione eterogenea delle proprietà fisio-meccaniche dell’esofago e di una inadeguata definizione della loro relazione con i parametri di modello utilizzati. Inoltre, l’identificazione di tali parametri è stata fatta sulla base di dataset ridotti. Oggi, le linee guida per la diagnosi di disordini motori dell’esofago sono definite dalla Classificazione di Chicago (Chicago Classification – CC): un algoritmo gerarchico che individua la patologia sulla base di parametri specifici estratti dall’analisi di dati da HRM. Il punto debole della CC consiste nella necessità di personale specializzato per il calcolo dei parametri, introducendo inevitabilmente variabilità intra- e inter-operatore nei confronti della diagnosi effettuata. In questa ricerca è stata analizzata la motilità esofagea, con l’obiettivo di sviluppare un modello fisiologico in grado di interpretare risultati da esami di HRM. Tale modello è stato definito mediante parametri collegati direttamente a proprietà fisio-meccaniche specifiche dell’esofago, considerando la loro distribuzione eterogenea. Le attività hanno previsto l’implementazione di una procedura per l’individuazione automatica di disfunzioni motorie dell’esofago, basata sull’analisi di dati da HRM. Sono stati quindi definiti alcuni criteri oggettivi per supportare la figura del clinico durante l’attività diagnostica tradizionale di disordini motori dell’esofago. Il modello fisiologico è stato sviluppato per valutare la mappa pressoria generata dal passaggio di una generica onda di pressione. Con riferimento a tale modello, sono stati individuati i set di parametri ottimali per interpretare al meglio gli esami HRM di ciascuno dei soggetti di un training set composto da 229 pazienti e 35 volontari sani. Tutti i soggetti sono stati raggruppati in diverse categorie sulla base del corrispondente stato di salute: normali (73+35 soggetti), Acalasia I (34), Acalasia II (44), Acalasia III (7), ostruzione della giunzione gastro-esofagea (39), sfintere inferiore ipertensivo (9), esofago schiaccianoci (14) e Spasmo Esofageo Diffuso (9). I parametri così identificati sono stati analizzati statisticamente per valutare la loro distribuzione in ciascuna categoria. Le distribuzioni di tali parametri costituiscono la base per lo sviluppo della procedura di diagnosi automatica. Infatti, la condizione di salute di un generico paziente può essere determinata calcolando un “indice di similarità” definito appositamente per rappresentare numericamente l’affinità tra i parametri specifici del paziente e le distribuzioni dei parametri delle diverse categorie del training set. E’ stato così costituito un set preliminare di dati da manometria ad alta risoluzione, corrispondente a soggetti sani e patologici per sviluppare e testare il software sviluppato. L’adeguatezza del modello fisiologico per quanto riguarda l’interpretazione di dati da HRM è stata accertata valutando il coefficiente di determinazione R2 tra i dati sperimentali e i risultati di modello, il quale variava tra 83% e 96% nelle diverse categorie. L’applicazione del modello a ogni soggetto del training set ha permesso inoltre di valutare la distribuzione dei parametri in diverse condizioni di salute. A ulteriore sostegno dell’adeguatezza del modello, è stato osservato che le differenze nelle distribuzioni di parametri tra soggetti sani e patologici sono state riscontrate in corrispondenza delle regioni dell’esofago colpite dalle diverse patologie. Infine, l’affidabilità della procedura di diagnosi automatica è stata valutata analizzando la performance dell’algoritmo, il quale si è dimostrato in grado di individuare la diagnosi corretta nell’86% dei casi considerati. I risultati ottenuti indicano che gli strumenti computazionali sviluppati possono rappresentare un valido sostegno per il personale medico durante l’attività diagnostica tradizionale. Per quanto riguarda gli sviluppi futuri della ricerca, dal momento che le distribuzioni dei parametri costituiscono il fondamento della procedura di diagnosi automatica, le prestazioni del software possono essere migliorate considerando un training set più grande, condividendolo con altri centri di ricerca ed aggiornandolo continuamente. Inoltre, la procedura di diagnosi automatica può essere estesa e resa capace di effettuare diagnosi sulla base di ulteriori esami clinici in grado di fornire informazioni sulla conducibilità, morfometria e comportamento meccanico delle strutture biologiche coinvolte. Queste informazioni potrebbero quindi essere raccolte mediante un unico test clinico per ridurre costi di indagine e invasività per il paziente, e potrebbero essere svolti in contemporanea mediante una sonda endoscopica innovativa già in fase di sviluppo.