Vývoj a multicentrické ověření AI-based vzdálené fotopletysmografie (rPPG) pro skenování obličeje pro multimodální hodnocení zdraví

Vzdálená fotopletysmografie (rPPG) je nově se rozvíjející bezkontaktní optická technologie, která umožňuje extrakci fyziologických signálů z videozáznamu obličeje pomocí standardních kamer. Tento přístup získává stále větší pozornost v telemedicíně díky své škálovatelnosti, nákladové efektivitě a schopnosti provádět vzdálený zdravotní screening. Nedávné pokroky v umělé inteligenci (AI) dále rozšířily potenciál rPPG mimo základní monitorování vitálních funkcí tak, aby zahrnovaly odhad kardiometabolických biomarkerů a indexů zdravotního rizika. Komplexní validace systémů založených na rPPG ve srovnání se standardizovanými klinickými měřeními, laboratorními biomarkery a psychologickými parametry však zůstává omezená, zejména v prostředích s nízkými a středními příjmy, jako je Indonésie. Vzhledem k vysoké zátěži kardiometabolickými onemocněními v městských populacích, jako je Jakarta, je hodnocení přesnosti a proveditelnosti technologií skenování obličeje založených na AI nezbytné pro podporu včasné detekce a integrace digitálního zdravotnictví.

Specifické cíle

1. Posoudit shodu mezi vitálními funkcemi odvozenými z rPPG (srdeční frekvence, dechová frekvence, krevní tlak, SpO₂) a odpovídajícími měřeními získanými ze standardizovaného fyzického vyšetření vyškoleným personálem a ověřenými lékařskými přístroji.
2. Určit míru shody mezi odhady založenými na rPPG a laboratorními hodnotami hemoglobinu, krevního cukru, HbA1c, LDL, HDL, triglyceridů a celkového cholesterolu.
3. Analyzovat asociaci mezi fyziologickými parametry odvozenými z rPPG a úrovněmi deprese, úzkosti a stresu měřenými dotazníkem DASS 21.
4. Vypočítat střední arteriální tlak (MAP), skóre rizika ASCVD a věk srdce z výstupů rPPG a porovnat tyto indexy s indexy odvozenými ze standardních klinických a laboratorních dat.
5. Vyvinout a předběžně vyhodnotit exploratorní algoritmy využívající video data rPPG k odhadu funkce ledvin, funkce jater, svalové hmoty, viscerálního tuku, tělesné hmotnosti, tělesné výšky, indexu tělesné hmotnosti a podkožního tuku jako potenciálních screeningových parametrů.

Metody Tato studie využije multicentrický observační design provedený ve vybraných čtvrtích Jakarty a rozšířený do regionu Jabodetabek. Dospělí účastníci podstoupí komplexní hodnocení zahrnující psychologické dotazníky (DASS, PHQ, GAD), antropometrická měření, analýzu tělesného složení, spirometrii, testování svalové síly a odběr žilní krve. Vzorky krve budou analyzovány pomocí POCT (≤30 minut) a metod klinické laboratoře standardizovaných podle ISO. Paralelně účastníci podstoupí bezkontaktní sken obličeje, který generuje výstupy založené na rPPG včetně vitálních funkcí, hemodynamických indexů a biomarkerů odhadovaných pomocí AI. Statistická analýza bude zahrnovat analýzu shody Bland-Altman, Cohenovo kappa pro kategorické proměnné, korelační analýzu a metriky výkonnosti strojového učení (MAE, MSE, RMSE, R²).

Očekávané výsledky Očekává se, že měření založená na rPPG prokážou dobrou shodu se standardními klinickými měřeními pro základní vitální funkce (srdeční frekvence, dechová frekvence, SpO₂), se střední shodou pro krevní tlak a vybrané biomarkery. Očekává se, že modely založené na AI prokážou přijatelnou prediktivní výkonnost pro určité metabolické parametry a exploratorní proměnné, což podpoří proveditelnost rPPG jako screeningového nástroje. Studie je také očekávána, že identifikuje klíčové rušivé faktory, jako je barva pleti a demografická variabilita, které ovlivňují přesnost signálu.