Hjælp med at opbygge en A.I. Model til at forudsige Myasthenia Gravis-symptommønstre og opblussen

Ved at bruge deres smartphones vil potentielle deltagere downloade doc.ai research-mobilappen. Der vil være et web-pre-screening-link, hvor potentielle deltagere selv screener for at se, om de opfylder de grundlæggende berettigelseskriterier for denne undersøgelse. Rekrutteringsværktøjet til dette forsøg er udviklet med henblik på mangfoldighed, retfærdighed og inklusion. Med det formål at sikre diversitet i forsøgets demografi for bedre at forstå forskellige befolkningers sundhedsbehov. Så selvom nogle interesserede potentielle deltagere kvalificerer sig, bliver de muligvis ikke inviteret til prøven på grund af disse mangfoldighedskrav.

Patienter med myasthenia gravis (MG), som opfylder inklusionskriterierne, vil blive inviteret til at deltage i dette digitale sundhedsforsøg. Deltagerne vil underskrive e-samtykket og selv tilmelde sig undersøgelsen. Når deres berettigelse er bekræftet af undersøgelsesteamet (for at sikre berettigelseskriterier og deltagerens gyldighed, dvs. eliminere robo-login), vil de blive bedt om at tage en selfie, fremlægge dokumenteret bevis for MG-diagnose, svare på en række undersøgelsesspørgsmål vedrørende deres demografi, nuværende helbred, sygehistorie og andre MG-relaterede oplysninger.

Tilmeldte deltagere vil have en daglig kort check-in, 2 ugentlige check-in og en ugentlig check-in, som vil omfatte en audiovisuel check-in, og vil føre en audiovisuel dagbog for at holde styr på deres symptomer, forbinde data, optage deres stemme (for at opdage vokale symptomer: svaghed, nasalitet) og tage videoer af deres ansigt (for at opdage ansigtssymptomer: okulært, mundhule) på daglig til ugentlig basis gennem de forskellige dataindsamlingsmoduler i doc.ai research-appen i varigheden af deres studiedeltagelse. doc.ai's digitale sundhedstestplatform vil blive udnyttet til at indsamle disse data.

Undersøgelsen sigter mod at tilmelde cirka 200 deltagere på cirka 9 måneder. Det forventes, at minimum 100 deltagere vil blive inkluderet i den endelige analyse, da der på ethvert givet tidspunkt vil være en forsinkelse mellem potentielle deltagere, der udtrykker interesse for undersøgelsen, deres berettigelse vurderes af PI, og deltagere, der gennemfører alle nødvendige undersøgelsesprocedurer .

Ved afslutningen af ​​deres deltagelse vil deltagerne blive bedt om at udfylde et spørgeskema. Efter at deltageren har gennemført deres sidste undersøgelse, vil de være i stand til at oprette forbindelse til et link, der kan indløses som en Amazon.com gavekort til en værdi af 250 kr. Alle deltagere vil også modtage et end-of-trial-resumé af de data, som de havde indsamlet under undersøgelsen. Ingen medicinsk rådgivning eller vejledning vil blive givet baseret på denne undersøgelse.

Derudover vil deltagerne i den afsluttende undersøgelse blive spurgt, om de ville være villige til at gennemføre et usability-interview, efter at deres deltagelse i dette forsøg er afsluttet. Denne delmængde af deltagere, der inviteres til at være en del af en opfølgende usability-samtale, vil omfatte dem, der gennemfører alle undersøgelseskrævede procedurer, og nogle, som muligvis ikke har gennemført alle undersøgelseskrævede procedurer, for at vurdere brugervenligheden af ​​appen i varigheden af ​​deres deltagelse. Deltagerne vil blive kontaktet ved udgangen af ​​deres deltagelsesperiode, indtil i alt 10-15 deltagere har gennemført brugervenlighedsinterviewet. Deltagere, der gennemfører brugervenlighedsinterviewet, modtager et link til $50 på Amazon.com gavekort via appen.

Til denne undersøgelse vil data og lyd- og videooptagelser blive optaget direkte på doc.ai research-appen og opbevaret sikkert på en HIPAA-kompatibel cloud-udbyder (Google Cloud Platform).

Disse data vil blive brugt til at forstå mønstrene for symptomer og triggere for bedre at karakterisere faktorer såsom længden og tidspunktet for opblussen og eventuelle unikke symptommønstre for at skabe mere objektive mål for MG-symptomer. I sidste ende ville disse data blive brugt til at bygge en maskinlæringsmodel, der kunne forudsige MG-symptomudbrud.

Primært mål:

Brug en samling digitale sundhedsmoduler på smartphonen til at indsamle myasthenia gravis (MG) symptomer og triggere for bedre at karakterisere symptommønstre og opblussen.

Sekundært mål:

Brug de indsamlede data til at udvikle en A.I. model til at opdage og/eller forudsige symptomudbrud.