Denne side blev automatisk oversat, og nøjagtigheden af ​​oversættelsen er ikke garanteret. Der henvises til engelsk version for en kildetekst.

Analyse af ansigtsudtryk til smertergenkendelse i fibromyalgi: Brug af kunstig intelligens og biomarkører (Fibromyalgia)

17. november 2025 opdateret af: Alessandra Hubner de Souza, Faculdade de Ciências Médicas de Minas Gerais

Analyse af ansigtsudtryk til smertergenkendelse: Brug af kunstig intelligens og biomarkører som et smertediagnostisk værktøj i fibromyalgi, en pilotundersøgelse

Fibromyalgi (FM) er en kronisk muskuloskeletalsmerterssyndrom med egenskaber ved generaliseret kropssmerter, lav smerter tærskel, ømhed og stivhed i muskler, sener og led. Evalueringen af ​​smerter i denne tilstand er en udfordring på grund af dens subjektive karakter. En lovende tilgang til vurdering af smerteintensitet er ansigtsudtryksanalyse, der kan tjene som en objektiv indikator. Derudover søger forskning at identificere molekylære molekylære markører for at kvantificere smerter. Manglen på et standardiseret system har imidlertid gjort det vanskeligt at identificere pålidelige markører. Sammenfattende er søgningen efter objektive metoder til vurdering af smerter ved fibromyalgi vigtig for at udvikle mere effektive mere effektive behandlinger. Ansigtsanalyse af ansigtsekspression og undersøgelse af molekylære markører er lovende måder at kvantificere smerteintensitet mere præcist og intensitet af smerte mere præcist og pålideligt i fibromyalgi.

Studieoversigt

Status

Rekruttering

Detaljeret beskrivelse

Indledning:

Fibromyalgi (FM) er et kronisk syndrom, der er kendetegnet ved diffus muskuloskeletalsmerter, træthed og søvnforstyrrelser, med en stor indflydelse på livskvaliteten. På grund af subjektiviteten af ​​smertevurdering er udviklingen af ​​objektive metoder vigtig. Denne undersøgelse undersøger brugen af ​​kunstig intelligens (AI) i analysen af ​​ansigtsudtryk kombineret med undersøgelsen af ​​molekylære markører som en innovativ og kvantitativ tilgang til smertevurdering hos patienter med FM.

Objektiv:

Sådan valideres anvendelsen af ​​et AI -værktøj kombineret med ansigtsudtryksanalyse og molekylær biomarkørundersøgelse for at måle smerteintensitet hos FM -patienter.

Metodik:

En observationskohortundersøgelse blev udført med 122 deltagere, opdelt i to grupper: patienter med FM (n = 61) og uden FM (n = 61). Dataindsamling inkluderet:

  1. Registrering af ansigtsudtryk: Et indviklet neuralt netværksalgoritme blev anvendt til at analysere ansigtsmønstre forbundet med smerter.
  2. Biologiske prøver: 1 ml spyt opsamles fra hver deltager ved hjælp af spytmetoden og behandles til at ekstrahere DNA, RNA og plasmaproteiner. Proteinerne kvantificeres af ELISA, og generne, der er forbundet med FM, vil blive analyseret ved RT-qPCR.
  3. Kliniske spørgeskemaer: Psykometriske instrumenter såsom den visuelle analoge skala (VAS) og det generaliserede smerteindeks (GDI) blev anvendt til at validere resultaterne.
  4. Statistisk analyse: Dataene blev analyseret ved hjælp af Kappa og Bland-Altman-korrelationer for at vurdere aftalen mellem AI-metoderne og spørgeskemaerne med et signifikansniveau på P <0,05.

AI -algoritmen vil bruge ensartede ansigtsmønstre, der korrelerer dem med den rapporterede smerteintensitet, i overensstemmelse (Kappa = 0,82) med resultaterne af de kliniske skalaer. De analyserede molekylære markører forventes at vise signifikante forskelle mellem grupperne med øget ekspression af inflammatoriske proteiner hos FM -patienter (P <0,05). Integrationen af ​​ansigts- og molekylær analyse sigter mod at forstærke nøjagtigheden af ​​smerteintensitetsklassificering.

Denne tilgang repræsenterer et lovende fremskridt i diagnosen og styringen af ​​syndromet, der bidrager til personaliserede terapier og forbedrer patienternes livskvalitet.

Undersøgelsestype

Observationel

Tilmelding (Anslået)

122

Kontakter og lokationer

Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.

Studiekontakt

Studiesteder

    • Minas Gerais
      • Belo Horizonte, Minas Gerais, Brasilien, 30130110
        • Rekruttering
        • Outpatient Faculty Medical Sciences

Deltagelseskriterier

Forskere leder efter personer, der passer til en bestemt beskrivelse, kaldet berettigelseskriterier. Nogle eksempler på disse kriterier er en persons generelle helbredstilstand eller tidligere behandlinger.

Berettigelseskriterier

Aldre berettiget til at studere

  • Voksen
  • Ældre voksen

Tager imod sunde frivillige

Ja

Prøveudtagningsmetode

Sandsynlighedsprøve

Studiebefolkning

Undersøgelsen vil blive udført med voksne patienter i alderen 18 og 65 år, der er diagnosticeret med fibromyalgi på poliklinikken på Faculdade Ciências Médicas de Minas Gerais og Clínica Ampla de Reumatologia i Belo Horizonte. Inkluderingskriterierne var patienter uden diagnosticeret kognitivt underskud, og som var villige til at deltage i undersøgelsen. Ekskluderingskriterierne er patienter, der bruger medicin, der kan påvirke angst eller depression, eller som ikke er i stand til at forstå instruktionerne. Når patienterne således er enige om at deltage, bliver de således bedt om at underskrive den informerede samtykkeformular (ICF), som vil give detaljerede oplysninger om undersøgelsens art, kriterierne for deltagelse, de mulige risici og fordele, der er involveret.

Beskrivelse

Inkluderingskriterier:

  • Inkluderingskriterierne er patienter uden diagnosticeret kognitivt underskud, og som er villige til at deltage i undersøgelsen.

Ekskluderingskriterier:

  • Ekskluderingskriterier er patienter, der bruger medicin, der kan påvirke angst eller depression eller manglende evne til at forstå instruktionerne.

Studieplan

Dette afsnit indeholder detaljer om studieplanen, herunder hvordan undersøgelsen er designet, og hvad undersøgelsen måler.

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

Kohorter og interventioner

Gruppe / kohorte
Patienter, der er diagnosticeret med fibromyalgi
Målet er at følge fibromyalgi -patienter over en periode på måneder for at analysere smerteintensitet og identificere molekylære markører forbundet med tilstanden. Undersøgelsen omfatter ansigtsanalyseteknikker og molekylære markører sammen med kunstige intelligensværktøjer for at kvantificere smerter og forstå de underliggende mekanismer for fibromyalgi. Metodikken er overvejende kvantitativ, fokuseret på indsamling og analyse af objektive data om smerter og tilknyttede markører.
Patienter uden diagnose af fibromyalgi
Målet er at følge patienter med smerter over en periode på måneder for at analysere intensiteten og identificere molekylære markører, der er forbundet med tilstanden. Undersøgelsen omfatter ansigtsanalyseteknikker og molekylære markører sammen med kunstige intelligensværktøjer for at kvantificere smerter og forstå de underliggende mekanismer for fibromyalgi. Metodikken er overvejende kvantitativ, fokuseret på indsamling og analyse af objektive data om smerter og tilknyttede markører.

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Brug værktøjet til kunstig intelligens til at analysere ansigtsudtrykket af patienter med fibromyalgi for at genkende smerter.
Tidsramme: Den estimerede tid for anamnesis er en time, i hvilket tidsrum biologiske prøver vil blive taget, og hver patients ansigtsudtryk registreres på kameraet.
Brug værktøjet til kunstig intelligens til at analysere ansigtsudtrykket af patienter med fibromyalgi for at genkende smerter. 61 patienter med fibromyalgi vil blive sammenlignet med 61 patienter uden fibromyalgi.
Den estimerede tid for anamnesis er en time, i hvilket tidsrum biologiske prøver vil blive taget, og hver patients ansigtsudtryk registreres på kameraet.

Sekundære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Biokemisk analyse af biomarkører ved påvisning af smerter i fibromyalgi.
Tidsramme: Estimeret indsamlings- og analysetid: 5 timers holdbarhed
122 prøver indeholdende 1 ml spyt opsamles for at kontrollere for ændringer i oxidativ stress og nociceptive markører (af spektrofotometri og ELISA).
Estimeret indsamlings- og analysetid: 5 timers holdbarhed

Samarbejdspartnere og efterforskere

Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.

Publikationer og nyttige links

Den person, der er ansvarlig for at indtaste oplysninger om undersøgelsen, leverer frivilligt disse publikationer. Disse kan handle om alt relateret til undersøgelsen.

Datoer for undersøgelser

Disse datoer sporer fremskridtene for indsendelser af undersøgelsesrekord og resumeresultater til ClinicalTrials.gov. Studieregistreringer og rapporterede resultater gennemgås af National Library of Medicine (NLM) for at sikre, at de opfylder specifikke kvalitetskontrolstandarder, før de offentliggøres på den offentlige hjemmeside.

Studer store datoer

Studiestart (Faktiske)

17. november 2025

Primær færdiggørelse (Anslået)

1. februar 2026

Studieafslutning (Anslået)

1. september 2026

Datoer for studieregistrering

Først indsendt

19. december 2024

Først indsendt, der opfyldte QC-kriterier

3. februar 2025

Først opslået (Faktiske)

6. februar 2025

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

19. november 2025

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

17. november 2025

Sidst verificeret

1. februar 2025

Mere information

Begreber relateret til denne undersøgelse

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

UBESLUTET

Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter

Studerer et amerikansk FDA-reguleret lægemiddelprodukt

Ingen

Studerer et amerikansk FDA-reguleret enhedsprodukt

Ingen

Disse oplysninger blev hentet direkte fra webstedet clinicaltrials.gov uden ændringer. Hvis du har nogen anmodninger om at ændre, fjerne eller opdatere dine undersøgelsesoplysninger, bedes du kontakte register@clinicaltrials.gov. Så snart en ændring er implementeret på clinicaltrials.gov, vil denne også blive opdateret automatisk på vores hjemmeside .

Kliniske forsøg med Smerte

Abonner