Reconocimiento facial computarizado para el diagnóstico automatizado de la distrofia muscular facio-escápulo-humeral (FSMHD) (CV4DIAGNOSIS)

El diagnóstico clínico de Distrofia Muscular Facio-Escápulo-Humeral (FSHMD) requiere el traslado de los pacientes a un centro médico y un examen prolongado en el que participe personal médico, y puede subestimarse en los casos más moderados. Por lo tanto, requiere una logística costosa y onerosa tanto para los pacientes que viven en áreas remotas y tienen que realizar viajes largos y costosos, como para el personal clínico. Este es un obstáculo para el diagnóstico a gran escala. Los investigadores planean aliviar estas limitaciones mediante el uso de tecnología de análisis facial digital que permitiría el diagnóstico a gran escala de pacientes a través de la telemedicina.

Motivado por las razones descritas anteriormente y por los resultados preliminares, el objetivo de este proyecto es desarrollar métodos para detectar y monitorear automáticamente la progresión de esta enfermedad utilizando algoritmos de visión artificial. Para hacer esto, los investigadores primero construirán un banco de imágenes y videos de pacientes con FSHMD moderada a severa, pacientes con otras distrofias musculares que causan asimetría de los músculos faciales, así como sujetos de control sin afectación facial. Cada uno de estos sujetos será caracterizado clínica y genéticamente.

A continuación, los investigadores desarrollarán herramientas informáticas mediante sensores de vídeo y audio capaces de detectar daños en los músculos faciales de los pacientes con FSHMD y diferenciarlos de los sujetos de control, por un lado, y de los pacientes con otras distrofias musculares, por el otro. Los investigadores desean utilizar los avances más recientes en términos de "aprendizaje profundo" y mejorar su arquitectura para lograr nuestros objetivos.

Además de este enfoque holístico, los investigadores estudiarán enfoques de reconocimiento facial capaces de identificar con precisión diferentes áreas faciales en imágenes, así como la relevancia de diferentes propiedades estadísticas de la dinámica facial (duración e intensidad). Estos algoritmos también serán útiles para monitorear la evolución del daño facial con el fin de desarrollar una herramienta de medición específica que pueda usarse en el seguimiento de pacientes y en ensayos clínicos en etapas tempranas de la enfermedad.