Tämä sivu käännettiin automaattisesti, eikä käännösten tarkkuutta voida taata. Katso englanninkielinen versio lähdetekstiä varten.

Kivun tunnistamisen ilmeiden analyysi fibromyalgiassa: keinotekoisen älykkyyden ja biomarkkereiden käyttö (Fibromyalgia)

maanantai 17. marraskuuta 2025 päivittänyt: Alessandra Hubner de Souza, Faculdade de Ciências Médicas de Minas Gerais

Kivun tunnistamisen ilmeiden analyysi: Keinotekoisen älykkyyden ja biomarkkereiden käyttö kivun diagnostiikkatyökaluna fibromyalgiassa, pilottitutkimus

Fibromyalgia (FM) on krooninen tuki- ja liikuntaelinten oireyhtymä, jolla on yleistetyn kehon kipu, matala kivun kynnys, arkuus ja jäykkyys lihaksissa, jänteissä ja nivelissä. Kipujen arviointi tässä tilassa on haaste sen subjektiivisen luonteen vuoksi. Lupaava lähestymistapa kivun voimakkuuden arviointiin on kasvojen ilmaisun analyysi, joka voi toimia objektiivisena indikaattorina. Lisäksi tutkimuksella pyritään tunnistamaan molekyylimolekyylimarkkerit kivun kvantifioimiseksi. Standardisoidun järjestelmän puute on kuitenkin vaikeuttanut luotettavien markkerien tunnistamista. Yhteenvetona voidaan todeta, että fibromyalgian kivun arviointimenetelmien etsiminen on välttämätöntä tehokkaampien hoitojen kehittämiseksi. Kasvojen ilmentymisanalyysi ja molekyylimarkkerien tutkiminen ovat lupaavia tapoja kvantitatiivisesti kivun voimakkuuden määrittämiseksi tarkemmin ja kivun voimakkuus tarkemmin ja luotettavasti fibromyalgiassa.

Tutkimuksen yleiskatsaus

Yksityiskohtainen kuvaus

Johdanto:

Fibromyalgia (FM) on krooninen oireyhtymä, jolle on ominaista diffuusi tuki- ja liikuntaelinten kipu, väsymys ja unihäiriöt, joilla on suuri vaikutus elämänlaatuun. Kipuarvioinnin subjektiivisuuden vuoksi objektiivisten menetelmien kehittäminen on välttämätöntä. Tässä tutkimuksessa tutkitaan keinotekoisen älykkyyden (AI) käyttöä kasvojen lausekkeiden analysoinnissa yhdistettynä molekyylimarkkereiden tutkimukseen innovatiivisena ja kvantitatiivisena lähestymistapana kivun arviointiin FM -potilailla.

Tavoite:

AI -työkalun soveltamisen validoimiseksi yhdistettynä kasvojen ekspressioanalyysiin ja molekyylin biomarkkereiden tutkimukseen kivun voimakkuuden mittaamiseksi FM -potilailla.

Menetelmä:

Havainnollinen kohorttitutkimus suoritettiin 122 osallistujan kanssa, jaettuna kahteen ryhmään: potilaat, joilla oli FM (n = 61) ja ilman FM: tä (n = 61). Tiedonkeruu sisälsi:

  1. Kasvojen ilmaisun tallennus: Kipuun liittyvien kasvomallien analysointiin käytettiin konvoluutiohermoverkon algoritmia.
  2. Biologiset näytteet: 1 ml sylkeä kerätään jokaiselta osallistujalta SALIVETTE -menetelmää käyttämällä ja prosessoidaan DNA-, RNA- ja plasmaproteiinien uuttamiseksi. Proteiinit määritetään ELISA: lla ja FM: ään liittyvät geenit analysoidaan RT-QPCR: llä.
  3. Kliiniset kyselylomakkeet: Tulosten validointiin käytettiin psykometrisiä instrumentteja, kuten visuaalista analogista asteikkoa (VAS) ja yleistä kipuindeksiä (GDI).
  4. Tilastollinen analyysi: Tiedot analysoitiin käyttämällä Kappa- ja Bland-Altman-korrelaatioita AI-menetelmien ja kyselylomakkeiden välisen sopimuksen arvioimiseksi, ja merkitsevyystaso on p <0,05.

AI -algoritmi käyttää johdonmukaisia ​​kasvomallia, jotka korreloivat niitä ilmoitettuun kivun voimakkuuteen, yhteisymmärryksessä (kappa = 0,82) kliinisten asteikkojen tulosten kanssa. Analysoitujen molekyylimarkkerien odotetaan osoittavan merkittäviä eroja ryhmien välillä, kun tulehduksellisten proteiinien ilmentyminen FM -potilailla (P <0,05). Kasvo- ja molekyylianalyysin integroinnin tavoitteena on vahvistaa kivun voimakkuusluokituksen tarkkuutta.

Tämä lähestymistapa edustaa lupaavaa edistystä oireyhtymän diagnosoinnissa ja hoidossa, edistäen henkilökohtaisia ​​hoitoja ja parantamalla potilaiden elämänlaatua.

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Arvioitu)

122

Yhteystiedot ja paikat

Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.

Opiskeluyhteys

Opiskelupaikat

    • Minas Gerais
      • Belo Horizonte, Minas Gerais, Brasilia, 30130110
        • Rekrytointi
        • Outpatient Faculty Medical Sciences

Osallistumiskriteerit

Tutkijat etsivät ihmisiä, jotka sopivat tiettyyn kuvaukseen, jota kutsutaan kelpoisuuskriteereiksi. Joitakin esimerkkejä näistä kriteereistä ovat henkilön yleinen terveydentila tai aiemmat hoidot.

Kelpoisuusvaatimukset

Opintokelpoiset iät

  • Aikuinen
  • Vanhempi Aikuinen

Hyväksyy terveitä vapaaehtoisia

Joo

Näytteenottomenetelmä

Todennäköisyysnäyte

Tutkimusväestö

Tutkimus suoritetaan 18–65 -vuotiailla aikuisilla potilailla, joilla on diagnosoitu fibromyalgia faculdade ciências Médicas de Minas gerais- ja Clínica Ampla de Reumatologian Belo Horizontessa. Sisällyttämiskriteerit olivat potilaita, joilla ei ollut diagnosoitu kognitiivinen alijäämä ja jotka olivat valmiita osallistumaan tutkimukseen. Poissulkemiskriteerit ovat potilaita, jotka käyttävät lääkitystä, jotka voivat vaikuttaa ahdistukseen tai masennukseen tai jotka eivät pysty ymmärtämään ohjeita. Siksi, kun potilaat suostuvat osallistumaan, heitä pyydetään allekirjoittamaan tietoinen suostumuslomake (ICF), joka antaa yksityiskohtaisia ​​tietoja tutkimuksen luonteesta, osallistumiskriteereistä, mahdollisista riskeistä ja eduista.

Kuvaus

Sisällyttämiskriteerit:

  • Sisällyttämiskriteerit ovat potilaita, joilla ei ole diagnosoitua kognitiivista alijäämää ja jotka ovat valmiita osallistumaan tutkimukseen.

Poissulkemiskriteerit:

  • Poissulkemiskriteerit ovat potilaita, jotka käyttävät lääkitystä, jotka voivat vaikuttaa ahdistukseen tai masennukseen tai kyvyttömyyteen ymmärtää ohjeita.

Opintosuunnitelma

Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.

Miten tutkimus on suunniteltu?

Suunnittelun yksityiskohdat

Kohortit ja interventiot

Ryhmä/Kohortti
Potilaat, joilla on diagnosoitu fibromyalgia
Tavoitteena on seurata fibromyalgiapotilaita kuukausien ajan kivun voimakkuuden analysoimiseksi ja tilaan liittyvien molekyylimarkkerien tunnistamiseksi. Tutkimus kattaa kasvojen analyysitekniikat ja molekyylimarkkerit yhdessä tekoälyn työkalujen kanssa kivun kvantifioimiseksi ja fibromyalgian taustalla olevien mekanismien ymmärtämiseksi. Menetelmä on pääosin kvantitatiivinen, keskittyen objektiivisen tiedon keräämiseen ja analysointiin kipuista ja niihin liittyvistä markkereista.
Potilaat, joilla ei ole fibromyalgian diagnoosia
Tavoitteena on seurata kipupotilaita kuukausien ajan intensiteetin analysoimiseksi ja tilaan liittyvien molekyylimarkkerien tunnistamiseksi. Tutkimus kattaa kasvojen analyysitekniikat ja molekyylimarkkerit yhdessä tekoälyn työkalujen kanssa kivun kvantifioimiseksi ja fibromyalgian taustalla olevien mekanismien ymmärtämiseksi. Menetelmä on pääosin kvantitatiivinen, keskittyen objektiivisen tiedon keräämiseen ja analysointiin kipuista ja niihin liittyvistä markkereista.

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Käytä keinotekoista älykkyystyökalua analysoidaksesi fibromyalgiapotilaiden ilmettä kivun tunnistamiseksi.
Aikaikkuna: Anamnesiksen arvioitu aika on yksi tunti, jonka aikana biologiset näytteet otetaan ja jokaisen potilaan ilmeet kirjataan kameraan.
Käytä keinotekoista älykkyystyökalua analysoidaksesi fibromyalgiapotilaiden ilmettä kivun tunnistamiseksi. 61 fibromyalgiapotilasta verrataan 61 potilaalle, joilla ei ole fibromyalgiaa.
Anamnesiksen arvioitu aika on yksi tunti, jonka aikana biologiset näytteet otetaan ja jokaisen potilaan ilmeet kirjataan kameraan.

Toissijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Biomarkkereiden biokemiallinen analyysi kivun havaitsemisessa fibromyalgiassa.
Aikaikkuna: Arvioitu keräys- ja analysointiaika: 5 tuntia kestävyyttä
122 Näytettä, jotka sisältävät 1 ml sylkeä, kerätään oksidatiivisen stressin ja notsiseptiivisten markkerien muutosten tarkistamiseksi (spektrofotometrialla ja ELISA: lla).
Arvioitu keräys- ja analysointiaika: 5 tuntia kestävyyttä

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Julkaisuja ja hyödyllisiä linkkejä

Tutkimusta koskevien tietojen syöttämisestä vastaava henkilö toimittaa nämä julkaisut vapaaehtoisesti. Nämä voivat koskea mitä tahansa tutkimukseen liittyvää.

Opintojen ennätyspäivät

Nämä päivämäärät seuraavat ClinicalTrials.gov-sivustolle lähetettyjen tutkimustietueiden ja yhteenvetojen edistymistä. National Library of Medicine (NLM) tarkistaa tutkimustiedot ja raportoidut tulokset varmistaakseen, että ne täyttävät tietyt laadunvalvontastandardit, ennen kuin ne julkaistaan ​​julkisella verkkosivustolla.

Opi tärkeimmät päivämäärät

Opiskelun aloitus (Todellinen)

Maanantai 17. marraskuuta 2025

Ensisijainen valmistuminen (Arvioitu)

Sunnuntai 1. helmikuuta 2026

Opintojen valmistuminen (Arvioitu)

Tiistai 1. syyskuuta 2026

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Torstai 19. joulukuuta 2024

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Maanantai 3. helmikuuta 2025

Ensimmäinen Lähetetty (Todellinen)

Torstai 6. helmikuuta 2025

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Keskiviikko 19. marraskuuta 2025

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Maanantai 17. marraskuuta 2025

Viimeksi vahvistettu

Lauantai 1. helmikuuta 2025

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Yksittäisten osallistujien tietojen suunnitelma (IPD)

Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?

PÄÄTTÄMÄTÖN

Lääke- ja laitetiedot, tutkimusasiakirjat

Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta

Ei

Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta

Ei

Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .

Tilaa