Examen Neurologique à Distance Auto-Administré via une Application Mobile chez les Patients Atteints de Tumeurs Cérébrales (NEMO)

L'application mobile « Iskhaa » sera développée en collaboration avec la Division Électronique du Centre de recherche atomique Bhabha (BARC). L'application sera compatible avec Android version 8.0 ou supérieure. Le logiciel comprendra deux composantes : une application mobile (pour les patients et les prestataires de soins de santé) et une application de bureau (pour les prestataires de soins de santé). Les données enregistrées via l'application seront stockées sur un serveur hospitalier sécurisé accessible via le réseau hospitalier. Un échantillon des différentes caractéristiques cliniques à enregistrer par l'application est inclus dans l'Annexe A. L'application mobile sera initialement développée en anglais, puis traduite en hindi, en marathi et en bengali dans des versions améliorées au cours des 3 à 6 premiers mois. Des vidéos préenregistrées seront utilisées pour guider les patients dans la répétition des actions qui seront enregistrées pour l'examen neurologique. Des exemples de telles instructions incluront la parole (le patient est invité à prononcer des phrases fixes), la démarche, par exemple, marcher 20 pas, la marche en tandem pour vérifier la fonction cérébelleuse, lever les membres individuellement, etc. De plus, le questionnaire de base sur la qualité de vie de l'Organisation européenne pour la recherche et le traitement du cancer (EORTC) (QLQ-C30) et le module sur le cancer du cerveau (BN20) seront disponibles dans l'application mobile. Les symptômes enregistrés seront stockés dans une base de données sécurisée, et les investigateurs de l'étude auront accès à leur examen via les applications mobiles ou de bureau. Une fois une évaluation (sur site ou à distance) terminée, les données seront mises à jour électroniquement au site central situé au Tata Memorial Centre, et l'investigateur recevra un rappel. La mise à niveau des versions pour une meilleure amélioration de l'interface de l'application, une meilleure conformité de l'utilisateur et les mises à jour logicielles seront effectuées périodiquement selon les besoins. Un échantillon de l'interface de l'application est fourni dans le diagramme ci-dessous.

Les patients âgés de plus de 5 ans avec un diagnostic de tumeur cérébrale, ayant une espérance de vie prévue de plus de 6 mois, et capables de suivre les instructions de l'application mobile seront sélectionnés pour l'étude. Ils seront recrutés après avoir signé un consentement écrit ou une formule d'assentiment, selon le cas. La phase initiale de l'étude comprendra une évaluation sur site de 100 patients qui devront utiliser l'application mobile pour évaluer les symptômes et enregistrer des vidéos pour l'évaluation fonctionnelle neurologique. Dans cette phase, l'application sera installée sur des téléphones mobiles spécifiques (n'appartenant pas au patient). Après avoir effectué l'évaluation, tous les patients seront évalués par le médecin responsable en clinique, qui suivra les protocoles standards. Un examen neurologique détaillé sera réalisé pour couvrir tous les aspects des symptômes et de l'évaluation fonctionnelle disponibles dans l'application mobile. L'objectif principal de l'évaluation sur site est de fournir un support technique pour l'utilisation de l'application par l'équipe interne avant l'installation sur les appareils mobiles des patients pour permettre une transition et une utilisation transparentes. La deuxième phase d'évaluation comprendra 500 patients qui effectueront l'examen virtuel (à distance). L'application mobile sera installée sur les téléphones individuels lorsque le consentement pour la participation à l'étude sera obtenu. Les patients devront subir des évaluations mensuelles à domicile avec des rappels configurés pour effectuer les évaluations en temps opportun, et ils seront rappelés par téléphone en cas de retard de 7 jours dans la réalisation de l'évaluation. Les patients et les aidants pourront enregistrer et télécharger la vidéo en utilisant la caméra du mobile. De plus, les patients seront invités à effectuer des auto-évaluations (non programmées) en cas d'aggravation symptomatique. Les patients continueront le suivi en clinique pour une évaluation physique tous les 3 à 6 mois conformément à la pratique institutionnelle standard, et l'imagerie programmée tous les 6 à 12 mois spécifiquement pour le diagnostic histologique ou selon les nécessités cliniques en cas d'aggravation neurologique, décidée par le médecin responsable sans aucune influence de la participation à l'étude.

Toutes les données complétées seront accessibles aux investigateurs de l'étude pour consultation. L'évaluation de la symptomatologie sera présentée sous forme de statistiques descriptives et les changements sériels seront analysés. Les données enregistrées via l'application seront corrélées avec l'évaluation du médecin lors de chaque visite en clinique. Une analyse computationnelle sera effectuée pour toutes les tâches individuelles entreprises par le patient et enregistrées au format vidéo. Le fonctionnement neurologique (par exemple, la démarche et le mouvement) sera enregistré à l'aide d'algorithmes d'intelligence artificielle avec un modèle hybride qui combine les réseaux neuronaux convolutifs (CNN) et les vision transformers (ViT). Les données vidéo subiront des étapes de prétraitement pour extraire des caractéristiques pertinentes, telles que les silhouettes, les représentations squelettiques ou les points clés de posture, en utilisant des outils avancés d'estimation de pose comme OpenPose. Chaque image sera traitée par un réseau CNN de base, comme ResNet ou EfficientNet, pour extraire des caractéristiques spatiales de bas niveau. Ces caractéristiques seront ensuite introduites dans un module Vision Transformer, qui modélisera les dépendances temporelles globales à travers la séquence d'images, fournissant une représentation robuste de la démarche du patient. Ce cadre combiné permettra la détection d'anomalies subtiles, d'irrégularités ou de variations dans la démarche, essentielles pour la surveillance clinique. Le modèle sera formé et validé en utilisant des données vidéo capturées auprès de diverses populations de patients et dans différents scénarios cliniques. En tirant parti de la granularité des séquences haute vitesse, le modèle visera à fournir des résultats de haute précision tels que la classification de la démarche, la détection d'anomalies ou la régression de paramètres adaptés aux besoins spécifiques des applications. L'intégration de techniques de pointe, telles que les Vision Transformers 3D pour une analyse spatiotemporelle améliorée, garantira la robustesse et la généralisabilité du modèle. De plus, des méthodologies d'IA explicable (XAI) seront incorporées pour interpréter les prédictions du modèle, fournissant des informations exploitables et favorisant la confiance dans le système.