Développement et Validation Multicentrique d'un Scan Facial par Photopléthysmographie à Distance (rPPG) Basée sur l'IA pour l'Évaluation Multimodale de la Santé

La photopléthysmographie à distance (rPPG) est une technologie optique non contact émergente qui permet d'extraire des signaux physiologiques de vidéos faciales à l'aide de caméras standard. Cette approche a gagné une attention croissante en télémédecine en raison de son évolutivité, de son rapport coût-efficacité et de sa capacité à réaliser un dépistage de santé à distance. Les progrès récents en intelligence artificielle (IA) ont encore élargi le potentiel de la rPPG au-delà de la surveillance des signes vitaux de base pour inclure l'estimation des biomarqueurs cardiométaboliques et des indices de risque pour la santé. Cependant, la validation complète des systèmes basés sur la rPPG par rapport aux mesures cliniques standardisées, aux biomarqueurs de laboratoire et aux paramètres psychologiques reste limitée, en particulier dans les contextes à revenu faible et intermédiaire comme l'Indonésie. Étant donné le fardeau élevé des maladies cardiométaboliques dans les populations urbaines comme Jakarta, évaluer la précision et la faisabilité des technologies de balayage facial basées sur l'IA est essentiel pour soutenir la détection précoce et l'intégration de la santé numérique.

Objectifs spécifiques

1. Évaluer la concordance entre les signes vitaux dérivés de la rPPG (fréquence cardiaque, fréquence respiratoire, pression artérielle, SpO₂) et les mesures correspondantes obtenues par examen physique standardisé réalisé par du personnel formé et des dispositifs médicaux validés.
2. Déterminer le degré de concordance entre les estimations basées sur la rPPG et les valeurs de laboratoire de l'hémoglobine, de la glycémie, de l'HbA1c, du LDL, du HDL, des triglycérides et du cholestérol total.
3. Analyser l'association entre les paramètres physiologiques dérivés de la rPPG et les niveaux de dépression, d'anxiété et de stress mesurés par le questionnaire DASS 21.
4. Calculer la pression artérielle moyenne (MAP), les scores de risque ASCVD et l'âge cardiaque à partir des sorties de la rPPG et comparer ces indices avec ceux dérivés des données cliniques et de laboratoire standard.
5. Développer et évaluer préliminairement des algorithmes exploratoires utilisant les données vidéo de la rPPG pour estimer la fonction rénale, la fonction hépatique, la masse musculaire, la graisse viscérale, le poids corporel, la taille, l'indice de masse corporelle et la graisse sous-cutanée en tant que paramètres de dépistage potentiels.

Méthodes Cette étude utilisera un plan observationnel multicentrique mené dans des sous-districts sélectionnés de Jakarta et étendu à la région de Jabodetabek. Les participants adultes subiront une évaluation complète incluant des questionnaires psychologiques (DASS, PHQ, GAD), des mesures anthropométriques, une analyse de la composition corporelle, une spirométrie, des tests de force musculaire et un prélèvement sanguin veineux. Les échantillons sanguins seront analysés à l'aide de méthodes de laboratoire clinique POCT (≤30 minutes) et standardisées ISO. En parallèle, les participants subiront un balayage facial non contact, générant des sorties basées sur la rPPG incluant les signes vitaux, les indices hémodynamiques et les biomarqueurs estimés par IA. L'analyse statistique inclura l'analyse de concordance de Bland-Altman, le kappa de Cohen pour les variables catégorielles, l'analyse de corrélation et les métriques de performance d'apprentissage automatique (MAE, MSE, RMSE, R²).

Résultats attendus Il est prévu que les mesures basées sur la rPPG démontrent une bonne concordance avec les mesures cliniques standard pour les signes vitaux principaux (fréquence cardiaque, fréquence respiratoire, SpO₂), avec une concordance modérée pour la pression artérielle et certains biomarqueurs sélectionnés. On s'attend à ce que les modèles basés sur l'IA montrent une performance prédictive acceptable pour certains paramètres métaboliques et variables exploratoires, soutenant la faisabilité de la rPPG en tant qu'outil de dépistage. L'étude devrait également identifier les principaux facteurs confondants, tels que la teinte de la peau et la variabilité démographique, influençant la précision du signal.