Mesterséges intelligencia alapú távoli fotopletizmográfia (rPPG) arcvizsgálat fejlesztése és többcentrumos validációja multimodális egészségértékeléshez

A távoli fotopletizmográfia (rPPG) egy új, nem érintkező optikai technológia, amely lehetővé teszi fiziológiai jelek kinyerését arcvideókból szabványos kamerák segítségével. Ez a megközelítés egyre nagyobb figyelmet kap a telemedicinában méretezhetősége, költséghatékonysága és a távoli egészségkártyás szűrés képessége miatt. Az mesterséges intelligencia (AI) legújabb fejlesztései tovább bővítették az rPPG lehetőségeit az alapvető életjelek monitorozásán túl a kardiometabolikus biomarkerek és egészségi kockázati indexek becslésére is. Azonban az rPPG-alapú rendszerek átfogó érvényesítése szabványos klinikai mérések, laboratóriumi biomarkerek és pszichológiai paraméterek ellenében továbbra is korlátozott, különösen alacsony és közepes jövedelmű országokban, mint Indonézia. Figyelembe véve a kardiometabolikus betegségek magas terhét városi populációkban, mint Jakarta, az AI-alapú arcszkennelő technológiák pontosságának és megvalósíthatóságának értékelése elengedhetetlen a korai felismerés és a digitális egészségügyi integráció támogatásához.

Specifikus célok

1. Az rPPG-ből származtatott életjelek (pulzus, légzési gyakoriság, vérnyomás, SpO₂) és a képzett személyzet által végzett szabványos fizikális vizsgálattal, valamint érvényesített orvosi eszközökkel kapott megfelelő mérések közötti egyezés értékelése.
2. Az rPPG-alapú becslések és a hemoglobin, vércukor, HbA1c, LDL, HDL, triglicerid és teljes koleszterin laboratóriumi értékei közötti egybeesés mértékének meghatározása.
3. Az rPPG-ből származtatott fiziológiai paraméterek és a depresszió, szorongás és stressz szintjei közötti összefüggés elemzése a DASS 21 kérdőív alapján.
4. Átlagos artériás nyomás (MAP), ASCVD kockázati pontszámok és szívkor becslése az rPPG kimenetekből, valamint ezen indexek összehasonlítása a szabványos klinikai és laboratóriumi adatokból származtatottakkal.
5. Feltáró algoritmusok fejlesztése és előzetes értékelése az rPPG videóadatok felhasználásával a vesefunkció, májfunkció, izomtömeg, zsírszövet, testsúly, testmagasság, testtömegindex és bőralatti zsír becslésére potenciális szűrési paraméterekként.

Módszerek Ez a tanulmány többközpontú megfigyelési kutatást alkalmaz, amelyet Jakartában kiválasztott kerületekben végeznek, majd kiterjesztik a Jabodetabek régióra. A felnőtt résztvevők átfogó értékelésen esnek át, beleértve pszichológiai kérdőíveket (DASS, PHQ, GAD), antropometriai méréseket, testösszetétel elemzést, spirometriát, izomerő tesztelést és vénás vérvételt. A vérvételi mintákat POCT (≤30 perc) és ISO-szabványos klinikai laboratóriumi módszerekkel elemezzük. Párhuzamosan a résztvevők nem érintkező arcszkennelésen esnek át, amely rPPG-alapú kimeneteket generál, beleértve életjeleket, hemodinamikai indexeket és AI-alapú becsült biomarkereket. A statisztikai elemzés tartalmazza Bland-Altman egyezés elemzést, Cohen kappa értéket kategorikus változókra, korreláció elemzést és gépi tanulási teljesítménymutatókat (MAE, MSE, RMSE, R²).

Várható eredmények Várható, hogy az rPPG-alapú mérések jó egyezést mutatnak a szabványos klinikai mérésekkel az alapvető életjelek (pulzus, légzési gyakoriság, SpO₂) esetében, mérsékelt egyezéssel a vérnyomás és kiválasztott biomarkerek esetében. Az AI-alapú modellek elfogadható prediktív teljesítményt várnak bizonyos metabolikus paraméterek és feltáró változók esetében, támogatva az rPPG megvalósíthatóságát szűrési eszközként. A tanulmány várhatóan azonosítja a kulcsfontosságú zavaró tényezőket is, mint a bőrszín és a demográfiai változékonyság, amelyek befolyásolják a jel pontosságát.