Riconoscimento facciale computerizzato per la diagnosi automatizzata della distrofia muscolare facio-scapolo-omerale (FSMHD) (CV4DIAGNOSIS)

La diagnosi clinica di Distrofia Muscolare Facio-Scapulo-Omerale (FSHMD) richiede il trasferimento dei pazienti in un centro medico e un lungo esame che coinvolge il personale medico e può essere sottovalutata nei casi più moderati. Pertanto, richiede una logistica costosa e gravosa sia per i pazienti che vivono in aree remote e devono intraprendere viaggi lunghi e costosi, sia per il personale clinico. Questo è un ostacolo alla diagnosi su larga scala. Gli investigatori intendono alleviare queste limitazioni attraverso l'uso della tecnologia di analisi facciale digitale che consentirebbe la diagnosi su larga scala dei pazienti attraverso la telemedicina.

Motivato dai motivi sopra descritti e dai risultati preliminari, l'obiettivo di questo progetto è sviluppare metodi per rilevare e monitorare automaticamente la progressione di questa malattia utilizzando algoritmi di visione artificiale. Per fare ciò, gli investigatori creeranno prima una banca di immagini e video di pazienti con FSHMD da moderata a grave, pazienti con altre distrofie muscolari che causano asimmetria dei muscoli facciali, nonché soggetti di controllo senza coinvolgimento facciale. Ciascuno di questi soggetti sarà caratterizzato clinicamente e geneticamente.

Gli investigatori svilupperanno quindi strumenti informatici utilizzando sensori video e audio in grado di rilevare danni ai muscoli facciali nei pazienti con FSHMD e differenziarli dai soggetti di controllo da un lato e dai pazienti con altre distrofie muscolari dall'altro. I ricercatori desiderano utilizzare i progressi più recenti in termini di "apprendimento profondo" e migliorare la loro architettura per raggiungere i nostri obiettivi.

Oltre a questo approccio olistico, i ricercatori studieranno approcci di riconoscimento facciale in grado di identificare con precisione diverse aree facciali sulle immagini, nonché la rilevanza delle diverse proprietà statistiche della dinamica facciale (durata e intensità). Questi algoritmi saranno utili anche per monitorare l'evoluzione del danno facciale al fine di sviluppare uno strumento di misurazione specifico che potrebbe essere utilizzato nel follow-up dei pazienti e negli studi clinici sulle prime fasi della malattia.