Sviluppo e Validazione Multicentrica di una Scansione Facciale basata su IA con Fotopletismografia Remota (rPPG) per la Valutazione Multimodale della Salute

La fotopletismografia remota (rPPG) è una tecnologia ottica non a contatto emergente che consente l'estrazione di segnali fisiologici da video facciali utilizzando telecamere standard.
Questo approccio ha ricevuto crescente attenzione in telemedicina grazie alla sua scalabilità, economicità e capacità di eseguire screening sanitari a distanza.
I recenti progressi nell'intelligenza artificiale (IA) hanno ulteriormente ampliato il potenziale della rPPG oltre il monitoraggio dei segni vitali di base per includere la stima di biomarcatori cardiometabolici e indici di rischio per la salute.
Tuttavia, la validazione completa dei sistemi basati su rPPG rispetto a misurazioni cliniche standardizzate, biomarcatori di laboratorio e parametri psicologici rimane limitata, specialmente in contesti a basso e medio reddito come l'Indonesia.
Considerato l'elevato carico di malattie cardiometaboliche nelle popolazioni urbane come Giacarta, valutare l'accuratezza e la fattibilità delle tecnologie di scansione facciale basate su IA è essenziale per supportare la rilevazione precoce e l'integrazione della salute digitale.

Obiettivi Specifici

1. Valutare la concordanza tra i segni vitali derivati dalla rPPG (frequenza cardiaca, frequenza respiratoria, pressione sanguigna, SpO₂) e le corrispondenti misurazioni ottenute da esame fisico standardizzato da personale addestrato e dispositivi medici validati.
2. Determinare il grado di concordanza tra le stime basate su rPPG e i valori di laboratorio di emoglobina, glicemia, HbA1c, LDL, HDL, trigliceridi e colesterolo totale.
3. Analizzare l'associazione tra i parametri fisiologici derivati dalla rPPG e i livelli di depressione, ansia e stress misurati dal questionario DASS 21.
4. Calcolare la pressione arteriosa media (MAP), i punteggi di rischio ASCVD e l'età cardiaca dagli output della rPPG e confrontare questi indici con quelli derivati da dati clinici e di laboratorio standard.
5. Sviluppare e valutare preliminarmente algoritmi esplorativi utilizzando i dati video della rPPG per stimare la funzione renale, la funzione epatica, la massa muscolare, il grasso viscerale, il peso corporeo, l'altezza corporea, l'indice di massa corporea e il grasso sottocutaneo come potenziali parametri di screening.

Metodi Questo studio utilizzerà un disegno osservazionale multicentrico condotto in sottodistretti selezionati di Giacarta e ampliato alla regione di Jabodetabek.
I partecipanti adulti saranno sottoposti a una valutazione completa che include questionari psicologici (DASS, PHQ, GAD), misurazioni antropometriche, analisi della composizione corporea, spirometria, test di forza muscolare e prelievo di sangue venoso.
I campioni di sangue saranno analizzati utilizzando metodi POCT (≤30 minuti) e metodi di laboratorio clinico standardizzati ISO.
Parallelamente, i partecipanti saranno sottoposti a una scansione facciale non a contatto, generando output basati su rPPG inclusi segni vitali, indici emodinamici e biomarcatori stimati dall'IA.
L'analisi statistica includerà l'analisi di concordanza di Bland-Altman, il kappa di Cohen per variabili categoriali, l'analisi di correlazione e metriche di performance di machine learning (MAE, MSE, RMSE, R²).

Risultati Attesi Ci si aspetta che le misurazioni basate su rPPG dimostrino una buona concordanza con le misurazioni cliniche standard per i segni vitali fondamentali (frequenza cardiaca, frequenza respiratoria, SpO₂), con una concordanza moderata per la pressione sanguigna e biomarcatori selezionati.
Si prevede che i modelli basati su IA mostrino prestazioni predittive accettabili per determinati parametri metabolici e variabili esplorative, supportando la fattibilità della rPPG come strumento di screening.
Lo studio dovrebbe anche identificare i principali fattori confondenti, come il tono della pelle e la variabilità demografica, che influenzano l'accuratezza del segnale.