顔面運動のビデオデータの分析のための人工知能、筋無力症に焦点を当てた

理論的根拠：筋重症（MG）は、NMJに対する抗体を伴う自己免疫障害（AID）であり、筋肉の疲労性と脱力感をさまざまにします。 すべての鎖筋肉が関与する可能性がありますが、球外の筋肉が最も一般的に影響を受け、変動する眼症と複視が生じます。 顔の筋肉も一般的に影響を受け、目の閉鎖の衰弱、噛むことや嚥下困難または言語障害をもたらします。 アセチルコリン受容体（ACHR）に対する抗体は、一般化されたMG患者の80％以上に存在します。 純粋な眼の形では、ACHR抗体はすべての患者のほぼ50％で検出可能です。 約4％で、シナプス後の筋肉特異的受容体チロシンキナーゼ（MUSK）に対する抗体が見つかり、全身性疾患の患者の15％で、血清抗体は検出されません。 ACHR MG患者の約15％には胸腺があり、その場合、疾患は腫瘍性症候群に分類できます2。 10.000あたり1〜2の有病率では、mgはまれな疾患と見なされます2。

MGの希少性は、特にMGの患者に遭遇する可能性が高い一般的な神経科医の診断を困難にする可能性があります。 さらに、特に全国の患者は通常1つの専門センター（オランダ、LUMC）で治療されるため、病気の変動性の性質により、適切な治療の決定を下すことが困難になります。 現在、悪化を経験しているかどうかは疑わしい患者は、専門的な神経科医による評価を受けるために、数時間予約して旅行する必要があります。 したがって、自宅で使用できる疾患の重症度のための客観的で信頼性の高いバイオマーカーは、多くのMG患者の生活の質を大幅に改善するでしょう。 現代の技術における新たな可能性は、診断サポート、治療の決定、患者のフォローアップなど、あらゆる種類の医学的課題を持つ医師をサポートできます。 この研究に特に興味のある技術は、前進的な顔の認識です。 私たちは、健康なコントロールとMGの患者を区別し、疾患の重症度の異なるレベルのMG患者を区別するために、Tu DelftのJan Van Gemertのグループによってこの目的のために特別に開発された深い学習モデルと、既存のソフトウェア（Facereader、Noldus）の能力を研究することを目指しています。

主な目的：

2つの異なる方法（Faceereaderテクノロジーとビデオデータのために特別に開発された深い学習モデル）の診断利回りを決定して比較するために、さまざまな標準化された表情を使用してビデオ録画（04：00m）の顔の衰弱を分析します。

1. MG患者と健康なコントロールを区別します。
2. 軽度と中程度の疾患の重症度を区別します。