뇌종양 환자를 대상으로 한 모바일 애플리케이션을 활용한 자가 관리 원격 신경학적 검사 (NEMO)

모바일 애플리케이션 "Iskhaa"는 바바 원자력 연구 센터(BARC)의 전자 부서와 협력하여 개발될 것입니다. 이 애플리케이션은 Android 버전 8.0 이상과 호환됩니다. 소프트웨어는 두 가지 구성 요소를 갖게 됩니다: 모바일 애플리케이션(환자 및 의료 제공자용) 및 데스크톱 애플리케이션(의료 제공자용). 앱을 사용하여 기록된 데이터는 병원 네트워크를 통해 접근 가능한 보안된 병원 서버에 저장됩니다. 애플리케이션에 의해 기록될 다양한 임상 특징의 샘플은 부록 A에 포함되어 있습니다. 모바일 애플리케이션은 처음에는 영어로 개발된 후, 초기 3-6개월 동안 업그레이드된 버전에서 힌디어, 마라티어, 벵골어로 번역될 것입니다. 미리 녹화된 비디오는 신경학적 검사를 위해 기록될 행동을 반복하도록 환자를 안내하는 데 사용됩니다. 이러한 지침의 예로는 언어(환자가 고정된 문장을 말하도록 요청받음), 보행(예: 20보 걷기, 소뇌 기능을 확인하기 위한 탠덤 보행), 개별 사지 들어 올리기 등이 포함됩니다. 또한, 유럽 암 연구 및 치료 기구(EORTC)의 삶의 질 핵심 설문지(QLQ-C30) 및 뇌암 모듈(BN20)이 모바일 애플리케이션에서 제공될 것입니다. 기록된 증상은 보안된 데이터베이스에 저장되며, 연구 조사관은 모바일 또는 데스크톱 애플리케이션을 사용하여 이를 검토할 수 있습니다. 평가(현장 또는 현장)가 완료되면, 데이터는 Tata Memorial Centre에 위치한 중앙 사이트에서 전자적으로 업데이트되며, 조사관은 알림을 받게 됩니다. 더 나은 사용자 준수 및 소프트웨어 업데이트를 위한 애플리케이션 인터페이스의 개선을 위한 버전 업그레이드는 필요에 따라 정기적으로 수행될 것입니다. 애플리케이션 인터페이스의 샘플은 아래 다이어그램에 제공됩니다.

5세 이상으로 뇌종양 진단을 받았으며, 예상 기대 수명이 6개월 이상이고, 모바일 애플리케이션의 지침을 따를 수 있는 환자가 연구 대상으로 선별됩니다. 그들은 적절한 서면 동의서 또는 동의서에 서명한 후 등록됩니다. 연구의 초기 단계는 증상을 평가하고 신경 기능 평가를 위한 비디오를 기록하기 위해 모바일 애플리케이션을 사용해야 하는 100명의 환자에 대한 현장 평가를 포함합니다. 이 단계에서 애플리케이션은 특정 휴대전화(환자 소유가 아님)에 설치됩니다. 평가를 수행한 후, 모든 환자는 진료소에서 담당 의사에 의해 표준 프로토콜을 따르며 평가될 것입니다. 모바일 애플리케이션에서 사용 가능한 증상 및 기능 평가의 모든 측면을 포괄하는 상세한 신경학적 검사가 수행될 것입니다. 현장 평가의 주요 목적은 환자가 사용할 모바일 기기에 애플리케이션을 설치하기 전에 사내 팀이 애플리케이션 사용에 대한 기술적 지원을 제공하여 원활한 전환과 사용을 가능하게 하는 것입니다. 두 번째 평가 단계는 가상 검사(비대면)를 수행할 500명의 환자를 포함합니다. 연구 참여에 대한 동의를 얻으면 모바일 애플리케이션은 개인 휴대전화에 설치됩니다. 환자는 집에서 월별 평가를 받도록 요구되며, 적시에 평가를 수행하도록 알림이 설정됩니다. 평가를 7일 동안 지연할 경우 전화로 알림을 받게 됩니다. 환자와 돌봄 제공자는 모바일 카메라를 사용하여 비디오를 기록하고 업로드할 수 있습니다. 또한, 증상 악화 시 환자는 자가 평가(예정되지 않은)를 수행하도록 지시받습니다. 환자는 표준 기관 관행에 따라 3-6개월마다 진료소에서 신체 평가를 위한 추적 관찰을 계속하며, 조직학적 진단에 특정하여 6-12개월마다 예정된 영상 검사를 받거나, 담당 의사가 결정한 신경학적 악화 시 임상적으로 요구되는 대로 받게 되며, 연구 참여의 영향은 없습니다.

완료된 모든 데이터는 연구 조사관이 검색할 수 있습니다. 증상 평가는 기술 통계로 제시되며, 연속적인 변화가 분석될 것입니다. 앱을 사용하여 기록된 데이터는 각 진료 방문 시 의사의 평가와 상관관계가 있을 것입니다. 환자가 수행하고 비디오 형식으로 기록된 모든 개별 작업에 대해 계산 분석이 수행될 것입니다. 신경 기능(예: 보행 및 운동)는 합성곱 신경망(CNN)과 비전 트랜스포머(ViT)를 결합한 하이브리드 모델을 사용하는 인공 지능 알고리즘으로 기록됩니다. 비디오 데이터는 OpenPose와 같은 고급 포즈 추정 도구를 사용하여 실루엣, 골격 표현 또는 포즈 키 포인트와 같은 관련 특징을 추출하기 위한 전처리 단계를 거칩니다. 각 프레임은 ResNet 또는 EfficientNet과 같은 CNN 백본에 의해 처리되어 저수준 공간 특징을 추출합니다. 이러한 특징은 프레임 시퀀스 전체에서 전역적 시간적 종속성을 모델링하여 환자의 보행에 대한 강력한 표현을 제공하는 비전 트랜스포머 모듈로 입력됩니다. 이 결합된 프레임워크는 임상 모니터링에 중요한 보행의 미세한 이상, 이상 징후 또는 변동을 감지할 수 있게 합니다. 모델은 다양한 환자 집단과 임상 시나리오에서 캡처한 비디오 데이터를 사용하여 훈련되고 검증될 것입니다. 고속 영상의 세분성을 활용함으로써, 모델은 애플리케이션의 특정 요구에 맞춰진 보행 분류, 이상 감지 또는 매개변수 회귀와 같은 고정밀 출력을 제공하는 것을 목표로 합니다. 향상된 시공간 분석을 위한 3D 비전 트랜스포머와 같은 최첨단 기술의 통합은 모델의 견고성과 일반화 능력을 보장할 것입니다. 또한, 설명 가능한 AI(XAI) 방법론이 모델의 예측을 해석하기 위해 통합되어 실행 가능한 통찰력을 제공하고 시스템에 대한 신뢰를 촉진할 것입니다.