Hjelp med å bygge en A.I. Modell for å forutsi Myasthenia Gravis-symptommønstre og bluss

Ved å bruke smarttelefonene sine vil potensielle deltakere laste ned doc.ai research-mobilappen. Det vil være en lenke til forhåndsscreening på nettet hvor potensielle deltakere vil selvscreene for å se om de oppfyller de grunnleggende kvalifikasjonskriteriene for denne studien. Rekrutteringsverktøyet for denne utprøvingen er utviklet for mangfold, rettferdighet og inkludering. Med sikte på å sikre mangfold i demografien til forsøket for å bedre forstå helsebehovene til ulike populasjoner. Så selv om noen interesserte potensielle deltakere kvalifiserer seg, kan det hende at de ikke blir invitert til prøveperioden på grunn av disse mangfoldskravene.

Pasienter med myasthenia gravis (MG) som oppfyller inklusjonskriteriene vil bli invitert til å delta i denne digitale helseprøvingen. Deltakerne vil signere e-samtykket og selv melde seg inn i studien. Når deres kvalifisering er bekreftet av studieteamet (for å sikre kvalifikasjonskriterier og gyldighet for deltaker, dvs. eliminere robo-pålogginger), vil de bli bedt om å ta en selfie, gi dokumentert bevis på MG-diagnose, svare på en rekke spørreundersøkelser angående deres demografi, nåværende helse, medisinsk historie og annen MG-relatert informasjon.

Påmeldte deltakere vil ha en daglig kort innsjekking, 2 ukentlige innsjekkinger og en ukentlig innsjekking som vil inkludere en audiovisuell innsjekking, og vil føre en audiovisuell dagbok for å holde oversikt over symptomene deres, koble til data, spille inn stemmen deres (for å oppdage stemmesymptomer: svakhet, nasalitet) og ta videoer av ansiktet deres (for å oppdage ansiktssymptomer: okulært, munnslipp) på daglig til ukentlig basis gjennom de ulike datainnsamlingsmodulene i doc.ai research-appen i løpet av varigheten av deres studiedeltakelse. doc.ai sin digitale helsetestplattform vil bli utnyttet for å samle inn disse dataene.

Studien tar sikte på å registrere omtrent 200 deltakere i løpet av omtrent 9 måneder. Det forventes at minimum 100 deltakere vil bli inkludert i den endelige analysen, da det til enhver tid vil være et etterslep mellom potensielle deltakere som uttrykker interesse for studien, deres kvalifisering blir vurdert av PI og deltakere som fullfører alle nødvendige studieprosedyrer .

På slutten av deltakelsen vil deltakerne bli bedt om å fylle ut et spørreskjema. Etter at deltakeren har fullført sin siste undersøkelse, vil de kunne koble seg til en lenke som kan løses inn som en Amazon.com gavekort verdt $250. Alle deltakerne vil også motta et sluttoppsummering av dataene de har samlet inn under studien. Ingen medisinsk råd eller veiledning vil bli gitt basert på denne studien.

I tillegg vil deltakerne i den endelige undersøkelsen bli spurt om de ville være villige til å gjennomføre et brukervennlighetsintervju etter at deres deltakelse i denne utprøvingen er avsluttet. Denne undergruppen av deltakere som er invitert til å være en del av et oppfølgingsbrukervennlighetsintervju, vil inkludere de som fullfører alle studiepåkrevde prosedyrer og noen som kanskje ikke har fullført alle studiepåkrevde prosedyrer, for å vurdere brukervennlighetsopplevelsen av appen i løpet av varigheten av deres deltakelse. Deltakerne vil bli kontaktet ved slutten av deltakelsesperioden inntil totalt 10-15 deltakere har fullført brukervennlighetsintervjuet. Deltakere som fullfører brukervennlighetsintervjuet vil motta en lenke for $50 på Amazon.com gavekort via appen.

For denne studien vil dataene og lyd- og videoopptakene bli tatt direkte på doc.ai-forskningsappen og lagret sikkert på en HIPAA-kompatibel skyleverandør (Google Cloud Platform).

Disse dataene vil bli brukt til å forstå mønstrene til symptomer og triggere for å bedre karakterisere faktorer som lengden og tidspunktet for oppbluss og eventuelle unike symptommønstre for å lage mer objektive mål på MG-symptomer. Til syvende og sist vil disse dataene bli brukt til å bygge en maskinlæringsmodell som kan forutsi MG-symptombluss.

Hovedmål:

Bruk en samling av digitale helsemoduler på smarttelefonen for å samle inn myasthenia gravis (MG) symptomer og triggere for å bedre karakterisere symptommønstre og bluss.

Sekundært mål:

Bruk dataene som er samlet inn til å utvikle en A.I. modell for å oppdage og/eller forutsi symptombluss.