Analiza wyrazu twarzy do rozpoznawania bólu w fibromialgii: Wykorzystanie sztucznej inteligencji i biomarkerów (Fibromyalgia)

Wstęp:

Fibromialgia (FM) to przewlekły zespół charakteryzujący się rozproszonym bólem mięśniowo -szkieletowym, zmęczeniem i zaburzeniami snu, z dużym wpływem na jakość życia. Ze względu na subiektywność oceny bólu rozwój obiektywnych metod jest niezbędny. Badanie to bada zastosowanie sztucznej inteligencji (AI) w analizie wyrazu twarzy, w połączeniu z badaniem markerów molekularnych, jako innowacyjne i ilościowe podejście do oceny bólu u pacjentów z FM.

Cel:

Aby potwierdzić zastosowanie narzędzia AI w połączeniu z analizą ekspresji twarzy i badaniami biomarkerów molekularnych w celu pomiaru intensywności bólu u pacjentów z FM.

Metodologia:

Obserwacyjne badanie kohortowe przeprowadzono u 122 uczestników, podzielonych na dwie grupy: pacjentów z FM (n = 61) i bez FM (n = 61). Zbieranie danych obejmowało:

1. Rejestrowanie twarzy: do analizy wzorców twarzy związanych z bólem zastosowano algorytm splotowy sieci neuronowej.
2. Próbki biologiczne: 1 ml śliny zostaną zebrane od każdego uczestnika przy użyciu metody śliny i przetworzone do ekstrakcji DNA, RNA i białek osocza. Białka zostaną określone ilościowo przez ELISA, a geny związane z FM zostaną przeanalizowane za pomocą RT-QPCR.
3. Kwestionariusze kliniczne: instrumenty psychometryczne, takie jak wizualna skala analogowa (VAS) i uogólniony wskaźnik bólu (GDI), zastosowano do potwierdzenia wyników.
4. Analiza statystyczna: Dane analizowano przy użyciu korelacji KAPPA i Bland-Altmana w celu oceny porozumienia między metodami AI a kwestionariuszami, z poziomem istotności P <0,05.

Algorytm AI będzie wykorzystywał spójne wzorce twarzy korelujące je z zgłoszoną intensywnością bólu, w zgodzie (kappa = 0,82) W przypadku wyników skal klinicznych. Oczekuje się, że analizowane markery molekularne będą wykazywać znaczące różnice między grupami, ze zwiększoną ekspresją białek zapalnych u pacjentów z FM (p <0,05). Integracja analizy twarzy i molekularnej ma na celu wzmocnienie dokładności klasyfikacji intensywności bólu.

Podejście to stanowi obiecujący postęp w diagnozie i leczeniu zespołu, przyczyniając się do spersonalizowanych terapii i poprawa jakości życia pacjentów.