Reconhecimento Facial Computadorizado para Diagnóstico Automatizado da Distrofia Muscular Fácio-Escápulo-Umeral (FSMHD) (CV4DIAGNOSIS)

O diagnóstico clínico da Distrofia Muscular Facio-Scapulo-Humeral (FSHMD) requer o deslocamento dos pacientes para um centro médico e um longo exame envolvendo pessoal médico, podendo ser subestimado nos casos mais moderados. Assim, requer logística onerosa e onerosa tanto para os pacientes que vivem em áreas remotas e têm que realizar viagens longas e dispendiosas, quanto para o corpo clínico. Este é um obstáculo para o diagnóstico em larga escala. Os pesquisadores planejam aliviar essas limitações por meio do uso da tecnologia de análise facial digital que permitiria o diagnóstico em larga escala de pacientes por meio da telemedicina.

Motivado pelos motivos descritos acima e por resultados preliminares, o objetivo deste projeto é desenvolver métodos para detectar e monitorar automaticamente a progressão desta doença usando algoritmos de visão computacional. Para fazer isso, os pesquisadores vão primeiro construir um banco de imagens e vídeos de pacientes com FSHMD moderado a grave, pacientes com outras distrofias musculares causando assimetria muscular facial, bem como indivíduos de controle sem envolvimento facial. Cada um destes sujeitos será caracterizado clínica e geneticamente.

Os investigadores desenvolverão então ferramentas de computador usando sensores de vídeo e áudio capazes de detectar danos nos músculos faciais em pacientes com FSHMD e diferenciá-los de indivíduos de controle, por um lado, e de pacientes com outras distrofias musculares, por outro lado. Os investigadores desejam usar os avanços mais recentes em termos de "aprendizagem profunda" e melhorar sua arquitetura para atingir nossos objetivos.

Além desta abordagem holística, os investigadores estudarão abordagens de reconhecimento facial capazes de identificar com precisão diferentes áreas faciais em imagens, bem como a relevância de diferentes propriedades estatísticas da dinâmica facial (duração e intensidade). Esses algoritmos também serão úteis para monitorar a evolução dos danos faciais, a fim de desenvolver uma ferramenta de medição específica que possa ser usada no acompanhamento de pacientes e em ensaios clínicos em estágios iniciais da doença.