Искусственный интеллект для анализа видеоданте

Обоснование: Myastenia Gravis (Mg) - это аутоиммунное заболевание (помощь) с антителами против NMJ, что приводит к различной степени утомления и слабости мышц. Все полосатые мышцы могут быть вовлечены, хотя чаще всего поражаются экстраокулярные мышцы, что приводит к колебаниям птоза и диплопии. Мышцы лица также обычно влияют, что приводит к слабости закрытия глаз, трудностям жевания и глотания или нарушениям речи. Антитела против рецептора ацетилхолина (ACHR) присутствуют у более чем 80% генерализованных пациентов с MG. В чистой глазной форме антитела ACHR обнаруживаются почти у 50% всех пациентов. Примерно в 4% обнаружены антитела против постсинаптической мышечной рецепторной тирозинкиназы (Musk), а у 15% пациентов с генерализованным заболеванием не обнаружены сывороточные антитела1-3. Приблизительно 15% пациентов с ACHR MG имеют тимому, и в этом случае заболевание может быть классифицировано как паранеопластический синдром2. При распространенности от 1 до 2 на 10,000 мг считается редким заболеванием2.

Редкость MG может затруднить диагностику, в частности для общих неврологов, которые, вероятно, столкнутся с пациентом с MG всего несколько раз на протяжении всей своей карьеры. Кроме того, колеблющийся характер заболевания затрудняет принятие соответствующих решений о лечении, особенно в том, что пациенты по всей стране обычно лечатся в одном специализированном центре (в Нидерландах, LUMC). В настоящее время пациенты, которые сомневаются в том, испытывают ли они обострение, должны назначить встречу и путешествовать в течение нескольких часов, чтобы пройти оценку со стороны своего специализированного невролога. Таким образом, объективный, надежный биомаркер для тяжести заболевания, который может быть использован дома, значительно улучшит качество жизни для многих пациентов с МГ. Новые возможности в современных технологиях могут поддерживать врачей с помощью всех видов медицинских проблем, таких как предложение диагностической поддержки, решения о лечении или наблюдение за пациентами. Технология, представляющая особый интерес для этого исследования, - это усовершенствованное распознавание лица. Мы стремимся изучить способность существующего программного обеспечения (Facereader, Noldus) по сравнению с моделью глубокого обучения, специально разработанной для этой цели группой Яна Ван Гемерта в TU Delft, чтобы различать здоровые контроли и пациентов с MG и между пациентами с MG с различными уровнями тяжести заболевания.

Основные цели:

Чтобы определить и сравнить диагностический выход двух различных методов (технология Facereader и модель глубокого обучения, специально разработанная для видеоданных данных) для анализа слабости лица из видеозаписей (04: 00M) с различными стандартизированными выражениями лица:

1. Различите между пациентами с MG и здоровыми контролями.
2. Разменить между легкой и умеренной до тяжелой тяжести заболевания.