Самостоятельное удалённое неврологическое обследование с использованием мобильного приложения у пациентов с опухолями головного мозга (NEMO)

Мобильное приложение "Искаа" будет разработано совместно с Отделом электроники Центра атомных исследований им. Бабы (BARC). Приложение будет совместимо с Android версии 8.0 и выше. Программное обеспечение будет состоять из двух компонентов - мобильного приложения (для пациентов и медицинских работников) и настольного приложения (для медицинских работников). Данные, записанные с помощью приложения, будут храниться на защищенном сервере больницы, доступном через больничную сеть. Пример различных клинических характеристик, которые будут записываться приложением, включен в Приложение А. Мобильное приложение изначально будет разработано на английском языке, а затем переведено на хинди, маратхи и бенгали в обновленных версиях в течение первых 3-6 месяцев. Предварительно записанные видео будут использоваться для руководства пациентами при повторении действий, которые будут записываться для неврологического обследования. Примеры таких инструкций будут включать речь (пациента просят произнести фиксированные предложения), походку, например, ходьбу на 20 шагов, тандемную ходьбу для проверки функции мозжечка, поднятие отдельных конечностей и т.д. Кроме того, в мобильном приложении будут доступны основный опросник качества жизни Европейской организации по исследованию и лечению рака (EORTC QLQ-C30) и модуль для рака мозга (BN20). Записанные симптомы будут храниться в защищенной базе данных, и исследователи исследования будут иметь доступ к их просмотру с помощью мобильных или настольных приложений. После завершения оценки (на месте или на месте) данные будут обновлены электронным способом на центральной площадке, расположенной в Мемориальном центре Тата, и исследователь получит напоминание. Обновление версии для лучшего улучшения интерфейса приложения для лучшего соответствия пользователей и обновления программного обеспечения будут выполняться периодически по мере необходимости. Пример интерфейса приложения предоставлен на диаграмме ниже.

Для исследования будут отбираться пациенты старше 5 лет с диагнозом опухоли головного мозга, имеющие ожидаемую продолжительность жизни более 6 месяцев и способные следовать инструкциям мобильного приложения. Они будут включены после подписания письменной формы согласия или согласия в зависимости от ситуации. Начальная фаза исследования будет включать оценку на месте 100 пациентов, которым потребуется использовать мобильное приложение для оценки симптомов и записи видео для функциональной неврологической оценки. На этом этапе приложение будет установлено на определенные мобильные телефоны (не принадлежащие пациенту). После проведения оценки все пациенты будут оценены ответственным врачом в клинике, который будет следовать стандартным протоколам. Будет проведено подробное неврологическое обследование, охватывающее все аспекты симптомов и функциональной оценки, доступные в мобильном приложении. Основная цель оценки на месте - предоставить любую техническую поддержку для использования приложения внутренней командой перед установкой на мобильные устройства пациентов для обеспечения беспрепятственного перехода и использования. Вторая фаза оценки будет включать 500 пациентов, которые пройдут виртуальное обследование (вне площадки). Мобильное приложение будет установлено на индивидуальные телефоны при получении согласия на участие в исследовании. От пациентов потребуется проходить ежемесячные оценки дома с напоминаниями о своевременном проведении оценок, и им будут напоминать по телефону в случае задержки проведения оценки на 7 дней. Пациенты и лица, осуществляющие уход, смогут записывать и загружать видео с помощью мобильной камеры. Кроме того, пациентам будет предписано проходить самооценки (вне расписания) в случае симптоматического ухудшения. Пациенты будут продолжать наблюдение в клинике для физической оценки каждые 3-6 месяцев в соответствии со стандартной институциональной практикой и визуализацией, запланированной каждые 6-12 месяцев, специфичной для гистологического диагноза или по клиническим показаниям в случае неврологического ухудшения, как решит ответственный врач, без какого-либо влияния участия в исследовании.

Все завершенные данные будут доступны для извлечения исследователями исследования. Оценка симптоматологии будет представлена в виде описательной статистики, а серийные изменения будут проанализированы. Данные, записанные с помощью приложения, будут соотнесены с оценкой врача во время каждого визита в клинику. Будет проведен вычислительный анализ для всех отдельных задач, выполняемых пациентом и записанных в видеоформате. Неврологическое функционирование (например, походка и движение) будет записываться с использованием алгоритмов искусственного интеллекта с гибридной моделью, сочетающей сверточные нейронные сети (CNN) и трансформеры зрения (ViT). Видеоданные пройдут этапы предварительной обработки для извлечения релевантных характеристик, таких как силуэты, скелетные представления или ключевые точки позы, с использованием передовых инструментов оценки позы, таких как OpenPose. Каждый кадр будет обработан базовой сетью CNN, такой как ResNet или EfficientNet, для извлечения низкоуровневых пространственных характеристик. Эти характеристики затем будут поданы в модуль Vision Transformer, который будет моделировать глобальные временные зависимости по последовательности кадров, обеспечивая надежное представление походки пациента. Эта комбинированная структура позволит обнаруживать тонкие аномалии, отклонения или вариации в походке, что критически важно для клинического мониторинга. Модель будет обучена и валидирована с использованием видеоданных, захваченных от разнообразных популяций пациентов и клинических сценариев. Используя детализацию высокоскоростной съемки, модель будет стремиться предоставлять высокоточные выходные данные, такие как классификация походки, обнаружение аномалий или регрессия параметров, адаптированные к конкретным потребностям приложений. Интеграция передовых методов, таких как 3D Vision Transformers для улучшенного пространственно-временного анализа, обеспечит надежность и обобщаемость модели. Кроме того, будут включены методологии объяснимого ИИ (XAI) для интерпретации предсказаний модели, предоставляя действенные инсайты и способствуя доверию к системе.