Hjälp till att bygga en A.I. Modell för att förutsäga myasthenia gravis symtommönster och bloss

Med sina smartphones kommer potentiella deltagare att ladda ner mobilappen doc.ai research. Det kommer att finnas en webblänk för förhandsgranskning där potentiella deltagare kommer att självscreena för att se om de uppfyller de grundläggande behörighetskriterierna för denna studie. Rekryteringsverktyget för denna prövning är utvecklat för mångfald, rättvisa och inkludering. Med syftet att säkerställa mångfald i försökets demografi för att bättre förstå hälsobehoven hos olika populationer. Så även om vissa intresserade potentiella deltagare kvalificerar sig, kanske de inte bjuds in till provet på grund av dessa mångfaldskrav.

Patienter med myasthenia gravis (MG) som uppfyller inklusionskriterierna kommer att bjudas in att gå med i denna digitala hälsoprövning. Deltagarna kommer att underteckna e-samtycket och självregistrera sig i studien. När deras behörighet har bekräftats av studieteamet (för att säkerställa behörighetskriterier och deltagarens giltighet, dvs. eliminera robo-inloggningar) kommer de att bli ombedda att ta en selfie, tillhandahålla dokumenterade bevis på MG-diagnos, svara på en rad enkätfrågor angående deras demografi, aktuell hälsa, medicinsk historia och annan MG-relaterad information.

Anmälda deltagare kommer att ha en daglig kort incheckning, 2 incheckningar per vecka och en veckovis incheckning som inkluderar en audiovisuell incheckning, och kommer att föra en audiovisuell dagbok för att hålla reda på sina symptom, koppla data, spela in sin röst (för att upptäcka röstsymtom: svaghet, nasalitet) och ta videor av deras ansikte (för att upptäcka ansiktssymtom: okulärt, munfall) dagligen till veckovis genom de olika datainsamlingsmodulerna i doc.ai research-appen under varaktigheten av deras studiedeltagande. doc.ai:s digitala hälsotestplattform kommer att utnyttjas för att samla in denna data.

Studien syftar till att registrera cirka 200 deltagare på cirka 9 månader. Det förväntas att minst 100 deltagare kommer att inkluderas i den slutliga analysen eftersom det vid varje given tidpunkt kommer att finnas en fördröjning mellan potentiella deltagare som uttrycker intresse för studien, deras behörighet bedöms av PI och deltagare som slutför alla nödvändiga studieprocedurer .

I slutet av sitt deltagande kommer deltagarna att bli ombedda att fylla i ett frågeformulär. Efter att deltagaren har slutfört sin sista undersökning kommer de att kunna ansluta till en länk som kan lösas in som en Amazon.com presentkort värt $250. Alla deltagare kommer också att få en sammanfattning av den data som de samlat in under studien. Inga medicinska råd eller instruktioner kommer att ges baserat på denna studie.

Dessutom kommer deltagarna i den slutliga undersökningen att tillfrågas om de skulle vara villiga att genomföra en användbarhetsintervju efter att deras deltagande i detta försök har avslutats. Denna delmängd av deltagare som bjuds in att vara en del av en uppföljande användbarhetsintervju kommer att inkludera de som slutför alla undersökningskrav och några som kanske inte har slutfört alla undersökningskrav, för att bedöma användbarhetsupplevelsen av appen under varaktigheten av deras deltagande. Deltagarna kommer att kontaktas vid slutet av sin deltagandeperiod tills totalt 10-15 deltagare har genomfört användbarhetsintervjun. Deltagare som framgångsrikt genomför användbarhetsintervjun kommer att få en länk för 50 USD på Amazon.com presentkort via appen.

För denna studie kommer data och ljud- och videoinspelningar att fångas direkt på doc.ai research-appen och lagras säkert på en HIPAA-kompatibel molnleverantör (Google Cloud Platform).

Dessa data kommer att användas för att förstå symtommönstren och triggers för att bättre karakterisera faktorer som längden och tidpunkten för utbrott och eventuella unika symtommönster för att skapa mer objektiva mått på MG-symtom. I slutändan skulle dessa data användas för att bygga en maskininlärningsmodell som skulle kunna förutsäga MG-symptomflammor.

Huvudmål:

Använd en samling digitala hälsomoduler på smarttelefonen för att samla in myasthenia gravis (MG) symtom och triggers för att bättre karakterisera symtommönster och flare.

Sekundärt mål:

Använd den insamlade informationen för att utveckla en A.I. modell för att upptäcka och/eller förutsäga symptomutbrott.