纤维肌痛中疼痛识别的面部表情分析：使用人工智能和生物标志物 (Fibromyalgia)

介绍：

纤维肌痛（FM）是一种慢性综合征，其特征是弥漫性肌肉骨骼疼痛，疲劳和睡眠障碍，对生活质量产生了重大影响。 由于疼痛评估的主观性，客观方法的发展至关重要。 这项研究探讨了人工智能（AI）在面部表情分析中的使用，并研究了分子标记物的研究，作为FM患者的一种创新和定量方法来评估疼痛评估。

客观的：

为了验证AI工具与面部表达分析和分子生物标志物研究的应用，以测量FM患者的疼痛强度。

方法论：

对122名参与者进行了观察队列研究，分为两组：FM患者（n = 61），没有FM（n = 61）。 数据收集包括：

1. 面部表达记录：使用卷积神经网络算法来分析与疼痛相关的面部模式。
2. 生物样品：使用唾液方法从每个参与者那里收集1毫升唾液，并加工以提取DNA，RNA和血浆蛋白。 蛋白质将通过ELISA量化，与FM相关的基因将通过RT-QPCR分析。
3. 临床问卷：使用心理测量仪器，例如视觉模拟量表（VAS）和广义疼痛指数（GDI）来验证结果。
4. 统计分析：使用Kappa和Bland-Altman相关性分析数据，以评估AI方法与问卷之间的一致性，其显着性水平为p <0.05。

AI算法将使用一致的面部图案将它们与所报告的疼痛强度相关联（Kappa = 0.82） 随着临床量表的结果，分析的分子标记物有望显示两组之间的显着差异，而FM患者在FM患者中的表达增加（P <0.05）。 面部和分子分析的整合旨在扩大疼痛强度分类的准确性。

这种方法代表了综合征诊断和管理的有希望的进步，有助于个性化疗法并改善患者的生活质量。