基于人工智能的远程光电容积描记（rPPG）面部扫描用于多模态健康评估的开发与多中心验证

远程光电容积脉搏波描记法（rPPG）是一种新兴的非接触式光学技术，能够通过标准摄像头从面部视频中提取生理信号。 由于具有可扩展性、成本效益和进行远程健康筛查的能力，这种方法在远程医疗领域受到越来越多的关注。 人工智能（AI）的最新进展进一步扩展了rPPG的潜力，超越了基本的生命体征监测，包括估算心脏代谢生物标志物和健康风险指数。 然而，基于rPPG的系统与标准化临床测量、实验室生物标志物和心理参数的全面验证仍然有限，特别是在印度尼西亚等中低收入环境中。 鉴于雅加达等城市人口中心脏代谢疾病的高负担，评估基于AI的面部扫描技术的准确性和可行性对于支持早期检测和数字健康整合至关重要。

具体目标

1. 评估rPPG衍生的生命体征（心率、呼吸频率、血压、血氧饱和度）与训练有素的人员使用经验证的医疗设备进行标准化体格检查获得的相应测量值之间的一致性。
2. 确定基于rPPG的估算值与血红蛋白、血糖、糖化血红蛋白、低密度脂蛋白、高密度脂蛋白、甘油三酯和总胆固醇的实验室数值之间的吻合程度。
3. 分析rPPG衍生的生理参数与通过DASS 21问卷测量的抑郁、焦虑和压力水平之间的关联。
4. 根据rPPG输出计算平均动脉压、ASCVD风险评分和心脏年龄，并将这些指数与标准临床和实验室数据得出的指数进行比较。
5. 使用rPPG视频数据开发和初步评估探索性算法，以估算肾功能、肝功能、肌肉量、内脏脂肪、体重、身高、体重指数和皮下脂肪作为潜在的筛查参数。

方法 本研究将采用多中心观察性设计，在雅加达选定的分区进行，并扩展到雅加达都市圈地区。 成年参与者将接受全面评估，包括心理问卷（DASS、PHQ、GAD）、人体测量、身体成分分析、肺活量测定、肌肉力量测试和静脉血采样。 血样将使用即时检验（≤30分钟）和ISO标准化临床实验室方法进行分析。 同时，参与者将接受非接触式面部扫描，生成基于rPPG的输出，包括生命体征、血流动力学指数和AI估算的生物标志物。 统计分析将包括Bland-Altman一致性分析、分类变量的Cohen's kappa、相关性分析以及机器学习性能指标（平均绝对误差、均方误差、均方根误差、决定系数）。

预期结果 预计基于rPPG的测量值将在核心生命体征（心率、呼吸频率、血氧饱和度）方面与标准临床测量值表现出良好的一致性，在血压和选定的生物标志物方面表现出中等程度的一致性。 预计基于AI的模型将在某些代谢参数和探索性变量方面显示出可接受的预测性能，支持rPPG作为筛查工具的可行性。 该研究还有望识别影响信号准确性的关键混杂因素，例如肤色和人口统计学变异性。