Что такое улыбка как цифровой биомаркер болезни Паркинсона?

Анализ улыбки — использование видеозаписей лица и алгоритмов ИИ для выявления моторных и мимических изменений, характерных для ранних стадий болезни Паркинсона.

Почему нужен доступный скрининг болезни Паркинсона?

Доступный скрининг позволяет выявлять ранние признаки, расширять охват в регионах с дефицитом неврологов и снижать затраты, облегчая ранние вмешательства до значительной утраты нейронов.

Как проводилось исследование с видео улыбками и ИИ?

В исследовании приняли участие 1 452 человека; записывали улыбку, удивление и отвращение; извлекали лицевые признаки с помощью OpenFace и MediaPipe; модели HistGradientBoost обучались для классификации БП.

Какие диагностические показатели показала модель?

При внутренней валидации модель показала 88% точности, 77% чувствительности, 91% специфичности и 93% отрицательной прогностической ценности; внешняя точность составила 80–85%.

Какие клинические последствия использования улыбки в скрининге?

Подход может обеспечить удалённый скрининг, приоритизацию направлений к неврологам и дополнительный мониторинг в телемедицине, но не заменяет полноценную клиническую диагностику.

Как это соотносится с предложениями NeuronUP?

NeuronUP видит возможности интеграции цифровых биомаркеров лица для персонализации программ реабилитации, раннего вмешательства и объединения цифровой оценки с когнитивной стимуляцией.

Ранний скрининг Паркинсона с использованием искусственного интеллекта: улыбка как цифровой биомаркер

Докторантка Марта Арбису Гомес объясняет в этой статье недавнее исследование «Обнаружение болезни Паркинсона с помощью ИИ по видео с улыбками», в котором представлена улыбка как цифровой биомаркер болезни Паркинсона.

Почему нам нужны доступные методы скрининга болезни Паркинсона?

Болезнь Паркинсона (БП) — самое быстрорастущее нейродегенеративное заболевание в мире, ежегодно затрагивающее всё больше людей и оказывающее глубокое влияние как на пациентов, так и на их семьи и системы здравоохранения.

Текущий диагноз опирается на моторные симптомы, такие как тремор и ригидность, которые обычно проявляются на более поздних стадиях, когда уже существует значительная потеря дофаминергических нейронов. К этому добавляется сложность доступа к специалистам-неврологам, особенно в сельских районах или в странах с ограниченными ресурсами.

Наличие простого, доступного и применимого удалённо инструмента позволило бы:

Выявлять ранние признаки заболевания и облегчать ранние вмешательства.
Расширить охват скрининга в популяциях с ограниченным доступом к специалистам.
Снизить затраты и логистические барьеры, используя повседневные устройства, такие как смартфоны или веб‑камеры.

Как проводилось исследование?

Недавнее исследование, опубликованное в NEJM AI, предлагает использовать искусственный интеллект (ИИ) для анализа видео с улыбками и таким образом идентифицировать возможные случаи болезни Паркинсона.

Исследователи набрали 1.452 участников из разных частей мира, включая США и Бангладеш. Из них 391 человек имел болезнь Паркинсона (300 клинически диагностированных и 91 с самоопределённым диагнозом).

Каждый участник записывал короткие видео, проявляя три выражения лица: улыбку, удивление и отвращение. Из этих видео извлекались ключевые черты лица с использованием продвинутых инструментов, таких как OpenFace и MediaPipe. Среди интересующих характеристик — открытие рта, активация лицевых мышц и движения бровей.

На основе полученной информации были обучены модели машинного обучения (модели HistGradientBoost) для различения людей с болезнью Паркинсона и без неё, с фокусом на анализ улыбки.

Что показывают ключевые результаты?

Результаты оказались особенно многообещающими по следующим причинам:

Общая точность при внутренней валидации: 88%.
Чувствительность (способность правильно выявлять случаи БП): 77%.
Специфичность (способность правильно исключать случаи без БП): 91%.
Отрицательная прогностическая ценность (ОПЦ): 93 % (очень полезна для исключения заболевания).

В внешних проверках, проведённых в США и Бангладеш, точность колебалась между 80% и 85%, оставаясь конкурентоспособной с точностью, достигаемой некоторыми специалистами.

График 1 Сравнительная столбчатая диаграмма основных диагностических метрик, показывающая производительность модели при внутренней валидации, в США и Бангладеш. — График 1. Сравнительная столбчатая диаграмма основных диагностических метрик, показывающая производительность модели при внутренней валидации, в США и Бангладеш.

Интересно, что улыбка оказалась самым дискриминирующим выражением, опережая удивление и отвращение. Кроме того, анализ не выявил значительных смещений по полу или этнической принадлежности в большинстве наборов данных.

Таким образом, использование выражений лица при скрининге болезни Паркинсона может представлять полезный инструмент.

График 2 Сравнительная диаграмма, показывающая производительность (AUROC) модели в зависимости от каждого выражения лица: улыбка, отвращение и удивление. — График 2. Сравнительная диаграмма, показывающая производительность (AUROC) модели в зависимости от каждого выражения лица: улыбка, отвращение и удивление.

Какие последствия это имеет для клинической практики?

Исследование демонстрирует потенциал ИИ для преобразования раннего скрининга болезни Паркинсона. Среди выделенных применений:

Удалённый и доступный скрининг: люди в сельских районах или без доступа к неврологам могли бы записать простое видео дома и получить предварительную оценку.
Разгружать специализированные приёмы: приоритизировать направления к неврологии для случаев с более высокой вероятностью заболевания.
Дополнительный мониторинг: хотя это не заменяет клинический диагноз, это может служить дополнительным наблюдением в программах телемедицины.

Как это достижение связано с NeuronUP?

В NeuronUP мы разрабатываем программы стимуляции и когнитивной реабилитации, основанные на научных данных. Интеграция технологий, анализирующих цифровые биомаркеры, такие как выражение лица, открывает возможности для:

Индивидуализация вмешательств в соответствии со степенью моторного и когнитивного поражения.
Раннее выявление, что позволяет раньше начинать программы реабилитации и максимизировать их эффективность.
Междисциплинарная интеграция, объединяющая цифровую оценку и когнитивную стимуляцию для более полного и непрерывного подхода.

Заключение

Улыбка, универсальный и, казалось бы, простой жест, может стать мощным инструментом для раннего выявления болезни Паркинсона благодаря искусственному интеллекту. Этот новаторский подход не только приближает диагностику к большему числу людей, но и закладывает основы будущего, в котором технологии и реабилитация работают рука об руку, чтобы улучшить качество жизни тех, кто живёт с этим заболеванием.