AI dokáže diagnostikovat Parkinsonovu chorobu z úsměvu s 87,9% přesností

Nová éra v diagnostice Parkinsonovy choroby právě začíná. Vědci vyvinuli revoluci ve formě umělé inteligence, která dokáže odhalit toto neurodegenerativní onemocnění pouze z krátkého videa úsměvu pacienta.

Průlomová studie s nejrozsáhlejším datasetem

Tým vedený Tariqem Adnanem publikoval v prestižním časopise New England Journal of Medicine studii, která změnila pohled na možnosti diagnostiky Parkinsonovy choroby. Výzkumníci využili největší známý videodataset obličejových výrazů, do kterého zapojili 1 452 účastníků, z nichž 391 trpělo Parkinsonovou chorobou.

Model dosáhl překvapivé celkové přesnosti 87,9 % při detekci nemoci pouze na základě analýzy úsměvu. Ještě pozoruhodnější je, že tato technologie fungovala spolehlivě napříč různými populacemi v Severní Americe i Bangladéši.

Podle Parkinsonovy nadace bude letos diagnostikováno odhadem 90 000 nových pacientů s touto nemocí, přičemž do roku 2030 se očekává, že počet nemocných dosáhne 1,2 milionu. Včasná diagnostika Parkinsonovy choroby představuje významný problém kvůli omezenému přístupu ke klinickým specialistům a nutnosti osobních vyšetření.

AI nástroje pro vzdálené vyšetřování nabízejí škálovatelná a nákladově efektivní řešení, která mohou překlenout tyto mezery ve zdravotní péči. To je obzvlášť důležité pro venkovské a podfinancované komunity.

Jak technologie funguje

Nová metoda vyšetřování funguje na jednoduchém principu. Účastníci si natočili sebe sama při napodobování obličejových výrazů včetně úsměvu pomocí online platformy. Výzkumné týmy následně extrahovali obličejové body a měřily akční jednotky, aby kvantifikovaly hypomimii - běžný motorický příznak Parkinsonovy choroby, při kterém je pohyb obličejových svalů zmenšen.

Strojově učící modely byly vyvinuty s využitím těchto charakteristik, čímž dokázaly rozlišit osoby s Parkinsonovou chorobou od zdravých jedinců. Studie využila širokou rekrutační strategii, zahrnující účastníky ze Severní Ameriky prostřednictvím sociálních médií, emailů, wellness center a výzkumných registrů, společně s vysoce rizikovou skupinou z Bangladéše.

Úspěšnost napříč různými populacemi

Model vytrénovaný pouze na videích úsměvu dosáhl při desetinásobné křížové validaci přesnosti 87,9 %, citlivosti 76,8 % a specifičnosti 91,4 %. Validace v externích testovacích sadách odhalila 80,3% přesnost v americkém klinickém datasetu a 85,3% přesnost v bangladéšské skupině.

Zatímco negativní prediktivní hodnota zůstala nad 92 % ve všech prostředích, pozitivní prediktivní hodnota klesla na 35,7 % mezi bangladéšskými účastníky, což odráží variace v populačních charakteristikách.

Další výzkum a technologické pokroky

Nejnovější výzkumy z roku 2024 ukázaly, že AI-řízená analýza obličejových výrazů se rychle vyvíjí. Výzkumníci z Cornell University pracují na AI-vybavených brýlích, které používají akustické snímání pro rekonstrukci obličejových výrazů v reálném čase. Tím se vytváří možnost kontinuálního monitorování pacientů s Parkinsonovou chorobou.

Výzkumníci z UC San Francisco vyvinuli video-založený systém využívající běžné chytré telefony pro kvantifikaci obličejových rysů a sledování progrese nemoci. Systematické přehledy potvrzují, že modely hlubokého učení, zejména konvoluční neurální sítě, dosahují až 88-95% přesnosti při rozlišování pacientů s Parkinsonovou chorobou.

Budoucnost AI diagnostiky

Vedoucí autor studie Tariq Adnan zdůraznil: "Videa úsměvu mohou efektivně rozlišovat mezi jednotlivci s Parkinsonovou chorobou a bez ní, nabízejí potenciálně snadný, dostupný a nákladově efektivní způsob vyšetřování, zejména když je přístup ke klinické diagnóze omezený."

Kód pro zpracování videa a strojové učení je veřejně dostupný na GitHubu, což umožňuje dalším výzkumníkům pokračovat v této práci. Výzkum byl financován Národním institutem pro neurologické poruchy a mozkové mrtvice při Národních ústavech zdraví.

Budoucí kroky zahrnují širší validaci AI metody vyšetřování v dalších reálných populacích a další zdokonalování algoritmu pro maximalizaci přesnosti včasné detekce. Regulační a klinické cesty překladu určí, zda a kdy se tato technologie stane dostupnou v americkém zdravotním systému.