In der dreimonatigen prospektiven Beobachtungsstudie wurden von 113 MG-Patienten zweiwöchentlich angefertige Selfie-Videos gesammelt. Sie sollten eine Ermüdungsübung für die Lider durchführen, um eine Ptose hervorzurufen. Für die Erkennung von Augenmerkpunkten wurde ein neuronales Netzwerk (Res-Net50-Backbone) anhand von 413 öffentlich verfügbaren Datensätzen trainiert. Ein Support-Vektor-Regressor (SVR) wurde zur Regression auf die mm-Werte der MRD1 verwendet Im vollständigen Testset (664 Bilder von 82 Patienten) war die Korrelation zwischen den echten Werten (‚Ground truth values‘) und den vorhergesagten MRD1-Werten hoch (r = 0,736). Der durchschnittliche absolute Fehler betrug lediglich 0,822 mm und der Mittelwert der Unterschiede -0,256 mm (95 %-Grenze der Übereinstimmung [LOA]: -0,214 bis 1,768 mm). Nach Ausschluss von Bildern schlechter Qualität war die Leistung des KI-Modells im verbliebenen Set (584 Bilder) fast idenitisch (r = 0,732).
ND-Special Myasthenia gravis: KI-basierte Methode erfolgreich
Neuro-Depesche 4/2024
Ptose-Messung mit Selfie-Videos vom Smartphone
Die Margin to Reflex Distance 1 (MRD 1), der Abstand zwischen zentralem Hornhautreflex und der Oberlidkante, ist bei MG-Patienten ein etabliertes Maß für den Schweregrad einer Ptosis – und wird üblicherweise händisch mit dem Lineal gemessen. An der Stanford University entwickelten Forscher jetzt ein KI-Modell, das die MRD1-Messung in selbst angefertigten Smartphone-Videoclips gestattet. Wie zuverlässig ist das automatisierte, objektive und ressourcenschonende Verfahren?
Quelle: Lootus M et al.: Development and Assessment of an Artificial Intelligence-Based Tool for Ptosis Measurement in Adult Myasthenia Gravis Patients Using Selfie Video Clips Recorded on Smartphones. Digit Biomark 2023 ;7(1): 63-73
ICD-Codes:
G70.0
Urheberrecht:
mauritius images