L'intelligence artificielle joue un rôle de plus en plus vital dans la médecine moderne, en particulier dans l'interprétation des images médicales pour aider les cliniciens à évaluer la gravité de la maladie, à guider les décisions de traitement et à surveiller la progression de la maladie. Malgré ces progrès, la plupart des modèles d'IA actuels sont basés sur des ensembles de données statiques, limitant leur adaptabilité et leur potentiel de diagnostic en temps réel.
Pour combler cette lacune, des chercheurs de la Florida Atlantic University et des collaborateurs ont développé un nouveau modèle d'apprentissage en profondeur de preuve de concept qui exploite des données en temps réel pour aider à diagnostiquer Nystagmus – une condition caractérisée par des mouvements oculaires rythmiques involontaires souvent liés aux troubles vestibulaires ou neurologiques.
Des outils de diagnostic standard en or tels que VideonyStagmographing (VNG) et l'électronystagmographie ont été utilisés pour détecter le nystagmus. Cependant, ces méthodes sont livrées avec des inconvénients notables: les coûts élevés (avec des équipements VNG dépassant souvent 100 000 $), des configurations encombrantes et des inconvénients pour les patients pendant les tests. Le système de FAU axé sur l'IA offre une alternative rentable et conviviale pour les patients, pour un dépistage rapide et fiable pour les troubles de l'équilibre et les mouvements oculaires anormaux.
La plate-forme permet aux patients d'enregistrer leurs mouvements oculaires à l'aide d'un smartphone, de télécharger en toute sécurité la vidéo sur un système basé sur le cloud et de recevoir une analyse de diagnostic à distance d'experts vestibulaires et d'équilibre – le tout sans quitter leur domicile.
Au cœur de cette innovation se trouve un cadre d'apprentissage en profondeur qui utilise le suivi des points de repère du visage en temps réel pour analyser les mouvements oculaires. Le système AI cartaque automatiquement 468 repères faciaux et évalue la vitesse en phase lente – une métrique clé pour identifier l'intensité, la durée et la direction de Nystagmus. Il génère ensuite des graphiques intuitifs et des rapports qui peuvent facilement être interprétés par les audiologistes et autres cliniciens lors de consultations virtuelles.
Les résultats de l'étude pilote impliquant 20 participants, publiés dans Cureus (une partie de la nature de Springer), ont démontré que les évaluations du système d'IA reflétaient étroitement celles obtenues par des dispositifs médicaux traditionnels. Ce succès précoce souligne la précision et le potentiel de fiabilité clinique du modèle, même à ses étapes initiales.
Notre modèle d'IA propose un outil prometteur qui peut compléter partiellement – ou, dans certains cas, remplacer – des méthodes de diagnostic conventionnelles, en particulier dans les environnements de télésanté où l'accès à des soins spécialisés est limité. En intégrant l'apprentissage en profondeur, le cloud computing et la télémédecine, nous rendons le diagnostic plus flexible, abordable et accessible – en particulier pour les communautés rurales et éloignées à faible revenu. «
Ali Danesh, Ph.D., chercheur principal de l'étude, auteur principal, professeur au Département des sciences de la communication et des troubles du FAU's College of Education et professeur de sciences biomédicales dans le FAU Charles E. Schmidt College of Medicine's
L'équipe a formé son algorithme sur plus de 15 000 images vidéo, en utilisant une scission structurée 70:20:10 pour la formation, les tests et la validation. Cette approche rigoureuse a assuré la robustesse et l'adaptabilité du modèle à travers des populations de patients variées. L'IA utilise également un filtrage intelligent pour éliminer les artefacts tels que les clignotements, assurant des lectures précises et cohérentes.
Au-delà du diagnostic, le système est conçu pour rationaliser les workflows cliniques. Les médecins et les audiologistes peuvent accéder aux rapports générés par l'IA-AI via des plateformes de télésanté, les comparer avec les dossiers de santé électroniques des patients et élaborer des plans de traitement personnalisés. Les patients, à leur tour, bénéficient d'une réduction des déplacements, des coûts inférieurs et de la commodité de effectuer des évaluations de suivi en téléchargeant simplement de nouvelles vidéos à domicile – permettant aux cliniciens de suivre la progression des troubles au fil du temps.
En parallèle, les chercheurs de FAU expérimentent également un casque portable équipé de capacités d'apprentissage en profondeur pour détecter le nystagmus en temps réel. Les premiers tests dans des environnements contrôlés se sont révélés prometteurs, bien que des améliorations soient encore nécessaires pour relever des défis tels que le bruit du capteur et la variabilité entre les utilisateurs individuels.
« Bien que encore à ses débuts, notre technologie a le potentiel de transformer les soins aux patients souffrant de troubles vestibulaires et neurologiques », a déclaré Harshal Sanghvi, Ph.D., premier auteur, diplômé de FAU Electrical Engineering and Computer Science, et un boursier postdoctoral au FAU's College of Medicine and College of Business. « Avec sa capacité à fournir une analyse non invasive en temps réel, notre plateforme pourrait être largement déployée – dans les cliniques, les urgences, les centres d'audiologie et même à la maison. »
Sanghvi a travaillé en étroite collaboration avec ses mentors et co-auteurs sur ce projet, notamment Abhijit S. Pandya, Ph.D., FAU Department of Electrical Engineering and Computer Science and FAU Department of Biomedical Engineering, et B. Sue Graves, éd., Département de science de l'exercice et de la promotion de la santé, FAU Charles E. Schmidt College of Science.
Cette initiative interdisciplinaire comprend des collaborateurs du FAU's College of Business, du College of Medicine, du College of Engineering and Computer Science, du College of Science et des partenaires de la recherche avancée, du Marcus Neuroscience Institute – qui fait partie de Baptist Health – au Boca Raton Regional Hospital, Loma Linda University Medical Center et Broward Health North. Ensemble, ils s'efforcent d'améliorer la précision du modèle, d'élargir les tests à travers les diverses populations de patients et de se diriger vers l'approbation de la FDA pour une adoption clinique plus large.
« Alors que la télémédecine devient une partie de plus en plus intégrale de la prestation des soins de santé, des outils de diagnostic alimentés par l'IA comme celui-ci sont prêts à améliorer la détection précoce, à rationaliser les références spécialisées et à réduire la charge des prestataires de soins de santé », a déclaré Danesh. « En fin de compte, cette innovation promet de meilleurs résultats pour les patients – sans savoir où ils vivent. »
Avec Pandya et Graves, les co-auteurs de l'étude sont Jilene Moxam, Advanced Research LLC; Sandeep K. Reddy, Ph.D., FAU College of Engineering and Computer Science; Guroor S. Gill, FAU College of Medicine; Sajeel A. Chowdhary, MD, Marcus Neuroscience Institute – partie de la santé baptiste – à l'hôpital régional de Boca Raton; Kakarla Chalam, MD, Ph.D., Loma Linda University; et Shailesh Gupta, MD, Broward Health North.
