A ferramenta de IA permite a avaliação automatizada da paralisia facial, relatórios estudos

Uma ferramenta de inteligência artificial “ajustada” (IA) mostra promessa de avaliação objetiva de pacientes com paralisia facial, relata um estudo experimental na edição de junho da Cirurgia plástica e reconstrutiva.

“Acreditamos que nossa pesquisa oferece informações valiosas sobre o domínio da avaliação da paralisia facial e apresenta um avanço significativo na alavancagem da IA ​​para aplicações clínicas”, comentários, o principal autor Takeichiro Kimura, MD, da Universidade de Kyorin, Mitaka, Tóquio.

Pacientes com paralisia facial têm paralisia ou perda parcial de movimento da face, causada por lesão nervosa devido a tumores, cirurgia, trauma ou outras causas. A avaliação detalhada é essencial para avaliar as opções de tratamento, como cirurgia de transferência de nervos, mas apresenta desafios difíceis.

Vários sistemas de pontuação subjetiva foram desenvolvidos, mas têm problemas com a variabilidade. As avaliações objetivas foram descritas, mas são impraticáveis ​​para o uso clínico de rotina. Os modelos de aprendizado de máquina e IA são uma abordagem potencial para avaliação objetiva e rotineira da paralisia facial.

O Dr. Kimura e os colegas avaliaram um modelo anterior de reconhecimento facial desenvolvido pela IA, chamado 3D-FAN, em pacientes com paralisia facial. Esse sistema foi treinado para reconhecer 68 pontos -chave faciais, como sobrancelhas e pálpebras, nariz e boca e contornos faciais.

Quando aplicado a vídeos clínicos, o 3D-fan-treinado em imagens de pessoas com movimento facial normal-foi claramente insuficiente na avaliação da paralisia facial. O sistema era propenso a perder a assimetria facial na paralisia facial, inclusive quando os pacientes foram instruídos a sorrir; e não reconheceu quando os olhos estavam fechados.

A ferramenta de IA mostra promessa para classificações objetivas de severidade da paralisia facial

Dr. Kimura e colegas tentaram “ajustar” o modelo usando aprendizado de máquina, com base em 1.181 imagens de vídeos clínicos de 196 pacientes com paralisia facial. Nesse processo, os marcos faciais foram realocados manualmente para a posição correta, com etapas para minimizar a variabilidade. As sessões de treinamento foram repetidas até que não houvesse mais melhora na precisão.

“Após o aprendizado de máquina, encontramos melhorias qualitativas e quantitativas na detecção de pontos -chave faciais pela IA”, escrevem o Dr. Kimura e os colegas.

O modelo refinado mostrou taxas de erro substancialmente mais baixas, com melhora na detecção do ponto de chave em todas as áreas da face, incluindo as pálpebras e a boca – áreas de assimetria na paralisia facial. O artigo inclui ilustrações mostrando claramente a melhoria na detecção do ponto -chave após o aprendizado de máquina.

Os autores acreditam que seu método de “ajuste fino”-com correção manual de pontos de referência em um número limitado de imagens-“possui potencial para aplicações mais amplas de fabricar modelos assistidos pela AA em outros distúrbios relativamente raros”. Pendente de avaliação adicional, os pesquisadores planejam disponibilizar seu modelo de IA livremente para outros pesquisadores e médicos.

“Considerando nosso software como uma das soluções promissoras para a avaliação objetiva da paralisia facial, agora estamos conduzindo uma análise multidisciplinar da eficácia desse sistema”, conclui o Dr. Kimura e os co-autores.

Ao fornecer uma pontuação objetiva, a ferramenta de IA pode permitir classificações mais precisas da gravidade da paralisia facial, bem como uma ferramenta quantitativa para avaliar os resultados do tratamento.