Sistem vizual de avertizare timpurie asupra declinului sănătății bazat pe AI

Într-un studiu recent publicat în revista Informatics, cercetătorii au investigat utilizarea metodelor avansate de învățare automată pentru recunoașterea expresiilor faciale ca indicatori ai deteriorării stării de sănătate a pacienților. Modelul Convolutional Long Short-Term Memory (ConvLSTM) a demonstrat o acuratețe impresionantă de 99,89% în predicția riscurilor de sănătate, ceea ce ar putea îmbunătăți detectarea precoce și rezultatele pacienților în medii spitalicești.
Studiul facial al emoțiilor a evoluat semnificativ de la primele cercetări ale lui Charles Darwin, contribuind astăzi la diverse domenii, inclusiv sănătatea. Recent, progresele în recunoașterea expresiilor faciale prin rețele neuronale convoluționale și alte tehnici de învățare automată au permis predicții precise ale condițiilor de sănătate bazate pe expresiile faciale ale pacienților, în special în detectarea timpurie a deteriorării stării acestora.

În cadrul studiului, cercetătorii au dezvoltat și evaluat un model ConvLSTM pentru a recunoaște expresiile faciale indicând deteriorarea stării pacienților. Procesul a inclus generarea unui set de date de avatare animate tridimensionale care afișau diverse expresii faciale, prelucrarea acestora pentru a izola regiunile faciale și implementarea modelului ConvLSTM, care combină straturi convoluționale cu celule LSTM pentru a capta dependențele spațiale și temporale în secvențele video.

Rezultatele studiului au arătat că modelul a fost extrem de eficient în identificarea corectă a expresiilor faciale relevante, cu o acuratețe, precizie și capacitate de reamintire de 99,8%. Acest lucru subliniază eficacitatea modelului în recunoașterea modelelor de expresii faciale pe parcursul timpului, crucială pentru evaluarea precisă a condițiilor pacienților.

Cu toate acestea, o limitare semnificativă a studiului a fost utilizarea datelor sintetice în locul datelor reale de la pacienți. Problemele etice au împiedicat colectarea datelor reale, în special din unitățile de îngrijiri critice și de terapie intensivă. Cercetătorii au subliniat necesitatea unor studii viitoare care să implice date din lumea reală pentru a valida în continuare modelul și a-l integra cu alte sisteme de evaluare medicală pentru îmbunătățirea rezultatelor pacienților. Aceste descoperiri deschid perspective pentru utilizarea tehnologiilor avansate de viziune computerizată și învățare automată pentru detectarea timpurie a declinului pacienților.

sursa: News Medical
foto: Al-Tekreeti, Z.; Moreno-Cuesta, J.; Madrigal Garcia, M.I.; Rodrigues, M.A. AI-Based Visual Early Warning System. Informatics 2024, 11, 59. https://doi.org/10.3390/informatics11030059