通过基于算法的评分系统评估抗精神病药物诱导的宫 dystonia 的严重程度

科学领域:

• 医疗工程 医学工程
• 精神病学是一个精神病学.
• 计算机视觉 计算机视觉

背景情况:

• 对抗精神病药物诱导的宫性 dystonia 的传统视觉评估缺乏客观性.
• 信息技术和机器学习的进步提供了新的量化方法.

研究的目的:

• 通过机器学习来建立宫性 dystonia 严重程度的客观,可量化的范围.
• 探索MediaPipe的Face Mesh用于计算抗精神病药物患者头部倾斜角度的实用性.

主要方法:

• 分析了87名接受抗精神病药物的精神病患者的101个视频片段.
• 精神病学家对宫性 dystonia 的严重程度进行了分级 (0-3).
• 媒体管的Face Mesh计算了头部倾斜的角度 (anterocollis,retrocollis,laterocollis,torticollis). 这是一个非常简单的方法.

主要成果:

• 特定的倾斜角度范围被确定为每一个严重程度的laterocollis,anterocollis/retrocollis,和torticollis.
• 后:0-6° (没有),6-11° (最小),11-25° (轻度),≥25° (中度).
• 安特洛科利斯/雷特罗科利斯:0-11° (没有),11-18° (最小),18-25° (轻度),≥25° (中度).
• :0-9° (没有),9-17° (最小),17-32° (轻度),≥32° (中度).

结论:

• 这项研究提供了客观的,可量化的倾斜角度范围,用于宫性 dystonia 严重程度.
• 这些发现可以作为开发未来人工智能设备的标准,用于宫 dystonia 评估.
• 建议通过新患者数据进行进一步验证.