Il paziente si siede davanti alla telecamera, l’immagine catturata viene visualizzata sullo schermo e la finestra di rilevamento appare attorno al viso per completare il processo di diagnosi
Gli informatici hanno sviluppato un nuovo strumento diagnostico utilizzando l’intelligenza artificiale e una fotocamera digitale per rilevare la paralisi facciale con una precisione del 98%, compresi il sesso e l’età del paziente.
Ricercatori provenienti da Iraq e Australia affermano che lo strumento può ridurre gli errori diagnostici che spesso si verificano con questo disturbo neurologico comune e curabile.
La paralisi facciale è causata da un danno al nervo facciale, con conseguente debolezza muscolare temporanea o paralisi su un lato del viso, che colpisce circa una persona su 60 in tutto il mondo durante la sua vita. Meno comunemente, la paralisi del viso può essere causata da tumore, infezione o ictus.
In un nuovo articolo, “Automatic Facial Parasy, Age and Gender Detection Using a Raspberry Pi”, pubblicato su BioMedInformatics, i ricercatori della Middle Technical University (MTU) di Baghdad e dell’Università dell’Australia Meridionale (UniSA) delineano un rilevamento in tempo reale sistema per la paralisi facciale che utilizza un microcomputer, una fotocamera digitale e un algoritmo di deep learning.
Utilizzando un set di dati di 26.000 immagini , contenente 19.000 immagini normali e 1.600 immagini di paralisi facciale, i ricercatori hanno utilizzato tecniche di intelligenza artificiale per addestrare i sistemi di visione artificiale a riconoscere la condizione, differenziandoli dagli individui sani. Hanno poi scattato foto di 20 pazienti con diversi gradi di paralisi facciale, utilizzando un algoritmo per rilevare la condizione in tempo reale, oltre a identificarne età e sesso approssimativi.
Il professor Javaan Chahl, ingegnere di telerilevamento dell’Università dell’Australia Meridionale, afferma che il sistema ha raggiunto un tasso di precisione del 98%.
“L’utilizzo di sistemi di visione artificiale per rilevare la paralisi facciale potrebbe non solo prevenire diagnosi errate, ma anche far risparmiare tempo, fatica e costi ai pazienti e agli specialisti medici”, afferma il prof. Chahl.
I ricercatori affermano che il rilevamento basato su un esame visivo può essere impreciso perché la paralisi facciale spesso imita altre condizionie può essere sottile nella sua presentazione. L’identificazione seguita da un’indagine è importante perché le possibili cause includono ictus, infezione da HIV, sclerosi multipla, sindrome di Guillain-Barré e malattia di Lyme.
La letteratura precedente riportata in un articolo del 2020 stima che la diagnosi errata si verifichi fino al 20% dei casi.
Le persone più a rischio di sviluppare paralisi facciale hanno solitamente un’età compresa tra i 30 e i 45 anni, le donne incinte, i diabetici e quelli con una storia familiare. Anche il lato sinistro del viso ha maggiori probabilità di essere colpito, ma la condizione normalmente si risolve spontaneamente entro sei mesi.
Credito: BioMedInformatics (2023). DOI: 10.3390/biomedinformatics3020031
Ulteriori informazioni: Ali Saber Amsalam et al, Paralisi facciale automatica, rilevamento dell’età e del genere utilizzando un Raspberry Pi, BioMedInformatics (2023). DOI: 10.3390/biomedinformatics3020031