Low-Cost Camera-Based Automated Blink Analysis in Pediatric Frequent Blinking: a Proof-of-Concept Functional Evaluation

In pädiatrischen Augenkliniken stellt ein Kind, das zu häufig blinzelt, ein vertrautes, aber kniffliges Rätsel dar. Die häufigsten Gründe für dieses Verhalten – trockene Augen, Allergien oder ein nervöser Tic – sehen dem bloßen Auge oft identisch aus. Ein Kind mit trockenen Augen blinzelt vielleicht schnell, um die Oberfläche zu befeuchten, während ein Kind mit Allergien dasselbe tut, um einen Juckreiz zu lindern, und ein Kind mit einer Tic-Störung blinzelt in einem rhythmischen, unwillkürlichen Muster. Da sich die äußeren Anzeichen so perfekt überschneiden, haben Ärzte oft Schwierigkeiten, sie voneinander zu unterscheiden. Eine falsche Diagnose ist nicht nur eine Verzögerung; sie kann zu unnötigen Medikamenten oder einer verpassten Chance führen, einem Kind zu helfen, das verhaltensbezogene Unterstützung benötigt. Seit Jahrzehntenen besteht die Lösung darin, zeitaufwendige Tests zu nutzen, die spezialisierte Ausrüstung und die Fähigkeit eines Kindes erfordern, stillzusitzen und Anweisungen zu befolgen – eine Kombination, die bei einem jungen, unruhigen Patienten oft schwer zu erreichen ist.

Ein Team von Forschern des Zweiten People's Hospital der Stadt Qujing hat einen neuen Weg entwickelt, dieses Problem zu betrachten, der eine Standard-Computerkamera und einfache Software verwendet, um das Blinzeln auf eine objektive und unmittelbare Weise zu messen. Ihre Arbeit, die in einer kürzlich erschienenen Studie beschrieben wurde, ist kein finales Diagnosewerkzeug, sondern eine Machbarkeitsstudie (Proof-of-Concept). Sie entwickelten ein kostengünstiges System, das die Augen einer Person auf einem Bildschirm beobachtet, zählt, wie oft sie blinzelt, misst, wie vollständig die Augenlider schließen, und sogar erkennt, ob die Person sich die Augen reibt. Durch die Einspeisung dieser fünf spezifischen Messwerte in ein Computerprogramm sortiert das System das Verhalten in eine von vier Kategorien ein: normal, trockenes Auge, Allergie oder Tic-Störung. Die Forscher haben dieses System gründlich getestet, jedoch mit einer entscheidenden Einschränkung: Sie haben keine echten Kinder oder Patienten verwendet. Stattdessen testeten sie die Fähigkeit der Software, Daten unter Verwendung eines einzelnen erwachsenen Freiwilligen und computergenerierter Beispiele zu verarbeiten, zu berechnen und zu sortieren.

Der Kern dieses Projekts ist eine Softwareanwendung, die eine Standard-Webcam für das Büro in einen diagnostischen Assistenten verwandelt. Wenn ein Benutzer vor der Kamera sitzt, verfolgt die Software die Form der Augen mithilfe eines Satzes digitaler Landmarken, was im Wesentlichen den Abstand zwischen dem oberen und unteren Augenlid kartiert. Sie berechnet ein Verhältnis, das sich ändert, während das Auge öffnet und schließt. Indem die Software beobachtet, wie sich dieses Verhältnis im Zeitverlauf verschiebt, kann sie ein Blinzeln erkennen, bestimmen, ob es ein vollständiger oder ein teilweiser Verschluss war, und die Geschwindigkeit sowie die Konsistenz des Blinzelmusters messen. Sie beobachtet auch Handbewegungen in der Nähe des Gesichts, um zu zählen, wie oft die Person sich die Augen reibt. Diese fünf Informationen – die Blinzelrate, der Prozentsatz vollständiger Blinzeler, die Tiefe des Blinzelns, die Variabilität zwischen den Blinzelintervallen und die Häufigkeit des Augenreibens – werden dann in eine Klassifizierungs-Engine eingespeist. Diese Engine, die mit computergenerierten Daten trainiert wurde, die die erwarteten Muster verschiedener Zustände imitieren, gibt eine Vorhersage darüber aus, was das Blinzeln verursacht.

Um sicherzustellen, dass das System funktionierte, bevor es jemals einem Kind gezeigt wurde, unterzogen die Forscher es einer Reihe strenger Prüfungen. Zuerst testeten sie die Software in einer „headless“-Umgebung, das heißt ohne Kamera, um zu bestätigen, dass die Mathematik hinter den Augenmessungen korrekt war. Sie verifizierten, dass das System zwischen einem weit geöffneten Auge und einem vollständig geschlossenen Auge mit einer Fehlermarge unterscheiden konnte, die so gering war, dass sie vernachlässigbar war. Als Nächstes gingen sie zur Realwelt-Testung unter Verwendung einer USB-Kamera über. Ein einzelner Autor der Studie nahm als erwachsener Freiwilliger an fünf separaten Sitzungen teil, die jeweils etwa neun bis sechsundzwanzig Sekunden dauerten. Während dieser kurzen Tests erfasste das System jedes einzelne Blinzeln erfolgreich, berechnete alle fünf Parameter und erzeugte einen klaren Output aus vier Klassen, ohne abzustürzen oder zu versagen. Die Ergebnisse entsprachen der in die Software eingebauten Logik: Wenn der Erwachsene ein hohes Maß an Augenreiben simulierte, markierte das System dies korrekt als ein allergieähnliches Muster; wenn die Blinzelintervalle sehr unregelmäßig waren, identifizierte es dies als ein Tic-ähnliches Muster.

Die Forscher testeten auch die Grenzen des Systems, indem sie es zwanzig extremen, computergenerierten Szenarien aussetzten, die die Zahlen an die äußersten Grenzen des Möglichen trieben. Das System bewältigte diese Grenzfälle ohne Fehler, speicherte die Daten korrekt und verweigerte die Nutzung der simulierten Datensätze für zukünftiges Training – eine Sicherheitsfunktion, die verhindern soll, dass die Software aus gefälschten Daten lernt. In den Simulationen erreichte die Software eine perfekte Genauigkeit und trennte die verschiedenen Kategorien sauber. Die Autoren sind sich jedoch sehr bewusst, dass diese perfekte Punktzahl ein Resultat der Art und Weise ist, wie die Testdaten erstellt wurden, und keine Garantie dafür darstellt, wie das System bei echten Patienten abschneiden wird. Die synthetischen Daten wurden mit klaren, nicht überlappenden Regeln entworfen, was die Aufgabe für den Computer einfach machte. Das reale menschliche Verhalten ist chaotischer, und das System wurde noch nicht an Kindern getestet.

Die Studie stellt explizit klar, was sie nicht ist. Sie ist keine klinische Studie und behauptet nicht, ein Kind zu diagnostizieren. Es wurden keine Kinder an den Tests beteiligt, und die Software wurde bisher nicht gegen eine ärztliche Diagnose geprüft. Die Forscher betonen, dass das System derzeit ein funktionaler Prototyp ist, eine Demonstration, dass die Pipeline von der Kamera zum Computerbildschirm wie beabsichtigt funktioniert. Der Weg nach vorne besteht darin, die ethische Genehmigung zur Erprobung des Systems an echten Kindern mit häufigem Blinzeln zu erhalten. Soball dies geschieht, muss die Software mit tatsächlichen Patientendaten neu trainiert werden, und ihre Fähigkeit, zwischen trockenen Augen, Allergien und Tics zu unterscheiden, muss gegenüber dem Goldstandard einer umfassenden Augenuntersuchung bewiesen werden. Bis dahin bleibt das System ein vielversprechendes Werkzeug, das seinen ersten großen Meilenstein gemeistert hat: zu zeigen, dass eine kostengünstige Kamera und ein einfacher Algorithmus die komplexe Sprache des Blinzelns erfassen und in ein strukturiertes, lesbares Format übersetzen können. Der nächste Schritt ist zu sehen, ob diese Übersetzung auch dann Bestand hat, wenn das Subjekt ein Kind und nicht eine Simulation ist.