Temperatura twarzy może przewidywać choroby serca z większą dokładnością niż obecne metody

W niedawnym badaniu opublikowanym w czasopiśmie BMJ Health & Care Informatics naukowcy ocenili wykonalność wykorzystania termografii twarzy w podczerwieni (IRT) do przewidywania choroby niedokrwiennej serca (CHD).

CHD jest jedną z głównych przyczyn zgonów i ma znaczący globalny ciężar. Dokładna diagnoza CHD jest ważna dla opieki i leczenia. Obecnie do określania prawdopodobieństwa CHD u pacjentów stosuje się narzędzia oceny prawdopodobieństwa przed testem (PTP). Jednak narzędzia te mają problemy z subiektywnością, ograniczoną generalizacją i umiarkowaną dokładnością.

Chociaż dodatkowe badania układu sercowo-naczyniowego (ocena zwapnienia tętnic wieńcowych i elektrokardiografia) lub zaawansowane modele kliniczne uwzględniające dodatkowe markery laboratoryjne i czynniki ryzyka mogą poprawić ocenę prawdopodobieństwa, występują problemy związane z efektywnością czasową, złożonością procedur i ograniczoną dostępnością.

IRT, bezkontaktowa technologia wykrywania temperatury powierzchni, daje obiecujące wyniki w ocenie chorób. Może wykrywać stany zapalne i nieprawidłowy przepływ krwi na podstawie wzorców temperatury skóry. Badania wykazują powiązania między informacjami IRT a miażdżycową chorobą sercowo-naczyniową i pokrewnymi schorzeniami.

W tym badaniu naukowcy ocenili wykonalność wykorzystania danych temperatury IRT twarzy do przewidywania CAD. Dorośli poddawani koronarografii TK (CCTA) lub inwazyjnej koronarografii (ICA) zostali włączeni do badania. Przeszkolony personel uzyskał dane bazowe i wykonał akwizycje IRT przed CCTA lub ICA.

Elektroniczna dokumentacja medyczna została wykorzystana do uzyskania dodatkowych informacji, w tym biochemii krwi, historii klinicznej, czynników ryzyka i wyników badań przesiewowych CAD. Wybrano jeden obraz IRT na uczestnika do analizy i przetworzono (jednolita zmiana rozmiaru, konwersja do skali szarości i przycinanie tła).

Zespół opracował model obrazu IRT przy użyciu zaawansowanego algorytmu głębokiego uczenia. Opracowano dwa modele do porównania: jeden był modelem PTP (klinicznej linii bazowej), który obejmował wiek, płeć i cechy symptomów pacjentów, a drugi był hybrydą, łączącą zarówno IRT, jak i informacje kliniczne z modeli IRT i PTP.

Przeprowadzono kilka analiz interpretacyjnych, w tym eksperymenty okluzyjne, wizualizację map wyróżnień, analizy dawka-odpowiedź i przewidywanie zastępczych etykiet CAD. Ponadto z obrazu IRT wyodrębniono różne cechy tabeli IRT, sklasyfikowane na poziomie całej twarzy i regionu zainteresowania (ROI).

Ogólnie rzecz biorąc, wyodrębnione cechy zostały sklasyfikowane jako tekstury pierwszego rzędu, tekstury drugiego rzędu, temperatury i analizy fraktalnej. Algorytm XGBoost zintegrował te wyodrębnione cechy i ocenił ich wartość predykcyjną dla CHD. Naukowcy ocenili wydajność, używając wszystkich cech i tylko cech temperatury.

Łącznie 893 dorosłych poddanych CCTA lub ICA zostało przebadanych w okresie od września 2021 r. do lutego 2023 r. Spośród nich 460 uczestników miało średni wiek 58,4 lat; 27,4% stanowiły kobiety, a 70% miało CAD. Pacjenci z CAD mieli wyższy wiek i częstość występowania czynników ryzyka w porównaniu z pacjentami bez CAD. Model IRT-image znacząco przewyższył model PTP.

Jednakże wydajność hybrydowych modeli obrazu i IRT nie różniła się znacząco. Użycie wyłącznie cech temperatury lub wszystkich wyodrębnionych cech miało lepszą wydajność predykcyjną, co było zgodne z modelem obrazu IRT. Na poziomie całej twarzy, całkowita różnica temperatur od lewej do prawej miała największy wpływ, podczas gdy na poziomie ROI, średnia temperatura lewej szczęki miała największy wpływ.

Zaobserwowano różne poziomy degradacji wydajności dla modelu obrazu IRT podczas zamykania różnych obszarów zainteresowania. Największy wpływ miała okluzja górnej i dolnej wargi. Ponadto model obrazu IRT dobrze przewidywał markery zastępcze związane z CAD, takie jak hiperlipidemia, palenie, wskaźnik masy ciała, hemoglobina glikowana i stan zapalny.

Badanie wykazało wykonalność wykorzystania danych temperatury twarzy IRT do przewidywania CAD. Model obrazu IRT przewyższył zalecany w wytycznych model PTP, podkreślając jego potencjał w ocenie CAD. Ponadto włączenie informacji klinicznych do modelu obrazu IRT nie zapewniło dodatkowej poprawy, co sugeruje, że wyodrębnione informacje IRT zawierały już ważne informacje związane z CAD.

Co więcej, wartość predykcyjna modelu IRT została potwierdzona przy użyciu interpretowalnych cech tabeli IRT, które były stosunkowo spójne z modelem obrazu IRT. Cechy te dostarczyły również informacji na temat ważnych aspektów przewidywania CHD, takich jak symetria temperatury twarzy i nierównomierność rozkładu. Dalsze badania z większymi próbkami i zróżnicowanymi populacjami są potrzebne do walidacji.