Temperatura twarzy może przewidywać choroby serca z większą dokładnością niż obecne metody
Ostatnia recenzja: 14.06.2024
Cała zawartość iLive jest sprawdzana medycznie lub sprawdzana pod względem faktycznym, aby zapewnić jak największą dokładność faktyczną.
Mamy ścisłe wytyczne dotyczące pozyskiwania i tylko linki do renomowanych serwisów medialnych, akademickich instytucji badawczych i, o ile to możliwe, recenzowanych badań medycznych. Zauważ, że liczby w nawiasach ([1], [2] itd.) Są linkami do tych badań, które można kliknąć.
Jeśli uważasz, że któraś z naszych treści jest niedokładna, nieaktualna lub w inny sposób wątpliwa, wybierz ją i naciśnij Ctrl + Enter.
W niedawnym badaniu opublikowanym w BMJ Health & Care Informatics badacze ocenili wykonalność wykorzystania termografii twarzy w podczerwieni (IRT) do przewidywania choroby wieńcowej (CHD).
IHD jest jedną z głównych przyczyn zgonów i stanowi znaczne obciążenie na skalę globalną. Dokładna diagnoza CAD jest ważna dla opieki i leczenia. Obecnie do określenia prawdopodobieństwa wystąpienia CAD u pacjentów stosuje się narzędzia oceny prawdopodobieństwa przed testem (PTP). Narzędzia te mają jednak problemy z subiektywnością, ograniczoną wszechstronnością i umiarkowaną dokładnością.
Chociaż dodatkowe badania sercowo-naczyniowe (liczba wapnia w naczyniach wieńcowych i elektrokardiografia) lub wyrafinowane modele kliniczne obejmujące dodatkowe markery laboratoryjne i czynniki ryzyka mogą poprawić szacunki prawdopodobieństwa, istnieją obawy związane z efektywnością czasową, złożonością procedury i ograniczoną dostępnością. p>
IRT, bezdotykowa technologia wykrywania temperatury powierzchni, okazuje się obiecująca w ocenie chorób. Może wykryć stan zapalny i nieprawidłowe krążenie na podstawie wzorców temperatury skóry. Badania pokazują powiązania między informacjami IRT a miażdżycową chorobą sercowo-naczyniową i pokrewnymi schorzeniami.
W tym badaniu naukowcy ocenili wykonalność wykorzystania danych dotyczących temperatury twarzy IRT do przewidywania choroby wieńcowej. Do badania włączono osoby dorosłe poddawane koronarografii CT (CCTA) lub inwazyjnej angiografii wieńcowej (ICA). Przeszkolony personel uzyskał surowe dane i przeprowadził ankietę IRT przed CCTA lub ICA.
Elektroniczną dokumentację medyczną wykorzystano do uzyskania dodatkowych informacji, w tym składu chemicznego krwi, historii klinicznej, czynników ryzyka i wyników badań przesiewowych w kierunku CHD. Do analizy i przetworzenia wybrano jeden obraz IRT na uczestnika (ujednolicona zmiana rozmiaru, konwersja skali szarości i przycinanie tła).
Zespół opracował model obrazu IRT przy użyciu zaawansowanego algorytmu głębokiego uczenia się. Do porównania opracowano dwa modele: jeden był modelem PTP (bazowa linia kliniczna), który obejmował wiek, płeć i charakterystykę objawów pacjentów, a drugi był modelem hybrydowym, łączącym zarówno informacje IRT, jak i informacje kliniczne odpowiednio z modeli IRT i PTP.
Przeprowadzono kilka analiz interpretacyjnych, w tym eksperymenty okluzji, wizualizację mapy wydalania, analizy odpowiedzi na dawkę i przewidywanie etykiet zastępczych CAD. Ponadto z obrazu IRT wyodrębniono różne tabelaryczne cechy IRT, sklasyfikowane na poziomie całej twarzy i obszaru zainteresowania (ROI).
Ogółem wyodrębnione cechy sklasyfikowano według tekstury pierwszego rzędu, tekstury drugiego rzędu, temperatury i cech analizy fraktalnej. Algorytm XGBoost zintegrował wyodrębnione cechy i ocenił ich wartość predykcyjną dla CAD. Naukowcy ocenili wydajność, wykorzystując wszystkie cechy i tylko charakterystykę temperatury.
W okresie od września 2021 r. Do lutego 2023 r. Ocenie poddano łącznie 893 osoby dorosłe, które przeszły badania CCTA lub ICA. Spośród nich uwzględniono 460 uczestników w średnim wieku 58,4 lat; 27,4% stanowiły kobiety, a 70% miało CAD. Pacjenci z CAD byli starsi i częściej występowały czynniki ryzyka w porównaniu z pacjentami bez CAD. Model obrazu IRT znacznie przewyższał model PTP.
Jednak wydajność modeli obrazowania hybrydowego i IRT nie różniła się znacząco. Stosowanie wyłącznie cech temperatury lub wszystkich wyodrębnionych cech zapewniało lepszą skuteczność predykcyjną, co było zgodne z modelem obrazowania IRT. Na poziomie całej twarzy największy wpływ miała ogólna różnica temperatur od lewej do prawej, natomiast na poziomie ROI największy wpływ miała średnia temperatura lewej szczęki.
Zaobserwowano różne poziomy pogorszenia wydajności modelu obrazu IRT w przypadku zasłonięcia różnych obszarów ROI. Największy wpływ miała okluzja okolic wargi górnej i dolnej. Ponadto model obrazowania IRT dobrze spisał się w przewidywaniu zastępczych markerów związanych z CAD, takich jak hiperlipidemia, palenie tytoniu, wskaźnik masy ciała, hemoglobina glikowana i stan zapalny.
Badanie wykazało wykonalność wykorzystania danych dotyczących temperatury twarzy IRT do przewidywania CAD. Model obrazowania IRT uzyskał lepsze wyniki niż zalecany w wytycznych model PTP, podkreślając jego potencjał w ocenie CAD. Ponadto włączenie informacji klinicznych do modelu obrazu IRT nie zapewniło dodatkowych ulepszeń, co sugeruje, że wyodrębnione informacje IRT zawierały już ważne informacje związane z CAD.
Co więcej, wartość predykcyjna modelu IRT została potwierdzona za pomocą możliwych do interpretacji tabelarycznych cech IRT, które były stosunkowo spójne z modelem obrazu IRT. Charakterystyki te dostarczyły również informacji na temat ważnych aspektów przewidywania CAD, takich jak symetria temperatury twarzy i nierówny rozkład. Do walidacji potrzebne są dalsze badania na większych próbach i zróżnicowanych populacjach.