Nove publikacije
Temperatura lica može predvidjeti bolesti srca s većom točnošću od trenutnih metoda
Posljednji pregledao: 02.07.2025
Svi iLive sadržaji medicinski se pregledavaju ili provjeravaju kako bi se osigurala što je moguće točnija činjenica.
Imamo stroge smjernice za pronalaženje izvora i samo povezujemo s uglednim medijskim stranicama, akademskim istraživačkim institucijama i, kad god je to moguće, medicinski pregledanim studijama. Imajte na umu da su brojevi u zagradama ([1], [2], itd.) Poveznice koje se mogu kliknuti na ove studije.
Ako smatrate da je bilo koji od naših sadržaja netočan, zastario ili na neki drugi način upitan, odaberite ga i pritisnite Ctrl + Enter.
U nedavnoj studiji objavljenoj u časopisu BMJ Health & Care Informatics, istraživači su procijenili izvedivost korištenja facijalne infracrvene termografije (IRT) za predviđanje koronarne bolesti srca (KBS).
KBS je jedan od vodećih uzroka smrti i predstavlja značajan globalni teret. Točna dijagnoza KBS-a važna je za njegu i liječenje. Trenutno se za određivanje vjerojatnosti KBS-a kod pacijenata koriste alati za procjenu vjerojatnosti prije testiranja (PTP). Međutim, ovi alati imaju problema sa subjektivnošću, ograničenom generalizacijom i umjerenom točnošću.
Iako dodatno kardiovaskularno testiranje (kalcijski skor koronarnih arterija i elektrokardiografija) ili sofisticirani klinički modeli koji integriraju dodatne laboratorijske markere i čimbenike rizika mogu poboljšati procjenu vjerojatnosti, postoje problemi povezani s vremenskom učinkovitošću, složenošću postupka i ograničenom dostupnošću.
IRT, tehnologija za beskontaktno detektiranje temperature površine, pokazuje obećavajuće rezultate za procjenu bolesti. Može otkriti upalu i abnormalni protok krvi iz obrazaca temperature kože. Studije pokazuju povezanost između IRT informacija i aterosklerotskih kardiovaskularnih bolesti i srodnih stanja.
U ovoj studiji, istraživači su procijenili izvedivost korištenja podataka o temperaturi lica dobivenih IRT-om za predviđanje koronarne bolesti srca. U studiju su uključene odrasle osobe koje su podvrgnute koronarnoj CT angiografiji (CCTA) ili invazivnoj koronarnoj angiografiji (ICA). Obučeno osoblje prikupilo je početne podatke i izvršilo IRT akvizicije prije CCTA ili ICA.
Za dobivanje dodatnih informacija korišteni su elektronički medicinski kartoni, uključujući biokemiju krvi, kliničku anamnezu, čimbenike rizika i rezultate probira za koronarnu bolest srca. Za analizu je odabrana i obrađena jedna IRT slika po sudioniku (ujednačena promjena veličine, pretvorba u sive tonove i izrezivanje pozadine).
Tim je razvio IRT model slike koristeći napredni algoritam dubokog učenja. Za usporedbu su razvijena dva modela: jedan je bio PTP (klinička osnova) model koji je uključivao dob, spol i karakteristike simptoma pacijenata, a drugi je bio hibridni, koji kombinira IRT i kliničke informacije iz IRT i PTP modela.
Provedeno je nekoliko analiza interpretacije, uključujući eksperimente okluzije, vizualizaciju mapa istaknutih područja, analize doze i odgovora te predviđanje surogatnih CAD oznaka. Osim toga, iz IRT slike su izdvojene različite značajke IRT tablice, klasificirane na razini cijelog lica i područja interesa (ROI).
Sveukupno, ekstrahirana obilježja klasificirana su u obilježja teksture prvog reda, teksture drugog reda, temperature i fraktalne analize. XGBoost algoritam integrirao je ova ekstrahirana obilježja i procijenio njihovu prediktivnu vrijednost za koronarnu bolest srca (CHD). Istraživači su procijenili performanse koristeći sva obilježja i samo obilježja temperature.
Ukupno 893 odrasle osobe koje su podvrgnute CCTA ili ICA pregledane su između rujna 2021. i veljače 2023. Od njih je uključeno 460 sudionika s prosječnom dobi od 58,4 godine; 27,4% bile su žene, a 70% imalo je koronarnu bolest srca. Pacijenti s koronarnom bolešću srca imali su veću dob i prevalenciju čimbenika rizika u usporedbi s pacijentima bez koronarne bolesti srca. IRT-image model značajno je nadmašio PTP model.
Međutim, performanse hibridnih i IRT modela slike nisu se značajno razlikovale. Korištenje samo temperaturnih značajki ili svih ekstrahiranih značajki imalo je superiorne prediktivne performanse, što je bilo u skladu s IRT modelom slike. Na razini cijelog lica, ukupna temperaturna razlika slijeva nadesno imala je najveći utjecaj, dok je na razini ROI-a prosječna temperatura lijeve čeljusti imala najveći utjecaj.
Različite razine degradacije performansi uočene su za IRT-image model pri začepljenju različitih ROI-a. Začepljenje gornje i donje usne imalo je najveći utjecaj. Osim toga, IRT-image model pokazao se dobrim u predviđanju surogatnih markera povezanih s koronarnom arterijskom bolešću, poput hiperlipidemije, pušenja, indeksa tjelesne mase, glikiranog hemoglobina i upale.
Studija je pokazala izvedivost korištenja podataka o temperaturi lica dobivenih IRT-om za predviđanje koronarne bolesti srca. IRT model slike nadmašio je PTP model koji se preporučuje u smjernicama, ističući njegov potencijal u procjeni koronarne bolesti srca. Nadalje, uključivanje kliničkih informacija u IRT model slike nije pružilo dodatno poboljšanje, što sugerira da izdvojene IRT informacije već sadrže važne informacije vezane uz koronarnu bolest srca.
Štoviše, prediktivna vrijednost IRT modela potvrđena je korištenjem interpretabilnih značajki IRT tablice, koje su bile relativno konzistentne s IRT modelom slike. Ove značajke također su pružile informacije o važnim aspektima za predviđanje koronarne bolesti srca, kao što su simetrija temperature lica i neujednačenost distribucije. Za validaciju su potrebna daljnja istraživanja s većim uzorcima i raznolikim populacijama.