Nove publikacije
Termovizijska tehnologija i umjetna inteligencija točno predviđaju koronarnu bolest srca
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.
Studija objavljena u časopisu BMJ Health & Care Informatics otkrila je da kombinacija termalnog snimanja lica i umjetne inteligencije (AI) može točno predvidjeti koronarnu bolest srca (KBS). Istraživači sugeriraju da se neinvazivna metoda u stvarnom vremenu pokazala učinkovitijom od tradicionalnih metoda te bi se mogla primijeniti u kliničkoj praksi radi poboljšanja dijagnostičke točnosti i tijeka rada ako se testira na većim, etnički raznolikijim populacijama pacijenata.
Trenutne smjernice za dijagnosticiranje koronarne bolesti srca oslanjaju se na vjerojatnosti faktora rizika, koji nisu uvijek točni ili široko primjenjivi, kažu istraživači. Iako se ove metode mogu nadopuniti drugim dijagnostičkim alatima, poput EKG-a, angiograma i krvnih pretraga, često su dugotrajne i invazivne, dodaju istraživači.
Termovizijsko snimanje, koje bilježi raspodjelu i varijacije temperature na površini objekta detektiranjem infracrvenog zračenja, nije invazivno. Pokazalo se obećavajućim alatom za procjenu bolesti, jer može identificirati područja abnormalne cirkulacije krvi i upale na temelju obrazaca temperature kože.
Pojava tehnologija strojnog učenja (AI) s njihovom sposobnošću izdvajanja, obrade i integriranja složenih informacija može poboljšati točnost i učinkovitost dijagnostike termovizijskim snimanjem.
Istraživači su krenuli istražiti mogućnost korištenja termovizijskog snimanja u kombinaciji s umjetnom inteligencijom kako bi točno predvidjeli prisutnost koronarne bolesti srca bez potrebe za invazivnim i dugotrajnim metodama kod 460 osoba sa sumnjom na bolest srca. Njihova prosječna dob bila je 58 godina; 126 (27,5%) bile su žene.
Termalne slike njihovih lica snimljene su prije potvrdnih pregleda kako bi se razvio i validirao model snimanja potpomognut umjetnom inteligencijom za otkrivanje koronarne bolesti arterija.
Ukupno 322 sudionika (70%) imalo je potvrđenu koronarnu bolest srca. Te su osobe općenito bile starije i vjerojatnije muškog spola. Također su imale veću vjerojatnost da imaju čimbenike rizika povezane s načinom života, kliničke i biokemijske čimbenike rizika te da češće koriste preventivne lijekove.
Pristup korištenjem termovizijskog snimanja i umjetne inteligencije bio je otprilike 13% bolji u predviđanju koronarne bolesti srca od prethodne procjene rizika korištenjem tradicionalnih čimbenika rizika i kliničkih znakova i simptoma. Među tri najznačajnija toplinska pokazatelja, ukupna temperaturna razlika između lijeve i desne strane lica bila je najutjecajnija, a slijede maksimalna temperatura lica i prosječna temperatura lica.
Posebno je prosječna temperatura lijeve čeljusti bila najjači prediktor, a slijede temperaturna razlika u području desnog oka i temperaturna razlika između lijeve i desne sljepoočnice.
Pristup je također učinkovito identificirao tradicionalne čimbenike rizika za koronarnu bolest srca: visoki kolesterol, muški spol, pušenje, prekomjernu tjelesnu težinu (BMI), glukozu natašte i pokazatelje upale.
Istraživači priznaju relativno malen uzorak svoje studije i činjenicu da je provedena samo u jednom centru. Osim toga, svi sudionici studije upućeni su na potvrdne testove ako se sumnjalo na bolest srca.
Međutim, tim piše: „Sposobnost [termalnog snimanja] da predvidi [bolest koronarnih arterija] ukazuje na potencijalne buduće primjene i istraživačke mogućnosti... Kao biofiziološka metoda za procjenu zdravlja, [to] pruža informacije povezane s bolešću izvan tradicionalnih kliničkih mjerenja, što može poboljšati procjenu [aterosklerotske kardiovaskularne bolesti] i povezanih kroničnih stanja.“
„[Njegova] beskontaktna priroda u stvarnom vremenu omogućuje trenutnu procjenu bolesti na mjestu pružanja skrbi, što može pojednostaviti kliničke tijekove rada i uštedjeti vrijeme za važne odluke liječnika i pacijenta. Također ima potencijal za masovno prethodno testiranje.“
Istraživači zaključuju: „Naši razvijeni modeli predviđanja [termalnog snimanja] temeljeni na naprednim tehnologijama [strojnog učenja] pokazali su obećavajući potencijal u usporedbi s trenutnim tradicionalnim kliničkim alatima.“
"Potrebne su daljnje studije koje uključuju veći broj pacijenata i raznolike populacije kako bi se potvrdila vanjska valjanost i generalizacija trenutnih nalaza."