Termalno skeniranje lica i AI točno predviđaju koronarnu bolest srca
Posljednji pregledao: 14.06.2024
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 je objavljena u BMJ Health & Care Informaticsje otkrio da kombinacija termalne slike lica i umjetne inteligencije (AI) može točno predvidjeti prisutnost koronarne arterijske bolesti (CHD). Utvrđeno je da je ova neinvazivna metoda u stvarnom vremenu učinkovitija od tradicionalnih metoda i mogla bi se uvesti u kliničku praksu radi poboljšanja dijagnostičke točnosti i tijeka rada ako se testira na većoj i etnički raznolikijoj populaciji pacijenata, predlažu istraživači. p>
Trenutačne smjernice za dijagnosticiranje bolesti koronarnih arterija oslanjaju se na procjene vjerojatnosti čimbenika rizika koji nisu uvijek točni ili široko primjenjivi, kažu istraživači. Iako se ove metode mogu nadopuniti drugim dijagnostičkim alatima kao što su EKG, angiogrami i krvni testovi, često su dugotrajne i invazivne, dodaju istraživači.
Termovizija, koja bilježi distribuciju i temperaturne varijacije na površini objekta otkrivanjem infracrvenog zračenja, nije invazivna. Pokazao se kao obećavajući alat za procjenu bolesti jer može identificirati područja abnormalne cirkulacije i upale na temelju uzoraka temperature kože.
Pojava tehnologija strojnog učenja (AI) s njihovom sposobnošću izdvajanja, obrade i integracije složenih informacija može poboljšati točnost i učinkovitost dijagnostike toplinskim slikama.
Istraživači su odlučili proučiti mogućnost korištenja toplinske slike u kombinaciji s umjetnom inteligencijom za točno predviđanje prisutnosti bolesti koronarnih arterija bez potrebe za invazivnim i dugotrajnim metodama kod 460 osoba sa sumnjom na srčanu bolest. Njihova prosječna dob bila je 58 godina; Njih 126 (27,5%) bile su žene.
Termovizijske slike njihovih lica snimljene su prije potvrdnih pregleda kako bi se razvio i potvrdio slikovni model podržan AI za otkrivanje bolesti koronarnih arterija.
Ukupno 322 sudionika (70%) imalo je potvrđenu koronarnu bolest srca. Ti su ljudi uglavnom bili stariji i vjerojatnije je da su bili muškarci. Također je vjerojatnije da će imati stil života, kliničke i biokemijske čimbenike rizika, kao i češću upotrebu preventivnih lijekova.
Pristup toplinske slike i umjetne inteligencije bio je oko 13% bolji u predviđanju koronarne bolesti srca od preliminarne procjene rizika korištenjem tradicionalnih čimbenika rizika te kliničkih znakova i simptoma. Među tri najznačajnija toplinska pokazatelja, najutjecajnija je bila ukupna temperaturna razlika između lijeve i desne strane lica, zatim maksimalna temperatura lica i prosječna temperatura lica.
Konkretno, prosječna temperatura regije lijeve čeljusti bila je najjači prediktor, a zatim razlika temperature u regiji desnog oka i razlika temperature između lijeve i desne sljepoočnice.
Pristup je također učinkovito identificirao tradicionalne čimbenike rizika za koronarnu bolest srca: visok kolesterol, muški spol, pušenje, prekomjernu težinu (BMI), glukozu natašte i pokazatelje upale.
Istraživači priznaju relativno mali uzorak svoje studije i činjenicu da je provedena u samo jednom centru. Osim toga, svi sudionici studije upućeni su na potvrdne testove za sumnju na srčanu bolest.
Međutim, tim piše: "Sposobnost [termalne slike] da predviđa na temelju [koronarne bolesti srca] ukazuje na potencijalne buduće primjene i istraživačke mogućnosti... Kao biofiziološka metoda procjene zdravlja, [ona] pruža bolest- povezane informacije izvan tradicionalnih kliničkih mjerenja, koje mogu poboljšati procjenu [aterosklerotične kardiovaskularne bolesti] i povezanih kroničnih stanja."
"Beskontaktna priroda [njega] u stvarnom vremenu omogućuje trenutnu procjenu bolesti na mjestu skrbi, što može pojednostaviti kliničke tijekove rada i uštedjeti vrijeme za važne odluke liječnika i pacijenata. Osim toga, ima potencijal za masovni preliminarni pregled."
Istraživači zaključuju: "Naši razvijeni modeli predviđanja [termalne slike] 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 različite populacije kako bi se potvrdila vanjska valjanost i generalizacija trenutačnih nalaza."