Temperatura lica može predvidjeti srčanu bolest s većom točnošću od trenutnih metoda
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.
U nedavnoj studiji objavljenoj u BMJ Health & Care Informatics, istraživači su procijenili izvedivost korištenja infracrvene termografije lica (IRT) za predviđanje bolesti koronarnih arterija (CHD).
IHD je jedan od vodećih uzroka smrti i ima značajan globalni teret. Točna dijagnoza CAD-a važna je za njegu i liječenje. Trenutno se alati za procjenu vjerojatnosti prije testiranja (PTP) koriste za određivanje vjerojatnosti CAD-a kod pacijenata. Međutim, ti alati imaju problema sa subjektivnošću, ograničenom svestranošću i umjerenom preciznošću.
Iako dodatno kardiovaskularno testiranje (koronarni broj kalcija i elektrokardiografija) ili sofisticirani klinički modeli koji integriraju dodatne laboratorijske markere i čimbenike rizika mogu poboljšati procjene vjerojatnosti, postoje zabrinutosti vezane uz vremensku učinkovitost, složenost postupka i ograničenu dostupnost. p>
IRT, beskontaktna tehnologija detekcije površinske temperature, obećava za procjenu bolesti. Može otkriti upalu i abnormalnu cirkulaciju kroz obrasce temperature kože. Istraživanje pokazuje povezanost između informacija o IRT-u i aterosklerotične kardiovaskularne bolesti i povezanih stanja.
U ovoj studiji istraživači su procijenili izvedivost upotrebe podataka o IRT temperaturi lica za predviđanje CAD-a. Odrasli podvrgnuti koronarnoj CT angiografiji (CCTA) ili invazivnoj koronarnoj angiografiji (ICA) bili su uključeni u studiju. Obučeno osoblje prikupilo je neobrađene podatke i provelo IRT istraživanje pred CCTA ili ICA.
Elektronički medicinski zapisi korišteni su za dobivanje dodatnih informacija, uključujući biokemiju krvi, kliničku povijest, čimbenike rizika i rezultate probira za CHD. Jedna IRT slika po sudioniku odabrana je za analizu i obrađena (jedinstvena promjena veličine, konverzija sivih tonova i obrezivanje pozadine).
Tim je razvio IRT model slike pomoću naprednog algoritma dubokog učenja. Za usporedbu su razvijena dva modela: jedan je bio PTP (klinička baza) model koji je uključivao dob, spol i karakteristike simptoma pacijenata, a drugi je bio hibridni, koji je kombinirao informacije IRT-a i kliničke podatke iz modela IRT i PTP..
Provedeno je nekoliko interpretativnih analiza, uključujući eksperimente okluzije, vizualizaciju mape izlučivanja, analize doza-odgovor i predviđanje CAD zamjenske oznake. Osim toga, razne tablične IRT značajke izdvojene su iz IRT slike, klasificirane na razini cijelog lica i interesne regije (ROI).
Općenito, izdvojene značajke klasificirane su u teksturu prvog reda, teksturu drugog reda, temperaturu i značajke fraktalne analize. XGBoost algoritam integrirao je te izdvojene značajke i procijenio njihovu prediktivnu vrijednost za CAD. Istraživači su procijenili performanse koristeći sve karakteristike i samo temperaturne karakteristike.
Ukupno 893 odrasle osobe koje su bile podvrgnute CCTA ili ICA ocijenjene su između rujna 2021. I veljače 2023. Od toga je uključeno 460 sudionika prosječne dobi od 58,4 godine; 27,4% bile su žene, a 70% imalo je CAD. Bolesnici s CAD-om imali su višu dob i prevalenciju čimbenika rizika u usporedbi s bolesnicima bez CAD-a. IRT model slike značajno je nadmašio PTP model.
Međutim, izvedba hibridnog i IRT modela snimanja nije se značajno razlikovala. Korištenje samo temperaturnih značajki ili svih ekstrahiranih značajki imalo je vrhunsku prediktivnu izvedbu, što je bilo u skladu s IRT modelom snimanja. Na razini cijelog lica najveći utjecaj imala je ukupna temperaturna razlika slijeva na desno, dok je na razini ROI-a najveći utjecaj imala prosječna temperatura lijeve čeljusti.
Primijećene su različite razine degradacije performansi za IRT model slike kada su različiti ROI bili zaklonjeni. Okluzija područja gornje i donje usne imala je najveći utjecaj. Osim toga, IRT model snimanja pokazao se dobro u predviđanju surogatnih markera povezanih s CAD-om, kao što su hiperlipidemija, pušenje, indeks tjelesne mase, glikirani hemoglobin i upala.
Studija je pokazala izvedivost upotrebe podataka o IRT temperaturi lica za predviđanje CAD-a. IRT model snimanja nadmašio je PTP model preporučen u smjernicama, ističući njegov potencijal u procjeni CAD-a. Dodatno, uključivanje kliničkih informacija u IRT model slike nije pružilo dodatna poboljšanja, što sugerira da su izdvojene IRT informacije već sadržavale važne informacije povezane s CAD-om.
Nadalje, prediktivna vrijednost IRT modela potvrđena je uporabom interpretabilnih tabličnih IRT značajki koje su bile relativno konzistentne s IRT modelom slike. Ove karakteristike također pružaju informacije o važnim aspektima za predviđanje CAD-a, kao što su simetrija temperature lica i neravnomjerna distribucija. Za validaciju su potrebne daljnje studije s većim uzorcima i različitim populacijama.