Toplotno skeniranje obraza in AI natančno napovedujeta koronarno srčno bolezen

Študija je bila objavljena v BMJ Health & Care Informaticsje ugotovil, da lahko kombinacija termičnega slikanja obraza in umetne inteligence (AI) natančno napove prisotnost bolezni koronarnih arterij (CHD). Ugotovljeno je bilo, da je ta neinvazivna metoda v realnem času učinkovitejša od tradicionalnih metod in bi jo lahko uvedli v klinično prakso za izboljšanje diagnostične natančnosti in poteka dela, če bi jo testirali na večjih in bolj etnično raznolikih populacijah bolnikov, predlagajo raziskovalci. p>

Raziskovalci pravijo, da trenutne smernice za diagnosticiranje bolezni koronarnih arterij temeljijo na ocenah verjetnosti dejavnikov tveganja, ki niso vedno natančni ali široko uporabni. Medtem ko je te metode mogoče dopolniti z drugimi diagnostičnimi orodji, kot so EKG, angiogrami in krvni testi, so pogosto dolgotrajne in invazivne, dodajajo raziskovalci.

Toplotno slikanje, ki beleži porazdelitev in temperaturne spremembe na površini predmeta z zaznavanjem infrardečega sevanja, je neinvazivno. Izkazalo se je kot obetavno orodje za ocenjevanje bolezni, saj lahko prepozna področja nenormalne cirkulacije in vnetja na podlagi vzorcev temperature kože.

Pojav tehnologij strojnega učenja (AI) z njihovo zmožnostjo pridobivanja, obdelave in integracije kompleksnih informacij lahko izboljša natančnost in učinkovitost diagnostike s toplotnim slikanjem.

Raziskovalci so se odločili preučiti možnost uporabe toplotnega slikanja v kombinaciji z umetno inteligenco za natančno napoved prisotnosti bolezni koronarnih arterij brez potrebe po invazivnih in dolgotrajnih metodah pri 460 ljudeh s sumom na srčno bolezen. Njihova povprečna starost je bila 58 let; Med njimi je bilo 126 (27,5 %) žensk.

Slike njihovih obrazov s toplotnimi slikami so bile posnete pred potrditvenimi pregledi, da bi razvili in potrdili slikovni model, podprt z umetno inteligenco, za odkrivanje bolezni koronarnih arterij.

Skupno 322 udeležencev (70 %) je imelo potrjeno koronarno srčno bolezen. Ti ljudje so bili običajno starejši in bolj verjetno moški. Prav tako je bila večja verjetnost, da bodo imeli življenjski slog, klinične in biokemične dejavnike tveganja ter pogostejšo uporabo preventivnih zdravil.

Pristop toplotnega slikanja in umetne inteligence je bil za približno 13 % boljši pri napovedovanju koronarne srčne bolezni kot predhodna ocena tveganja z uporabo tradicionalnih dejavnikov tveganja ter kliničnih znakov in simptomov. Med tremi najpomembnejšimi toplotnimi indikatorji je bila najvplivnejša skupna temperaturna razlika med levo in desno stranjo obraza, sledili sta ji najvišja obrazna temperatura in povprečna obrazna temperatura.

Natančneje, povprečna temperatura območja leve čeljusti je bila najmočnejši napovedovalec, sledili sta ji temperaturna razlika v predelu desnega očesa in temperaturna razlika med levim in desnim sencem.

Pristop je tudi učinkovito identificiral tradicionalne dejavnike tveganja za koronarno srčno bolezen: visok holesterol, moški spol, kajenje, prekomerno telesno težo (ITM), glukozo na tešče in znake vnetja.

Raziskovalci priznavajo razmeroma majhen vzorec svoje študije in dejstvo, da je bila izvedena samo v enem centru. Poleg tega so bili vsi udeleženci študije napoteni na potrditvene teste za sum na srčno bolezen.

Vendar skupina piše: »Zmožnost [toplotnega slikanja] za napovedovanje na podlagi [koronarne srčne bolezni] kaže na morebitne prihodnje aplikacije in raziskovalne priložnosti... Kot metoda biofiziološke ocene zdravja [to] zagotavlja bolezni- povezanih informacij, ki presegajo tradicionalne klinične meritve, kar lahko izboljša oceno [aterosklerotične srčno-žilne bolezni] in povezanih kroničnih stanj."

»Brezkontaktna narava v realnem času omogoča takojšnjo oceno bolezni na točki oskrbe, kar lahko poenostavi klinične poteke dela in prihrani čas za pomembne odločitve zdravnika in pacienta. Poleg tega ima potencial za množični predhodni pregled."

Raziskovalci zaključujejo: »Naši razviti modeli napovedovanja [toplotnega slikanja], ki temeljijo na naprednih tehnologijah [strojnega učenja], so pokazali obetaven potencial v primerjavi s trenutnimi tradicionalnimi kliničnimi orodji.«

"Za potrditev zunanje veljavnosti in posplošljivosti trenutnih ugotovitev so potrebne nadaljnje študije, ki vključujejo večje število pacientov in raznolike populacije."