Termično slikanje obraza in umetna inteligenca natančno napovedujeta koronarno bolezen srca

Študija, objavljena v reviji BMJ Health & Care Informatics, je pokazala, da lahko kombinacija termovizijskega slikanja obraza in umetne inteligence (UI) natančno napove koronarno arterijsko bolezen (KAB). Raziskovalci menijo, da bi se neinvazivna metoda v realnem času izkazala za učinkovitejšo od tradicionalnih metod in bi jo lahko uporabili v klinični praksi za izboljšanje diagnostične natančnosti in poteka dela, če bi jo preizkusili na večjih, etnično bolj raznolikih populacijah bolnikov.

Raziskovalci pravijo, da trenutne smernice za diagnosticiranje koronarne arterijske bolezni temeljijo na verjetnostih dejavnikov tveganja, ki niso vedno natančni ali široko uporabni. Čeprav je te metode mogoče dopolniti z drugimi diagnostičnimi orodji, kot so EKG-ji, angiogrami in krvne preiskave, so pogosto dolgotrajne in invazivne, dodajajo raziskovalci.

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

Pojav tehnologij strojnega učenja (UI) z njihovo sposobnostjo pridobivanja, obdelave in integracije kompleksnih informacij lahko izboljša natančnost in učinkovitost diagnostike s termovizijskim slikanjem.

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

Pred potrditvenimi pregledi so bile posnete termične slike njihovih obrazov za razvoj in validacijo modela slikanja s pomočjo umetne inteligence za odkrivanje koronarne arterijske bolezni.

Skupno 322 udeležencev (70 %) je imelo potrjeno koronarno srčno bolezen. Ti posamezniki so bili na splošno starejši in pogosteje moški. Prav tako so imeli večjo verjetnost za dejavnike tveganja, povezane z življenjskim slogom, kliničnimi in biokemičnimi dejavniki, ter so pogosteje uporabljali preventivna zdravila.

Pristop s termovizijskim slikanjem in umetno inteligenco je bil 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 kazalniki je bila najvplivnejša splošna temperaturna razlika med levo in desno stranjo obraza, sledili pa sta ji najvišja temperatura obraza in povprečna temperatura obraza.

Predvsem povprečna temperatura levega čeljustnega predela je bila najmočnejši napovedovalec, sledili sta ji temperaturna razlika v desnem očesnem predelu in temperaturna razlika med levim in desnim senčkom.

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

Raziskovalci priznavajo relativno majhen vzorec njihove študije in dejstvo, da je bila izvedena le v enem centru. Poleg tega so bili vsi udeleženci študije napoteni na potrditvene teste, če so sumili na srčno bolezen.

Vendar pa ekipa piše: »Sposobnost [termografije] za napovedovanje [koronarne arterijske bolezni] kaže na potencialne prihodnje aplikacije in raziskovalne priložnosti... Kot biofiziološka metoda za ocenjevanje zdravja [zagotavlja] informacije, povezane z boleznijo, ki presegajo tradicionalne klinične meritve, kar lahko izboljša oceno [aterosklerotične srčno-žilne bolezni] in z njo povezanih kroničnih stanj.«

"[Njegova] brezkontaktna narava v realnem času omogoča takojšnjo oceno bolezni na mestu oskrbe, kar lahko poenostavi klinične poteke dela in prihrani čas za pomembne odločitve zdravnikov in pacientov. Ima tudi potencial za množično predhodno presejanje."

Raziskovalci zaključujejo: »Naši razviti modeli napovedovanja [termoslikanja], 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 bolnikov in raznolike populacije."