Ansiktstemperatur kan förutsäga hjärtsjukdom med större noggrannhet än nuvarande metoder

I en nyligen publicerad studie i tidskriften BMJ Health & Care Informatics utvärderade forskare möjligheten att använda ansiktsinfraröd termografi (IRT) för att förutsäga kranskärlssjukdom (CHD).

Medfödda hjärtsjukdomar är en av de främsta dödsorsakerna och har en betydande global börda. Noggrann diagnos av medfödda hjärtsjukdomar är viktig för vård och behandling. För närvarande används bedömningsverktyg för pretestprobabilitet (PTP) för att fastställa sannolikheten för medfödda hjärtsjukdomar hos patienter. Dessa verktyg har dock problem med subjektivitet, begränsad generaliserbarhet och måttlig noggrannhet.

Även om ytterligare kardiovaskulära tester (kransartärkalciumpoäng och elektrokardiografi) eller sofistikerade kliniska modeller som integrerar ytterligare laboratoriemarkörer och riskfaktorer kan förbättra sannolikhetsuppskattningen, finns det problem relaterade till tidseffektivitet, procedurkomplexitet och begränsad tillgänglighet.

IRT, en beröringsfri teknik för yttemperaturdetektering, visar lovande resultat för sjukdomsbedömning. Den kan upptäcka inflammation och onormalt blodflöde från hudtemperaturmönster. Studier visar samband mellan IRT-information och aterosklerotisk hjärt-kärlsjukdom och relaterade tillstånd.

I denna studie utvärderade forskarna möjligheten att använda ansiktstemperaturdata från invasiv koronarangiografi (IRT) för att förutsäga kranskärlssjukdom. Vuxna som genomgick koronarangiografi (CCTA) eller invasiv koronarangiografi (ICA) inkluderades i studien. Utbildad personal erhöll baslinjedata och utförde IRT-mätningar före CCTA eller ICA.

Elektroniska patientjournaler användes för att erhålla ytterligare information, inklusive blodbiokemi, klinisk historia, riskfaktorer och resultat av kranskärlscancerscreening. En IRT-bild per deltagare valdes ut för analys och bearbetades (enhetlig storleksändring, konvertering till gråskala och bakgrundsbeskärning).

Teamet utvecklade en IRT-bildmodell med hjälp av en avancerad djupinlärningsalgoritm. Två modeller utvecklades för jämförelse: en var en PTP-modell (klinisk baslinjemodell) som inkluderade patienternas ålder, kön och symtomkarakteristika, och den andra var en hybridmodell som kombinerade både IRT- och klinisk information från IRT- respektive PTP-modellerna.

Flera tolkningsanalyser utfördes, inklusive ocklusionsexperiment, visualisering av högdagerskartor, dos-responsanalyser och prediktion av surrogat-CAD-etiketter. Dessutom extraherades olika IRT-tabellfunktioner från IRT-bilden, klassificerade på helfacett- och region-of-interest (ROI)-nivå.

Sammantaget klassificerades de extraherade egenskaperna i första ordningens textur, andra ordningens textur, temperatur och fraktalanalys. XGBoost-algoritmen integrerade dessa extraherade egenskaper och utvärderade deras prediktiva värde för medfödda hjärtfel. Forskarna utvärderade prestandan med hjälp av alla egenskaper och endast temperaturegenskaper.

Totalt 893 vuxna som genomgick CCTA eller ICA screenades mellan september 2021 och februari 2023. Av dessa inkluderades 460 deltagare med en medelålder på 58,4 år; 27,4 % var kvinnor och 70 % hade kranskärlssjukdom. Patienter med kranskärlssjukdom hade högre ålder och prevalens av riskfaktorer jämfört med patienter utan kranskärlssjukdom. IRT-bildmodellen presterade signifikant bättre än PTP-modellen.

Prestandan hos hybrid- och IRT-bildmodellerna skilde sig dock inte signifikant. Att endast använda temperaturfunktioner eller alla extraherade funktioner hade överlägsen prediktiv prestanda, vilket var förenligt med IRT-bildmodellen. På helhetsansiktsnivå hade den totala temperaturskillnaden från vänster till höger störst inverkan, medan på ROI-nivå hade medeltemperaturen för vänster käke störst inverkan.

Varierande nivåer av prestandaförsämring observerades för IRT-bildmodellen vid ocklusion av olika ROI:er. Ocklusion av över- och underläppsregionen hade störst inverkan. Dessutom presterade IRT-bildmodellen väl när det gällde att förutsäga surrogatmarkörer associerade med kranskärlssjukdom, såsom hyperlipidemi, rökning, BMI, glykerat hemoglobin och inflammation.

Studien visade att det är möjligt att använda ansiktstemperaturdata från IRT för att förutsäga kranskärlssjukdom. IRT-bildmodellen presterade bättre än den i riktlinjerna rekommenderade PTP-modellen, vilket belyser dess potential vid bedömning av kranskärlssjukdom. Dessutom gav införandet av klinisk information i IRT-bildmodellen ingen ytterligare förbättring, vilket tyder på att den extraherade IRT-informationen redan innehöll viktig information relaterad till kranskärlssjukdom.

Dessutom bekräftades IRT-modellens prediktiva värde med hjälp av de tolkningsbara IRT-tabellfunktionerna, vilka var relativt förenliga med IRT-bildmodellen. Dessa funktioner gav också information om viktiga aspekter för att förutsäga medfödda hjärtfel, såsom ansiktstemperatursymmetri och ojämnheter i fördelningen. Ytterligare studier med större urval och olika populationer behövs för validering.