Ansiktstemperatur kan förutsäga hjärtsjukdomar med större noggrannhet än nuvarande metoder

I en nyligen publicerad studie publicerad i BMJ Health & Care Informatics, forskare bedömde möjligheten att använda infraröd termografi för ansiktet (IRT) för att förutsäga kranskärlssjukdom (CHD).

IHD är en av de vanligaste dödsorsakerna och har en betydande global börda. En korrekt diagnos av CAD är viktig för vård och behandling. För närvarande används verktyg för bedömning av sannolikhet för förtestning (PTP) för att bestämma sannolikheten för CAD hos patienter. Dessa verktyg har dock problem med subjektivitet, begränsad mångsidighet och måttlig noggrannhet.

Även om ytterligare kardiovaskulära tester (koronar kalciumantal och elektrokardiografi) eller sofistikerade kliniska modeller som integrerar ytterligare laboratoriemarkörer och riskfaktorer kan förbättra sannolikhetsuppskattningar, finns det farhågor relaterade till tidseffektivitet, procedurmässig komplexitet och begränsad tillgänglighet. p>

IRT, en beröringsfri yttemperaturdetektionsteknik, visar lovande för sjukdomsbedömning. Det kan upptäcka inflammation och onormal cirkulation genom hudtemperaturmönster. Forskning visar samband mellan IRT-information och aterosklerotisk hjärt-kärlsjukdom och relaterade tillstånd.

I den här studien bedömde forskarna möjligheten att använda IRT-temperaturdata för ansiktet för att förutsäga CAD. Vuxna som genomgick koronar CT angiografi (CCTA) eller invasiv kranskärlsangiografi (ICA) inkluderades i studien. Utbildad personal skaffade rådata och genomförde IRT-undersökningen före CCTA eller ICA.

Elektroniska journaler användes för att få ytterligare information, inklusive blodkemi, klinisk historia, riskfaktorer och resultat av CHD-screening. En IRT-bild per deltagare valdes ut för analys och bearbetades (enhetlig storleksändring, gråskalekonvertering och bakgrundsbeskärning).

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

Flera tolkningsanalyser utfördes, inklusive ocklusionsexperiment, visualisering av utsöndringskarta, dos-responsanalyser och förutsägelse av CAD-surrogatetiketter. Dessutom extraherades olika IRT-funktioner i tabellform från IRT-bilden, klassificerade på nivån för hela ansiktet och regionen av intresse (ROI).

Sammantaget klassificerades de extraherade funktionerna i första ordningens textur, andra ordningens textur, temperatur och fraktalanalys. XGBoost-algoritmen integrerade dessa extraherade funktioner och bedömde deras prediktiva värde för CAD. Forskarna utvärderade prestanda med hjälp av alla egenskaper och endast temperaturegenskaper.

Totalt 893 vuxna som genomgick CCTA eller ICA bedömdes 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 CAD. Patienter med CAD hade en högre ålder och förekomst av riskfaktorer jämfört med patienter utan CAD. IRT-bildmodellen överträffade betydligt PTP-modellen.

Prestandan för hybrid- och IRT-bildmodellerna var dock inte signifikant annorlunda. Att endast använda temperaturfunktioner eller alla extraherade funktioner hade överlägsen prediktiv prestanda, vilket överensstämde med IRT-bildmodellen. På nivån för hela ansiktet var den största inverkan den totala temperaturskillnaden från vänster till höger, medan på ROI-nivån hade medeltemperaturen för vänster käke störst inflytande.

Olika nivåer av prestandaförsämring observerades för IRT-bildmodellen när olika ROI blockerades. Tilltäppning av de övre och nedre läpparna hade störst inverkan. Dessutom presterade IRT-bildmodellen bra för att förutsäga surrogatmarkörer associerade med CAD, såsom hyperlipidemi, rökning, body mass index, glykerat hemoglobin och inflammation.

Studien visade möjligheten att använda IRT-temperaturdata för ansiktet för att förutsäga CAD. IRT-avbildningsmodellen överträffade den riktlinje-rekommenderade PTP-modellen, vilket framhävde dess potential i bedömningen av CAD. Dessutom gav inte införandet av klinisk information i IRT-bildmodellen ytterligare förbättringar, vilket tyder på att den extraherade IRT-informationen redan innehöll viktig CAD-relaterad information.

Vidare bekräftades det prediktiva värdet av IRT-modellen med hjälp av tolkbara IRT-funktioner i tabellform som var relativt överensstämmande med IRT-bildmodellen. Dessa egenskaper gav också information om viktiga aspekter för att förutsäga CAD, såsom ansiktstemperatursymmetri och ojämn fördelning. Ytterligare studier med större urval och olika populationer behövs för validering.