Termisk ansiktsskanning och AI förutsäger koronar hjärtsjukdom korrekt
Senast recenserade: 14.06.2024
Allt iLive-innehåll är mediekontrollerat eller faktiskt kontrollerat för att säkerställa så mycket faktuell noggrannhet som möjligt.
Vi har strikta sourcing riktlinjer och endast länk till välrenommerade media webbplatser, akademiska forskningsinstitut och, när det är möjligt, medicinsk peer granskad studier. Observera att siffrorna inom parentes ([1], [2] etc.) är klickbara länkar till dessa studier.
Om du anser att något av vårt innehåll är felaktigt, omodernt eller på annat sätt tveksamt, välj det och tryck på Ctrl + Enter.
Studien publicerades i BMJ Health & Care Informaticshar funnit att en kombination av termisk ansiktsbild och artificiell intelligens (AI) exakt kan förutsäga förekomsten av kranskärlssjukdom (CHD). Denna icke-invasiva realtidsmetod visade sig vara effektivare än traditionella metoder och skulle kunna introduceras i klinisk praxis för att förbättra diagnostisk noggrannhet och arbetsflöde om den testades i större och mer etniskt olika patientpopulationer, föreslår forskarna. p>
Nuvarande riktlinjer för att diagnostisera kranskärlssjukdom bygger på uppskattningar av sannolikheten för riskfaktorer som inte alltid är korrekta eller allmänt tillämpliga, säger forskare. Även om dessa metoder kan kompletteras med andra diagnostiska verktyg som EKG, angiogram och blodprov, är de ofta tidskrävande och invasiva, tillägger forskarna.
Värmebilder, som registrerar fördelningen och temperaturvariationerna på ett objekts yta genom att detektera infraröd strålning, är icke-invasiv. Det har visat sig vara ett lovande verktyg för sjukdomsbedömning eftersom det kan identifiera områden med onormal cirkulation och inflammation baserat på hudtemperaturmönster.
Uppkomsten av maskininlärningsteknologier (AI) med deras förmåga att extrahera, bearbeta och integrera komplex information kan förbättra noggrannheten och effektiviteten hos värmeavbildningsdiagnostik.
Forskare bestämde sig för att studera möjligheten att använda termisk avbildning i kombination med AI för att exakt förutsäga förekomsten av kranskärlssjukdom utan behov av invasiva och tidskrävande metoder hos 460 personer med misstänkt hjärtsjukdom. Deras medelålder var 58 år; 126 (27,5%) av dem var kvinnor.
Värmebilder av deras ansikten togs före bekräftande undersökningar för att utveckla och validera en AI-stödd bildmodell för att upptäcka kranskärlssjukdom.
Totalt 322 deltagare (70 %) hade bekräftad kranskärlssjukdom. Dessa människor tenderade att vara äldre och mer benägna att vara män. De var också mer benägna att ha livsstils-, kliniska och biokemiska riskfaktorer, såväl som mer frekvent användning av förebyggande mediciner.
Termisk avbildning och AI-metoden var cirka 13 % bättre på att förutsäga kranskärlssjukdom än preliminär riskbedömning med hjälp av traditionella riskfaktorer och kliniska tecken och symtom. Bland de tre mest signifikanta termiska indikatorerna var den mest inflytelserika den totala temperaturskillnaden mellan vänster och höger sida av ansiktet, följt av maximal ansiktstemperatur och genomsnittlig ansiktstemperatur.
Särskilt var medeltemperaturen i det vänstra käkområdet den starkaste prediktorn, följt av temperaturskillnaden i det högra ögonområdet och temperaturskillnaden mellan vänster och höger tinningar.
Tillvägagångssättet identifierade också effektivt traditionella riskfaktorer för kranskärlssjukdom: högt kolesterol, manligt kön, rökning, övervikt (BMI), fasteglukos och indikatorer på inflammation.
Forskarna erkänner den relativt lilla urvalsstorleken i deras studie och det faktum att den utfördes vid endast ett center. Dessutom remitterades alla studiedeltagare för bekräftande tester för misstänkt hjärtsjukdom.
Men laget skriver: "Förmågan hos [termisk bildbehandling] att förutsäga baserat på [koronar hjärtsjukdom] pekar på potentiella framtida tillämpningar och forskningsmöjligheter... Som en biofysiologisk hälsobedömningsmetod ger [den] sjukdom- relaterad information utöver traditionella kliniska mätningar, vilket kan förbättra bedömningen av [aterosklerotisk kardiovaskulär sjukdom] och relaterade kroniska tillstånd."
"Den kontaktfria, realtidskaraktären hos [det] möjliggör omedelbar sjukdomsbedömning vid vårdpunkten, vilket kan effektivisera kliniska arbetsflöden och spara tid för viktiga läkare och patientbeslut. Dessutom har det potentialen för masspreliminär screening."
Forskarna drar slutsatsen: "Våra utvecklade [termisk avbildning] förutsägelsemodeller baserade på avancerad [maskininlärning]-teknik visade lovande potential jämfört med nuvarande traditionella kliniska verktyg."
"Ytterligare studier som involverar ett större antal patienter och olika populationer behövs för att bekräfta den externa validiteten och generaliserbarheten av de aktuella fynden."