Teplota obličeje může předpovídat srdeční onemocnění s větší přesností než současné metody
Naposledy posuzováno: 14.06.2024
Veškerý obsah iLive je lékařsky zkontrolován nebo zkontrolován, aby byla zajištěna co největší věcná přesnost.
Máme přísné pokyny pro získávání zdrojů a pouze odkaz na seriózní mediální stránky, akademické výzkumné instituce a, kdykoli je to možné, i klinicky ověřené studie. Všimněte si, že čísla v závorkách ([1], [2] atd.) Jsou odkazy na tyto studie, na které lze kliknout.
Pokud máte pocit, že některý z našich obsahů je nepřesný, neaktuální nebo jinak sporný, vyberte jej a stiskněte klávesu Ctrl + Enter.
V nedávné studii publikované v BMJ Health & Care Informatics, výzkumníci hodnotili proveditelnost použití obličejové infračervené termografie (IRT) k predikci onemocnění koronárních tepen (CHD).
IHD je jednou z hlavních příčin úmrtí a představuje významnou globální zátěž. Přesná diagnóza CAD je důležitá pro péči a léčbu. V současné době se ke stanovení pravděpodobnosti ICHS u pacientů používají nástroje hodnocení pravděpodobnosti před testem (PTP). Tyto nástroje však mají problémy se subjektivitou, omezenou všestranností a střední přesností.
Přestože dodatečné kardiovaskulární testování (počet koronárního vápníku a elektrokardiografie) nebo sofistikované klinické modely integrující další laboratorní markery a rizikové faktory mohou zlepšit odhady pravděpodobnosti, existují obavy související s časovou efektivitou, složitostí procedury a omezenou dostupností. p>
IRT, bezkontaktní technologie detekce povrchové teploty, se ukazuje jako slibná pro hodnocení onemocnění. Dokáže detekovat zánět a abnormální oběh prostřednictvím teplotních vzorců kůže. Výzkum ukazuje souvislosti mezi IRT informací a aterosklerotickým kardiovaskulárním onemocněním a souvisejícími stavy.
V této studii výzkumníci hodnotili proveditelnost použití údajů o teplotě obličeje IRT k předpovědi CAD. Do studie byli zařazeni dospělí podstupující koronární CT angiografii (CCTA) nebo invazivní koronarografii (ICA). Vyškolený personál získal nezpracovaná data a provedl průzkum IRT před CCTA nebo ICA.
Elektronické lékařské záznamy byly použity k získání dalších informací, včetně biochemie krve, klinické anamnézy, rizikových faktorů a výsledků screeningu ICHS. K analýze a zpracování byl vybrán jeden IRT snímek na účastníka (jednotná změna velikosti, převod ve stupních šedi a oříznutí pozadí).
Tým vyvinul obrazový model IRT pomocí pokročilého algoritmu hlubokého učení. Pro srovnání byly vyvinuty dva modely: jeden byl model PTP (klinická základní linie), který zahrnoval věk, pohlaví a charakteristiky symptomů pacientů, a druhý byl hybridní, kombinující informace IRT a klinické informace z modelů IRT a PTP..
Bylo provedeno několik interpretačních analýz, včetně experimentů s okluzí, vizualizace mapy vylučování, analýz dávka-odpověď a predikce náhradního označení CAD. Kromě toho byly ze snímku IRT extrahovány různé tabulkové prvky IRT, klasifikované na úrovni celého obličeje a oblasti zájmu (ROI).
Celkově byly extrahované prvky klasifikovány do prvků textury prvního řádu, textury druhého řádu, teploty a fraktální analýzy. Algoritmus XGBoost integroval tyto extrahované funkce a vyhodnotil jejich prediktivní hodnotu pro CAD. Výzkumníci hodnotili výkon pomocí všech charakteristik a pouze teplotních charakteristik.
V období od září 2021 do února 2023 bylo hodnoceno celkem 893 dospělých podstupujících CCTA nebo ICA. Z nich bylo zahrnuto 460 účastníků s průměrným věkem 58,4 let; 27,4 % byly ženy a 70 % mělo CAD. Pacienti s CAD měli vyšší věk a prevalenci rizikových faktorů ve srovnání s pacienty bez CAD. Obrazový model IRT výrazně překonal model PTP.
Výkon hybridního a IRT zobrazovacího modelu se však výrazně nelišil. Použití pouze teplotních prvků nebo všech extrahovaných prvků mělo vynikající prediktivní výkon, který byl v souladu se zobrazovacím modelem IRT. Na úrovni celého obličeje měl největší vliv celkový teplotní rozdíl zleva doprava, zatímco na úrovni ROI měla největší vliv průměrná teplota levé čelisti.
U obrazového modelu IRT byly pozorovány různé úrovně snížení výkonu, když byly okludovány různé oblasti zájmu. Největší vliv měla okluze v oblasti horního a dolního rtu. Kromě toho zobrazovací model IRT fungoval dobře při predikci náhradních markerů spojených s CAD, jako je hyperlipidémie, kouření, index tělesné hmotnosti, glykovaný hemoglobin a zánět.
Studie prokázala proveditelnost použití údajů o teplotě obličeje IRT k předpovědi CAD. Zobrazovací model IRT překonal model PTP doporučený směrnicí a zdůraznil jeho potenciál při hodnocení CAD. Začlenění klinických informací do obrazového modelu IRT navíc nepřineslo další vylepšení, což naznačuje, že extrahované informace IRT již obsahovaly důležité informace související s CAD.
Předpovědní hodnota modelu IRT byla navíc potvrzena pomocí interpretovatelných tabulkových funkcí IRT, které byly relativně konzistentní s obrazovým modelem IRT. Tyto charakteristiky také poskytly informace o důležitých aspektech pro predikci CAD, jako je symetrie obličejové teploty a nerovnoměrné rozložení. Pro validaci jsou zapotřebí další studie s většími vzorky a různorodými populacemi.