^
A
A
A

Ansigtstemperatur kan forudsige hjertesygdomme med større nøjagtighed end nuværende metoder

 
, Medicinsk redaktør
Sidst revideret: 14.06.2024
 
Fact-checked
х

Alt iLive-indhold gennemgås medie eller kontrolleres for at sikre så meget faktuel nøjagtighed som muligt.

Vi har strenge sourcing retningslinjer og kun link til velrenommerede medie websteder, akademiske forskningsinstitutioner og, når det er muligt, medicinsk peer reviewed undersøgelser. Bemærk at tallene inden for parentes ([1], [2] osv.) Er klikbare links til disse undersøgelser.

Hvis du mener, at noget af vores indhold er unøjagtigt, forældet eller på anden måde tvivlsomt, skal du vælge det og trykke på Ctrl + Enter.

06 June 2024, 10:46

I en nylig undersøgelse offentliggjort i BMJ Health & Care Informatics, forskere vurderede gennemførligheden af at bruge ansigts-infrarød termografi (IRT) til at forudsige koronararteriesygdom (CHD).

IHD er en af de førende dødsårsager og har en betydelig global byrde. En nøjagtig diagnose af CAD er vigtig for pleje og behandling. I øjeblikket bruges prætest probability (PTP) vurderingsværktøjer til at bestemme sandsynligheden for CAD hos patienter. Disse værktøjer har dog problemer med subjektivitet, begrænset alsidighed og moderat nøjagtighed.

Selvom yderligere kardiovaskulær testning (coronar calciumtal og elektrokardiografi) eller sofistikerede kliniske modeller, der integrerer yderligere laboratoriemarkører og risikofaktorer, kan forbedre sandsynlighedsvurderinger, er der bekymringer relateret til tidseffektivitet, proceduremæssig kompleksitet og begrænset tilgængelighed. p>

IRT, en teknologi til detektering af overfladetemperatur uden berøring, viser lovende sygdomsvurdering. Det kan detektere betændelse og unormal cirkulation gennem hudtemperaturmønstre. Forskning viser sammenhænge mellem IRT-information og aterosklerotisk kardiovaskulær sygdom og relaterede tilstande.

I denne undersøgelse vurderede forskere muligheden for at bruge IRT-temperaturdata for ansigtet til at forudsige CAD. Voksne, der gennemgår koronar CT angiografi (CCTA) eller invasiv koronar angiografi (ICA), blev inkluderet i undersøgelsen. Uddannet personale indhentede de rå data og gennemførte IRT-undersøgelsen før CCTA eller ICA.

Elektroniske medicinske journaler blev brugt til at indhente yderligere oplysninger, herunder blodkemi, klinisk historie, risikofaktorer og CHD-screeningsresultater. Ét IRT-billede pr. Deltager blev udvalgt til analyse og behandlet (sammenlignet størrelsesændring, gråtonekonvertering og baggrundsbeskæring).

Teamet udviklede en IRT-billedmodel ved hjælp af en avanceret deep learning-algoritme. To modeller blev udviklet til sammenligning: Den ene var en PTP-model (klinisk basislinje), der inkluderede patienternes alder, køn og symptomkarakteristika, og den anden var en hybrid, der kombinerede både IRT-information og klinisk information fra henholdsvis IRT- og PTP-modellerne..

Der blev udført adskillige fortolkende analyser, herunder okklusionseksperimenter, visualisering af udskillelseskort, dosis-respons-analyser og forudsigelse af CAD-surrogat-label. Derudover blev forskellige tabelformede IRT-funktioner ekstraheret fra IRT-billedet, klassificeret på niveau med hele ansigtet og området af interesse (ROI).

Samlet set blev de ekstraherede funktioner klassificeret i førsteordens tekstur, andenordens tekstur, temperatur og fraktalanalyse. XGBoost-algoritmen integrerede disse ekstraherede funktioner og vurderede deres prædiktive værdi for CAD. Forskerne evaluerede ydeevnen ved hjælp af alle egenskaber og kun temperaturegenskaber.

I alt 893 voksne, der gennemgår CCTA eller ICA, blev vurderet mellem september 2021 og februar 2023. Af disse var 460 deltagere med en gennemsnitsalder på 58,4 år inkluderet; 27,4 % var kvinder, og 70 % havde CAD. Patienter med CAD havde en højere alder og forekomst af risikofaktorer sammenlignet med patienter uden CAD. IRT-billedmodellen klarede sig betydeligt bedre end PTP-modellen.

Men ydeevnen af hybrid- og IRT-billeddannelsesmodellerne var ikke signifikant anderledes. Brug af kun temperaturfunktioner eller alle ekstraherede funktioner havde overlegen prædiktiv ydeevne, som var i overensstemmelse med IRT-billeddannelsesmodellen. På niveau med hele ansigtet var den største indflydelse den samlede temperaturforskel fra venstre til højre, mens på ROI-niveauet havde gennemsnitstemperaturen i venstre kæbe den største indflydelse.

Forskellige niveauer af ydeevneforringelse blev observeret for IRT-billedmodellen, når forskellige ROI'er blev okkluderet. Okklusionen af de øvre og nedre læbeområder havde den største påvirkning. Derudover klarede IRT-billeddannelsesmodellen sig godt til at forudsige surrogatmarkører forbundet med CAD, såsom hyperlipidæmi, rygning, body mass index, glykeret hæmoglobin og inflammation.

Undersøgelsen viste muligheden for at bruge IRT-temperaturdata for ansigtet til at forudsige CAD. IRT-billeddannelsesmodellen klarede sig bedre end den guideline-anbefalede PTP-model, hvilket fremhævede dens potentiale i vurderingen af CAD. Derudover gav inkorporering af klinisk information i IRT-billedmodellen ikke yderligere forbedringer, hvilket tyder på, at den udtrukne IRT-information allerede indeholdt vigtig CAD-relateret information.

Yderligere blev den prædiktive værdi af IRT-modellen bekræftet ved hjælp af fortolkbare tabelformede IRT-funktioner, der var relativt konsistente med IRT-billedmodellen. Disse karakteristika gav også information om vigtige aspekter til forudsigelse af CAD, såsom ansigtstemperatursymmetri og ujævn fordeling. Yderligere undersøgelser med større stikprøver og forskellige populationer er nødvendige for validering.

You are reporting a typo in the following text:
Simply click the "Send typo report" button to complete the report. You can also include a comment.