W niedawnym badaniu opublikowanym w czasopiśmie BMJ Zdrowie i opieka Informatykabadacze ocenili wykonalność wykorzystania informacji z termografii twarzy w podczerwieni (IRT) do przewidywania choroby wieńcowej (CAD).

CAD jest główną przyczyną zgonów i stanowi znaczne obciążenie globalne. Dokładna ocena CAD ma kluczowe znaczenie dla opieki i leczenia. Obecnie do określenia prawdopodobieństwa wystąpienia CAD u podejrzanych pacjentów stosuje się obecnie narzędzia probabilistyczne (PTP). Niemniej jednak narzędzia te mają problemy z subiektywnością, ograniczoną możliwością uogólniania i skromną precyzją.

Chociaż dodatkowe badania układu sercowo-naczyniowego (ocena uwapnienia tętnic wieńcowych i elektrokardiografia) lub złożone modele kliniczne obejmujące dodatkowe markery laboratoryjne i czynniki ryzyka mogłyby poprawić szacunki prawdopodobieństwa, istnieją wyzwania związane z efektywnością czasową, złożonością procedury i ograniczoną dostępnością.

IRT, bezdotykowa technologia wykrywania temperatury powierzchni, okazała się obiecująca w ocenie chorób. Może zidentyfikować stan zapalny i nieprawidłowe krążenie krwi na podstawie wzorców temperatury skóry. Badania wskazują na powiązania między informacjami IRT a miażdżycową chorobą sercowo-naczyniową i pokrewnymi stanami.

Badanie: Przewidywanie choroby wieńcowej na podstawie informacji o temperaturze twarzy zarejestrowanych za pomocą bezkontaktowej termografii w podczerwieni. Źródło zdjęcia: Anita van den Broek / Shutterstock

O badaniu

W niniejszym badaniu naukowcy ocenili przydatność danych dotyczących temperatury twarzy IRT do przewidywania CAD. Do badania włączono dorosłych poddawanych koronarografii CT (CCTA) lub inwazyjnej angiografii wieńcowej (ICA). Przeszkolony personel uzyskał dane wyjściowe i wykonał filmowanie IRT przed CCTA lub ICA.

Elektroniczną dokumentację medyczną wykorzystano w celu uzyskania dodatkowych informacji, w tym biochemii krwi, historii klinicznej, czynników ryzyka i wyników badań CAD. Na uczestnika wybrano jeden obraz IRT i przetworzono (jednolita zmiana rozmiaru, konwersja skali szarości i przycięcie tła) przed analizami. Przedmiotem zainteresowania była obecność CAD, definiowana jako zwężenie zmiany wieńcowej ≥ 50%.

Zespół opracował model obrazu IRT z zaawansowanym algorytmem głębokiego uczenia się. Opracowano także dwa modele do porównania; jednym z nich był model PTP (baza kliniczna), który obejmował wiek, płeć i charakterystykę objawów pacjentów, podczas gdy drugi był modelem hybrydowym obejmującym zarówno IRT, jak i informacje kliniczne, odpowiednio z obrazu IRT i modeli PTP.

Przeprowadzono kilka analiz interpretacji, w tym eksperymenty okluzji, wizualizację mapy istotności, analizy reakcji na dawkę i przewidywanie etykiet zastępczych CAD. Ponadto z obrazu IRT wyodrębniono różnorodne cechy tabelaryczne IRT i sklasyfikowano je na poziomy specyficzne dla całej twarzy i obszaru zainteresowania (ROI).

Ogólnie rzecz biorąc, wyodrębnione cechy podzielono odpowiednio na teksturę pierwszego rzędu, teksturę drugiego rzędu, temperaturę i cechy analizy fraktalnej. Algorytm XGBoost zintegrował wyodrębnione funkcje i ocenił ich wartość predykcyjną dla CAD. Naukowcy ocenili wydajność, wykorzystując wszystkie funkcje i tylko cechy temperatury.

Wyniki

W sumie od września 2021 r. do lutego 2023 r. badaniom przesiewowym poddano 893 osoby dorosłe przechodzące badania CCTA lub ICA. Spośród nich w badaniu wzięło udział 460 uczestników w wieku średnio 58,4 lat; 27,4% stanowiły kobiety, a 70% miało CAD. Pacjenci z CAD byli starsi, byli to mężczyźni, a czynniki ryzyka występowały u nich częściej w porównaniu z osobami bez CAD. Model obrazu IRT działał znacznie lepiej niż model PTP.

Jednak wydajność modeli obrazu hybrydowego i IRT nie różniła się znacząco. Użycie wyłącznie cech temperatury lub wszystkich wyodrębnionych cech zapewniło doskonałą wydajność przewidywania, zgodną z modelem obrazu IRT. Na poziomie całej twarzy największy wpływ miała ogólna różnica temperatur lewej i prawej strony, podczas gdy na poziomie specyficznym dla ROI największy wpływ miała średnia temperatura lewej szczęki.

Zaobserwowano różne poziomy zmniejszenia wydajności dla modelu obrazu IRT przy zamykaniu różnych ROI. Największy wpływ miała okluzja okolicy wargi górnej i dolnej. Poza tym model obrazu IRT dobrze spisał się w przewidywaniu znaczników zastępczych związanych z CAD, takich jak hiperlipidemia, palenie tytoniu, wskaźnik masy ciała, hemoglobina glikowana i zapalenie.

Wnioski

Badanie wykazało wykonalność wykorzystania danych dotyczących temperatury IRT ludzkiej twarzy do przewidywania CAD. Model obrazu IRT działał lepiej niż zalecany w wytycznych model PTP, co podkreśla jego potencjał w ocenie CAD. Co więcej, włączenie informacji klinicznych do modelu obrazu IRT nie przyniosło żadnych dodatkowych ulepszeń, co sugeruje, że wyodrębnione informacje IRT twarzy obejmowały już istotne informacje związane z CAD.

Co więcej, wartość predykcyjna modelu IRT została potwierdzona przy użyciu możliwych do interpretacji cech tabelarycznych IRT, które były stosunkowo spójne z modelem obrazu IRT. Co więcej, te interpretowalne przez człowieka funkcje IRT zapewniły również wgląd w aspekty krytyczne dla przewidywania CAD, takie jak symetria temperatury twarzy i niejednorodność rozkładu. Do walidacji wymagane są dalsze badania z większymi próbami i zróżnicowanymi populacjami.