Suhu muka mungkin meramalkan penyakit jantung dengan ketepatan yang lebih tinggi daripada kaedah semasa

Dalam kajian terbaru yang diterbitkan dalam jurnal BMJ Health & Care Informatics, penyelidik menilai kebolehlaksanaan menggunakan termografi inframerah muka (IRT) untuk meramalkan penyakit jantung koronari (CHD).

CHD adalah salah satu punca utama kematian dan mempunyai beban global yang ketara. Diagnosis CHD yang tepat adalah penting untuk penjagaan dan rawatan. Pada masa ini, alat penilaian kebarangkalian ujian pra (PTP) digunakan untuk menentukan kemungkinan CHD pada pesakit. Walau bagaimanapun, alat ini mempunyai masalah dengan subjektiviti, kebolehgeneralisasian terhad, dan ketepatan sederhana.

Walaupun ujian kardiovaskular tambahan (skor kalsium arteri koronari dan elektrokardiografi) atau model klinikal canggih yang menyepadukan penanda makmal tambahan dan faktor risiko boleh meningkatkan anggaran kebarangkalian, terdapat isu yang berkaitan dengan kecekapan masa, kerumitan prosedur dan ketersediaan terhad.

IRT, teknologi pengesanan suhu permukaan bukan sentuhan, menunjukkan hasil yang menjanjikan untuk penilaian penyakit. Ia boleh mengesan keradangan dan aliran darah yang tidak normal daripada corak suhu kulit. Kajian menunjukkan perkaitan antara maklumat IRT dan penyakit kardiovaskular aterosklerotik dan keadaan yang berkaitan.

Dalam kajian ini, para penyelidik menilai kebolehlaksanaan menggunakan data suhu IRT muka untuk meramalkan CAD. Orang dewasa yang menjalani angiografi CT koronari (CCTA) atau angiografi koronari invasif (ICA) dimasukkan dalam kajian ini. Kakitangan terlatih memperoleh data asas dan melakukan pemerolehan IRT sebelum CCTA atau ICA.

Rekod perubatan elektronik digunakan untuk mendapatkan maklumat tambahan, termasuk biokimia darah, sejarah klinikal, faktor risiko dan keputusan saringan CAD. Satu imej IRT bagi setiap peserta telah dipilih untuk analisis dan diproses (saiz semula seragam, penukaran kepada skala kelabu dan pemangkasan latar belakang).

Pasukan itu membangunkan model imej IRT menggunakan algoritma pembelajaran mendalam lanjutan. Dua model telah dibangunkan untuk perbandingan: satu ialah model PTP (garis dasar klinikal) yang merangkumi umur, jantina, dan ciri-ciri gejala pesakit, dan satu lagi adalah hibrid, menggabungkan kedua-dua maklumat IRT dan klinikal daripada model IRT dan PTP, masing-masing.

Beberapa analisis tafsiran telah dilakukan, termasuk eksperimen oklusi, visualisasi peta sorotan, analisis tindak balas dos dan ramalan label CAD pengganti. Di samping itu, pelbagai ciri jadual IRT telah diekstrak daripada imej IRT, yang diklasifikasikan pada peringkat keseluruhan muka dan wilayah kepentingan (ROI).

Secara keseluruhannya, ciri yang diekstrak dikelaskan kepada tekstur tertib pertama, tekstur tertib kedua, suhu dan ciri analisis fraktal. Algoritma XGBoost menyepadukan ciri yang diekstrak ini dan menilai nilai ramalannya untuk CHD. Para penyelidik menilai prestasi menggunakan semua ciri dan hanya ciri suhu.

Sebanyak 893 orang dewasa yang menjalani CCTA atau ICA telah disaring antara September 2021 dan Februari 2023. Daripada jumlah ini, 460 peserta dengan umur purata 58.4 tahun telah dimasukkan; 27.4% adalah wanita dan 70% mempunyai CAD. Pesakit dengan CAD mempunyai umur dan prevalens faktor risiko yang lebih tinggi berbanding pesakit tanpa CAD. Model imej IRT dengan ketara mengatasi model PTP.

Walau bagaimanapun, prestasi model imej hibrid dan IRT tidak jauh berbeza. Hanya menggunakan ciri suhu atau semua ciri yang diekstrak mempunyai prestasi ramalan yang unggul, yang konsisten dengan model imej IRT. Pada tahap keseluruhan muka, perbezaan suhu kiri ke kanan keseluruhan mempunyai kesan yang paling besar, manakala pada tahap ROI, suhu purata rahang kiri mempunyai kesan yang paling besar.

Tahap kemerosotan prestasi yang berbeza-beza diperhatikan untuk model imej IRT apabila menutup ROI yang berbeza. Oklusi kawasan bibir atas dan bawah mempunyai kesan yang paling besar. Di samping itu, model imej IRT menunjukkan prestasi yang baik dalam meramalkan penanda pengganti yang dikaitkan dengan CAD, seperti hiperlipidemia, merokok, indeks jisim badan, hemoglobin terglikasi dan keradangan.

Kajian itu menunjukkan kemungkinan menggunakan data suhu IRT muka untuk meramalkan CAD. Model imej IRT mengatasi model PTP yang disyorkan garis panduan, menonjolkan potensinya dalam penilaian CAD. Tambahan pula, memasukkan maklumat klinikal ke dalam model imej IRT tidak memberikan peningkatan tambahan, menunjukkan bahawa maklumat IRT yang diekstrak sudah mengandungi maklumat penting yang berkaitan dengan CAD.

Selain itu, nilai ramalan model IRT telah disahkan menggunakan ciri jadual IRT yang boleh ditafsir, yang secara relatifnya konsisten dengan model imej IRT. Ciri ini juga memberikan maklumat tentang aspek penting untuk meramalkan CHD, seperti simetri suhu muka dan ketidaksamaan taburan. Kajian lanjut dengan sampel yang lebih besar dan populasi yang pelbagai diperlukan untuk pengesahan.