Температура обличчя може передбачити серцеві захворювання з більшою точністю, ніж поточні методи

У нещодавньому дослідженні, опублікованому в журналі BMJ Health & Care Informatics, дослідники оцінили доцільність використання інфрачервоної термографії обличчя (ІТ) для прогнозування ішемічної хвороби серця (ІХС).

ІХС є однією з провідних причин смерті та має значний глобальний тягар. Точна діагностика ІХС важлива для догляду та лікування. Наразі для визначення ймовірності ІХС у пацієнтів використовуються інструменти оцінки ймовірності перед тестуванням (ПТП). Однак ці інструменти мають проблеми із суб'єктивністю, обмеженою узагальнюваністю та помірною точністю.

Хоча додаткові серцево-судинні тести (кальцієвий шкала коронарних артерій та електрокардіографія) або складні клінічні моделі, що інтегрують додаткові лабораторні маркери та фактори ризику, можуть покращити оцінку ймовірності, існують проблеми, пов'язані з ефективністю часу, складністю процедури та обмеженою доступністю.

IRT, технологія безконтактного визначення температури поверхні, демонструє багатообіцяючі результати для оцінки захворювань. Вона може виявляти запалення та аномальний кровотік за показниками температури шкіри. Дослідження показують зв'язок між інформацією IRT та атеросклеротичними серцево-судинними захворюваннями та пов'язаними з ними станами.

У цьому дослідженні вчені оцінили доцільність використання даних про температуру обличчя, отриманих за допомогою IRT, для прогнозування ІХС. У дослідження були включені дорослі, яким проводилася коронарна комп'ютерна томографія (КТ-ангіографія) або інвазивна коронарна ангіографія (ІКА). Навчений персонал отримав вихідні дані та виконав IRT-зйомку перед КТ-ангіографією або ІКА.

Для отримання додаткової інформації, включаючи біохімічний аналіз крові, клінічний анамнез, фактори ризику та результати скринінгу ІХС, використовувалися електронні медичні записи. Для аналізу та обробки (рівномірне змінення розміру, перетворення у градації сірого та обрізання фону) на кожного учасника було обрано одне зображення IRT.

Команда розробила модель зображення IRT за допомогою вдосконаленого алгоритму глибокого навчання. Для порівняння було розроблено дві моделі: одна була моделлю PTP (клінічний базовий рівень), яка включала вік, стать та характеристики симптомів пацієнтів, а інша була гібридною, що поєднувала як IRT, так і клінічну інформацію з моделей IRT та PTP відповідно.

Було проведено кілька інтерпретаційних аналізів, включаючи експерименти з оклюзією, візуалізацію карт підсвічування, аналіз доза-відповідь та прогнозування сурогатних міток CAD. Крім того, з зображення IRT було вилучено різні характеристики таблиці IRT, класифіковані на рівні всього обличчя та області інтересу (ROI).

Загалом, витягнуті ознаки були класифіковані на ознаки текстури першого порядку, текстури другого порядку, температури та фрактального аналізу. Алгоритм XGBoost інтегрував ці витягнуті ознаки та оцінив їхню прогностичну цінність для ІХС. Дослідники оцінили продуктивність, використовуючи всі ознаки та лише температурні ознаки.

Загалом у період з вересня 2021 року по лютий 2023 року було обстежено 893 дорослих, які пройшли КТ-або ІКА. З них було включено 460 учасників із середнім віком 58,4 роки; 27,4% становили жінки, а 70% мали ІХС. Пацієнти з ІХС мали вищий вік та поширеність факторів ризику порівняно з пацієнтами без ІХС. Модель IRT-візуалізації значно перевершила модель PTP.

Однак, продуктивність гібридної та IRT-моделей зображень суттєво не відрізнялася. Використання лише температурних ознак або всіх вилучених ознак мало кращу прогностичну ефективність, що узгоджувалося з моделлю зображення IRT. На рівні всього обличчя найбільший вплив мала загальна різниця температур зліва направо, тоді як на рівні ROI найбільший вплив мала середня температура лівої щелепи.

Різний рівень погіршення продуктивності спостерігався для моделі IRT-зображення при перекритті різних ROI. Найбільший вплив мала оклюзія області верхньої та нижньої губи. Крім того, модель IRT-зображення добре зарекомендувала себе у прогнозуванні сурогатних маркерів, пов'язаних з ІХС, таких як гіперліпідемія, куріння, індекс маси тіла, глікований гемоглобін та запалення.

Дослідження продемонструвало можливість використання даних про температуру обличчя, отриманих за допомогою IRT, для прогнозування ІХС. Модель зображення IRT перевершила рекомендовану в рекомендаціях модель PTP, що підкреслює її потенціал в оцінці ІХС. Крім того, включення клінічної інформації до моделі зображення IRT не забезпечило додаткового покращення, що свідчить про те, що отримана інформація IRT вже містила важливу інформацію, пов'язану з ІХС.

Більше того, прогностична цінність моделі IRT була підтверджена за допомогою інтерпретованих табличних ознак IRT, які були відносно узгоджені з моделлю зображення IRT. Ці ознаки також надали інформацію про важливі аспекти прогнозування ІХС, такі як симетрія температури обличчя та нерівномірність розподілу. Для валідації необхідні подальші дослідження з більшими вибірками та різноманітними популяціями.