Gezichtstemperatuur kan hartaandoeningen nauwkeuriger voorspellen dan huidige methoden

In een recent onderzoek, gepubliceerd in het tijdschrift BMJ Health & Care Informatics, hebben onderzoekers de haalbaarheid beoordeeld van het gebruik van gezichtsinfraroodthermografie (IRT) om coronaire hartziekte (CHD) te voorspellen.

Aangeboren hartafwijkingen (CHZ) zijn een van de belangrijkste doodsoorzaken en vormen een aanzienlijke wereldwijde last. Een nauwkeurige diagnose van aangeboren hartafwijkingen is belangrijk voor de zorg en behandeling. Momenteel worden pre-test probabiliteitsinstrumenten (PTP) gebruikt om de kans op aangeboren hartafwijkingen bij patiënten te bepalen. Deze instrumenten hebben echter problemen met subjectiviteit, beperkte generaliseerbaarheid en matige nauwkeurigheid.

Hoewel aanvullende cardiovasculaire tests (calciumscore van de kransslagader en elektrocardiografie) of geavanceerde klinische modellen waarin aanvullende laboratoriummarkers en risicofactoren zijn geïntegreerd de waarschijnlijkheidsschatting kunnen verbeteren, zijn er problemen met betrekking tot tijdsefficiëntie, procedurele complexiteit en beperkte beschikbaarheid.

IRT, een contactloze technologie voor het detecteren van oppervlaktetemperatuur, laat veelbelovende resultaten zien voor ziektebeoordeling. Het kan ontstekingen en abnormale bloedstroom detecteren aan de hand van huidtemperatuurpatronen. Studies tonen verbanden aan tussen IRT-informatie en atherosclerotische cardiovasculaire aandoeningen en gerelateerde aandoeningen.

In deze studie beoordeelden de onderzoekers de haalbaarheid van het gebruik van gezichts-IRT-temperatuurgegevens om coronaire hartziekte te voorspellen. Volwassenen die een coronaire CT-angiografie (CCTA) of invasieve coronaire angiografie (ICA) ondergingen, werden in de studie opgenomen. Getraind personeel verzamelde basisgegevens en voerde IRT-opnames uit vóór CCTA of ICA.

Er werd gebruikgemaakt van elektronische medische dossiers om aanvullende informatie te verkrijgen, waaronder bloedbiochemie, klinische voorgeschiedenis, risicofactoren en CAD-screeningresultaten. Per deelnemer werd één IRT-afbeelding geselecteerd voor analyse en verwerking (uniforme aanpassing van het formaat, conversie naar grijstinten en bijsnijden van de achtergrond).

Het team ontwikkelde een IRT-beeldmodel met behulp van een geavanceerd deep learning-algoritme. Ter vergelijking werden twee modellen ontwikkeld: een PTP-model (klinische baseline) met leeftijd, geslacht en symptoomkenmerken van patiënten, en een hybride model dat zowel IRT als klinische informatie van respectievelijk de IRT- en PTP-modellen combineerde.

Er werden verschillende interpretatieanalyses uitgevoerd, waaronder occlusie-experimenten, visualisatie van highlight maps, dosis-responsanalyses en voorspelling van surrogaat CAD-labels. Daarnaast werden diverse IRT-tabelkenmerken uit de IRT-afbeelding gehaald, geclassificeerd op het niveau van het hele gezicht en de regio van interesse (ROI).

Over het geheel genomen werden de geëxtraheerde kenmerken geclassificeerd in eerste-orde textuur, tweede-orde textuur, temperatuur en fractale analysekenmerken. Het XGBoost-algoritme integreerde deze geëxtraheerde kenmerken en evalueerde hun voorspellende waarde voor CHD. De onderzoekers evalueerden de prestaties met alle kenmerken en alleen temperatuurkenmerken.

In totaal werden 893 volwassenen die een CCTA of ICA ondergingen, gescreend tussen september 2021 en februari 2023. Hiervan werden 460 deelnemers met een gemiddelde leeftijd van 58,4 jaar geïncludeerd; 27,4% was vrouw en 70% had CAD. Patiënten met CAD hadden een hogere leeftijd en prevalentie van risicofactoren vergeleken met patiënten zonder CAD. Het IRT-beeldmodel presteerde significant beter dan het PTP-model.

De prestaties van de hybride en IRT-beeldmodellen verschilden echter niet significant. Het gebruik van alleen temperatuurkenmerken of alle geëxtraheerde kenmerken had een betere voorspellende waarde, wat consistent was met het IRT-beeldmodel. Op het niveau van het hele gezicht had het totale temperatuurverschil van links naar rechts de grootste impact, terwijl op ROI-niveau de gemiddelde temperatuur van de linkerkaak de grootste impact had.

Er werden verschillende niveaus van prestatieverslechtering waargenomen voor het IRT-beeldmodel bij het afsluiten van verschillende ROI's. Afsluiting van de boven- en onderlip had de grootste impact. Bovendien presteerde het IRT-beeldmodel goed in het voorspellen van surrogaatmarkers geassocieerd met coronaire hartziekte, zoals hyperlipidemie, roken, BMI, geglycosyleerd hemoglobine en ontsteking.

De studie toonde aan dat het gebruik van gezichts-IRT-temperatuurgegevens om CAD te voorspellen, haalbaar is. Het IRT-beeldmodel presteerde beter dan het in de richtlijnen aanbevolen PTP-model, wat de potentie ervan bij de beoordeling van CAD onderstreept. Bovendien leverde het opnemen van klinische informatie in het IRT-beeldmodel geen extra verbetering op, wat suggereert dat de geëxtraheerde IRT-informatie al belangrijke informatie met betrekking tot CAD bevatte.

Bovendien werd de voorspellende waarde van het IRT-model bevestigd met behulp van de interpreteerbare IRT-tabelkenmerken, die relatief consistent waren met het IRT-beeldmodel. Deze kenmerken leverden ook informatie op over belangrijke aspecten voor het voorspellen van coronaire hartziekte, zoals symmetrie van de gezichtstemperatuur en ongelijkmatige verdeling. Verder onderzoek met grotere steekproeven en diverse populaties is nodig voor validatie.