De gezichtstemperatuur kan hartziekten nauwkeuriger voorspellen dan de huidige methoden

In een recente studie gepubliceerd in BMJ Health & Care Informatics onderzochten onderzoekers de haalbaarheid van het gebruik van gezichts-infraroodthermografie (IRT) om coronaire hartziekte (CHD) te voorspellen.

IHD is een van de belangrijkste doodsoorzaken en heeft een aanzienlijke mondiale last. Een nauwkeurige diagnose van CAD is belangrijk voor zorg en behandeling. Momenteel worden pretest-waarschijnlijkheidsbeoordelingsinstrumenten (PTP) gebruikt om de waarschijnlijkheid van CAD bij patiënten te bepalen. Deze tools hebben echter problemen met subjectiviteit, beperkte veelzijdigheid en matige nauwkeurigheid.

Hoewel aanvullende cardiovasculaire tests (coronaire calciumtelling en elektrocardiografie) of geavanceerde klinische modellen waarin aanvullende laboratoriummarkers en risicofactoren zijn geïntegreerd, de waarschijnlijkheidsschattingen kunnen verbeteren, zijn er zorgen over tijdsefficiëntie, procedurele complexiteit en beperkte beschikbaarheid. p>

IRT, een contactloze detectietechnologie voor oppervlaktetemperatuur, is veelbelovend voor de beoordeling van ziekten. Het kan ontstekingen en abnormale circulatie detecteren via huidtemperatuurpatronen. Onderzoek toont associaties aan tussen IRT-informatie en atherosclerotische hart- en vaatziekten en gerelateerde aandoeningen.

In dit onderzoek beoordeelden onderzoekers de haalbaarheid van het gebruik van IRT-temperatuurgegevens van het gezicht om CAD te voorspellen. Volwassenen die coronaire CT-angiografie (CCTA) of invasieve coronaire angiografie (ICA) ondergingen, werden in het onderzoek opgenomen. Getraind personeel verzamelde de ruwe gegevens en voerde de IRT-enquête uit vóór de CCTA of ICA.

Elektronische medische dossiers werden gebruikt om aanvullende informatie te verkrijgen, waaronder bloedchemie, klinische geschiedenis, risicofactoren en screeningsresultaten voor hart- en vaatziekten. Eén IRT-afbeelding per deelnemer werd geselecteerd voor analyse en verwerkt (geünificeerd formaat wijzigen, conversie van 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: het ene was een PTP-model (klinische basislijn) dat de leeftijd, het geslacht en de symptoomkenmerken van de patiënt omvatte, en het andere was een hybride, waarin zowel IRT-informatie als klinische informatie uit respectievelijk de IRT- en PTP-modellen werden gecombineerd..

Verschillende interpretatieve analyses werden uitgevoerd, waaronder occlusie-experimenten, visualisatie van de excretiekaart, dosis-responsanalyses en CAD-surrogaatlabelvoorspelling. Bovendien werden verschillende IRT-kenmerken in tabelvorm uit het IRT-beeld geëxtraheerd, geclassificeerd op het niveau van het hele gezicht en het interessegebied (ROI).

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

Tussen september 2021 en februari 2023 werden in totaal 893 volwassenen beoordeeld die CCTA of ICA ondergingen. 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 aanzienlijk beter dan het PTP-model.

De prestaties van de hybride en IRT-beeldvormingsmodellen waren echter niet significant verschillend. Het gebruik van alleen temperatuurkenmerken of alle geëxtraheerde kenmerken had superieure voorspellende prestaties, wat consistent was met het IRT-beeldvormingsmodel. Op het niveau van het hele gezicht was de grootste invloed het algehele temperatuurverschil van links naar rechts, terwijl op het ROI-niveau de gemiddelde temperatuur van de linkerkaak de grootste invloed had.

Er werden verschillende niveaus van prestatievermindering waargenomen voor het IRT-beeldmodel wanneer verschillende ROI's werden afgesloten. Occlusie van de boven- en onderlipgebieden had de grootste impact. Bovendien presteerde het IRT-beeldvormingsmodel goed bij het voorspellen van surrogaatmarkers die geassocieerd zijn met CAD, zoals hyperlipidemie, roken, body mass index, geglyceerd hemoglobine en ontstekingen.

Het onderzoek toonde de haalbaarheid aan van het gebruik van IRT-temperatuurgegevens van het gezicht om CAD te voorspellen. Het IRT-beeldvormingsmodel presteerde beter dan het door de richtlijnen aanbevolen PTP-model, wat het potentieel ervan bij de beoordeling van CAD benadrukt. Bovendien leverde het opnemen van klinische informatie in het IRT-beeldmodel geen aanvullende verbeteringen op, wat erop wijst dat de geëxtraheerde IRT-informatie al belangrijke CAD-gerelateerde informatie bevatte.

Bovendien werd de voorspellende waarde van het IRT-model bevestigd met behulp van interpreteerbare IRT-kenmerken in tabelvorm die relatief consistent waren met het IRT-beeldmodel. Deze kenmerken leverden ook informatie op over belangrijke aspecten voor het voorspellen van CAD, zoals symmetrie van de gezichtstemperatuur en ongelijkmatige verdeling. Voor validatie zijn verdere studies met grotere steekproeven en diverse populaties nodig.