La termografia facciale e l'intelligenza artificiale predicono con precisione le malattie coronariche

Uno studio pubblicato sulla rivista BMJ Health & Care Informatics ha scoperto che una combinazione di termografia facciale e intelligenza artificiale (IA) può prevedere con precisione la coronaropatia (CAD). Il metodo non invasivo e in tempo reale si è rivelato più efficace dei metodi tradizionali e, se testato su popolazioni di pazienti più ampie e con una maggiore diversità etnica, suggeriscono i ricercatori.

Le attuali linee guida per la diagnosi di coronaropatia si basano sulle probabilità dei fattori di rischio, che non sono sempre accurate o ampiamente applicabili, affermano i ricercatori. Sebbene questi metodi possano essere integrati con altri strumenti diagnostici, come ECG, angiogrammi ed esami del sangue, sono spesso lunghi e invasivi, aggiungono i ricercatori.

La termografia, che registra la distribuzione e le variazioni di temperatura sulla superficie di un oggetto rilevando la radiazione infrarossa, è non invasiva. Si è dimostrata uno strumento promettente per la valutazione delle patologie, in quanto può identificare aree di circolazione sanguigna anomala e infiammazione basandosi sull'andamento della temperatura cutanea.

L'avvento delle tecnologie di apprendimento automatico (IA), con la loro capacità di estrarre, elaborare e integrare informazioni complesse, può migliorare l'accuratezza e l'efficienza della diagnostica termografica.

I ricercatori si sono prefissati di studiare la possibilità di utilizzare la termografia combinata con l'intelligenza artificiale per prevedere con precisione la presenza di coronaropatia, senza ricorrere a metodi invasivi e dispendiosi in termini di tempo, in 460 persone con sospetta cardiopatia. L'età media dei partecipanti era di 58 anni; 126 (27,5%) erano donne.

Sono state acquisite immagini termiche dei loro volti prima degli esami di conferma per sviluppare e convalidare un modello di imaging assistito dall'intelligenza artificiale per il rilevamento della coronaropatia.

Un totale di 322 partecipanti (70%) presentava una coronaropatia confermata. Questi individui erano generalmente più anziani e con una maggiore probabilità di essere di sesso maschile. Erano anche più inclini ad avere fattori di rischio legati allo stile di vita, clinici e biochimici e ad assumere più frequentemente farmaci preventivi.

L'approccio basato su termografia e intelligenza artificiale si è rivelato circa il 13% più efficace nel predire la coronaropatia rispetto a una pre-valutazione del rischio basata sui tradizionali fattori di rischio e sui segni e sintomi clinici. Tra i tre indicatori termici più significativi, la differenza di temperatura complessiva tra il lato sinistro e quello destro del viso è stata la più influente, seguita dalla temperatura massima e media del viso.

In particolare, la temperatura media della regione della mascella sinistra è stata il fattore predittivo più forte, seguita dalla differenza di temperatura nella regione dell'occhio destro e dalla differenza di temperatura tra la tempia sinistra e quella destra.

L'approccio ha inoltre identificato in modo efficace i tradizionali fattori di rischio per la malattia coronarica: colesterolo alto, sesso maschile, fumo, sovrappeso (BMI), glicemia a digiuno e indicatori di infiammazione.

I ricercatori riconoscono la dimensione relativamente ridotta del campione del loro studio e il fatto che sia stato condotto in un solo centro. Inoltre, tutti i partecipanti allo studio sono stati sottoposti a test di conferma in caso di sospetto di cardiopatia.

Tuttavia, il team scrive: "La capacità dell'[imaging termico] di predire [la malattia coronarica] apre la strada a potenziali applicazioni future e opportunità di ricerca... Come metodo biofisiologico per la valutazione della salute, [esso] fornisce informazioni correlate alla malattia che vanno oltre le tradizionali misurazioni cliniche, il che può migliorare la valutazione della [malattia cardiovascolare aterosclerotica] e delle condizioni croniche correlate."

"La sua natura senza contatto e in tempo reale consente una valutazione immediata della patologia nel punto di cura, il che può semplificare i flussi di lavoro clinici e risparmiare tempo per decisioni importanti per medici e pazienti. Offre inoltre il potenziale per uno screening preventivo di massa."

I ricercatori concludono: "I modelli di previsione [dell'imaging termico] da noi sviluppati, basati su tecnologie avanzate di [apprendimento automatico], hanno mostrato un potenziale promettente rispetto agli attuali strumenti clinici tradizionali".

"Sono necessari ulteriori studi che coinvolgano un numero maggiore di pazienti e popolazioni diverse per confermare la validità esterna e la generalizzabilità dei risultati attuali."