La temperatura facciale può predire le malattie cardiache con maggiore precisione rispetto ai metodi attuali

In uno studio recente pubblicato sulla rivista BMJ Health & Care Informatics, i ricercatori hanno valutato la fattibilità dell'utilizzo della termografia facciale a infrarossi (IRT) per prevedere la malattia coronarica (CHD).

La cardiopatia coronarica (CHD) è una delle principali cause di morte e ha un impatto significativo a livello globale. Una diagnosi accurata di CHD è fondamentale per la cura e il trattamento. Attualmente, per determinare la probabilità di CHD nei pazienti vengono utilizzati strumenti di valutazione della probabilità pre-test (PTP). Tuttavia, questi strumenti presentano problemi di soggettività, limitata generalizzabilità e accuratezza moderata.

Sebbene ulteriori test cardiovascolari (punteggio del calcio coronarico ed elettrocardiografia) o modelli clinici sofisticati che integrano ulteriori marcatori di laboratorio e fattori di rischio possano migliorare la stima della probabilità, sussistono problemi legati all'efficienza temporale, alla complessità delle procedure e alla disponibilità limitata.

L'IRT, una tecnologia di rilevamento della temperatura superficiale senza contatto, mostra risultati promettenti per la valutazione delle patologie. È in grado di rilevare infiammazioni e flussi sanguigni anomali basandosi sui modelli di temperatura cutanea. Studi dimostrano un'associazione tra le informazioni ottenute con l'IRT e le malattie cardiovascolari aterosclerotiche e patologie correlate.

In questo studio, i ricercatori hanno valutato la fattibilità dell'utilizzo dei dati di temperatura IRT facciale per predire la CAD. Sono stati inclusi nello studio pazienti adulti sottoposti ad angiografia coronarica TC (CCTA) o angiografia coronarica invasiva (ICA). Personale qualificato ha ottenuto i dati basali ed eseguito acquisizioni IRT prima della CCTA o dell'ICA.

Sono state utilizzate cartelle cliniche elettroniche per ottenere informazioni aggiuntive, tra cui biochimica del sangue, anamnesi clinica, fattori di rischio e risultati dello screening per le malattie coronariche. Un'immagine IRT per partecipante è stata selezionata per l'analisi e l'elaborazione (ridimensionamento uniforme, conversione in scala di grigi e ritaglio dello sfondo).

Il team ha sviluppato un modello di immagine IRT utilizzando un algoritmo avanzato di deep learning. Sono stati sviluppati due modelli per il confronto: uno era un modello PTP (clinical baseline) che includeva età, sesso e caratteristiche sintomatiche dei pazienti, e l'altro era un modello ibrido, che combinava sia le informazioni IRT che quelle cliniche provenienti rispettivamente dai modelli IRT e PTP.

Sono state eseguite diverse analisi interpretative, tra cui esperimenti di occlusione, visualizzazione di mappe di evidenziazione, analisi dose-risposta e previsione di etichette CAD surrogate. Inoltre, sono state estratte diverse caratteristiche della tabella IRT dall'immagine IRT, classificate a livello di viso intero e di regione di interesse (ROI).

Nel complesso, le caratteristiche estratte sono state classificate in texture di primo ordine, texture di secondo ordine, temperatura e caratteristiche di analisi frattale. L'algoritmo XGBoost ha integrato queste caratteristiche estratte e ne ha valutato il valore predittivo per la CHD. I ricercatori hanno valutato le prestazioni utilizzando tutte le caratteristiche e solo quelle di temperatura.

Un totale di 893 adulti sottoposti a CCTA o ICA sono stati sottoposti a screening tra settembre 2021 e febbraio 2023. Di questi, sono stati inclusi 460 partecipanti con un'età media di 58,4 anni; il 27,4% erano donne e il 70% presentava coronaropatia. I pazienti con coronaropatia presentavano un'età e una prevalenza di fattori di rischio più elevate rispetto ai pazienti senza coronaropatia. Il modello di immagini IRT ha superato significativamente il modello PTP.

Tuttavia, le prestazioni dei modelli di immagine ibridi e IRT non sono risultate significativamente diverse. L'utilizzo delle sole caratteristiche di temperatura o di tutte le caratteristiche estratte ha prodotto prestazioni predittive superiori, in linea con il modello di immagine IRT. A livello dell'intero viso, la differenza di temperatura complessiva da sinistra a destra ha avuto l'impatto maggiore, mentre a livello di area di interesse (ROI), la temperatura media della mandibola sinistra ha avuto l'impatto maggiore.

Sono stati osservati diversi livelli di degradazione delle prestazioni per il modello di immagini IRT durante l'occlusione di diverse ROI. L'impatto maggiore è stato riscontrato nell'occlusione della regione del labbro superiore e inferiore. Inoltre, il modello di immagini IRT ha ottenuto buoni risultati nel predire marcatori surrogati associati alla CAD, come iperlipidemia, fumo, indice di massa corporea, emoglobina glicata e infiammazione.

Lo studio ha dimostrato la fattibilità dell'utilizzo dei dati di temperatura facciale IRT per predire la CAD. Il modello di immagine IRT ha superato il modello PTP raccomandato dalle linee guida, evidenziandone il potenziale nella valutazione della CAD. Inoltre, l'integrazione di informazioni cliniche nel modello di immagine IRT non ha apportato ulteriori miglioramenti, suggerendo che le informazioni IRT estratte contenessero già informazioni importanti relative alla CAD.

Inoltre, il valore predittivo del modello IRT è stato confermato utilizzando le caratteristiche interpretabili della tabella IRT, che erano relativamente coerenti con il modello di immagine IRT. Queste caratteristiche hanno anche fornito informazioni su aspetti importanti per la previsione della cardiopatia coronarica, come la simmetria della temperatura facciale e la disomogeneità della distribuzione. Sono necessari ulteriori studi con campioni più ampi e popolazioni diverse per la convalida.