La scansione termica del viso e l’intelligenza artificiale prevedono con precisione la malattia coronarica

Lo studio è stato pubblicato su BMJ Health & Care Informaticsha scoperto che una combinazione di imaging termico facciale e intelligenza artificiale (AI) può prevedere con precisione la presenza di malattia coronarica (CHD). Questo metodo non invasivo e in tempo reale si è rivelato più efficace dei metodi tradizionali e potrebbe essere introdotto nella pratica clinica per migliorare l'accuratezza diagnostica e il flusso di lavoro se testato su popolazioni di pazienti più ampie ed etnicamente diversificate, suggeriscono i ricercatori. p>

Le attuali linee guida per la diagnosi della malattia coronarica si basano su stime della probabilità dei fattori di rischio che non sono sempre accurate o ampiamente applicabili, affermano i ricercatori. Sebbene questi metodi possano essere integrati da altri strumenti diagnostici come ECG, angiogrammi ed esami del sangue, spesso richiedono molto tempo e sono invasivi, aggiungono i ricercatori.

L'imaging termico, che registra la distribuzione e le variazioni di temperatura sulla superficie di un oggetto rilevando la radiazione infrarossa, non è invasivo. Si è rivelato uno strumento promettente per la valutazione della malattia in quanto può identificare aree di circolazione anomala e infiammazione in base ai modelli di temperatura cutanea.

L'emergere delle tecnologie di apprendimento automatico (AI) con la loro capacità di estrarre, elaborare e integrare informazioni complesse può migliorare la precisione e l'efficienza della diagnostica mediante imaging termico.

I ricercatori hanno deciso di studiare la possibilità di utilizzare la termografia in combinazione con l'intelligenza artificiale per prevedere con precisione la presenza di malattia coronarica senza la necessità di metodi invasivi e dispendiosi in termini di tempo in 460 persone con sospetta malattia cardiaca. La loro età media era di 58 anni; 126 (27,5%) di loro erano donne.

Le immagini di imaging termico dei loro volti sono state scattate prima degli esami di conferma per sviluppare e convalidare un modello di imaging supportato dall'intelligenza artificiale per il rilevamento della malattia coronarica.

Un totale di 322 partecipanti (70%) avevano una malattia coronarica confermata. Queste persone tendevano ad essere più anziane e più probabilmente di sesso maschile. Avevano anche maggiori probabilità di presentare fattori di rischio legati allo stile di vita, clinici e biochimici, nonché un uso più frequente di farmaci preventivi.

L'imaging termico e l'approccio basato sull'intelligenza artificiale si sono rivelati migliori di circa il 13% nel predire la malattia coronarica rispetto alla valutazione preliminare del rischio utilizzando fattori di rischio tradizionali e segni e sintomi clinici. Tra i tre indicatori termici più significativi, quello più influente è stata la differenza di temperatura complessiva tra i lati sinistro e destro del viso, seguita dalla temperatura facciale massima e dalla temperatura facciale media.

In particolare, la temperatura media della regione della mascella sinistra è stata il predittore più forte, seguita dalla differenza di temperatura nella regione dell'occhio destro e dalla differenza di temperatura tra le tempie sinistra e 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 del campione relativamente piccola del loro studio e il fatto che è stato condotto presso un solo centro. Inoltre, tutti i partecipanti allo studio sono stati sottoposti a test di conferma per sospetta malattia cardiaca.

Tuttavia, il team scrive: "La capacità dell'[imaging termico] di prevedere in base [alla malattia coronarica] indica potenziali applicazioni future e opportunità di ricerca... In quanto metodo di valutazione della salute biofisiologica, [esso] fornisce informazioni sulla malattia" informazioni correlate oltre alle misurazioni cliniche tradizionali, che possono migliorare la valutazione della [malattia cardiovascolare aterosclerotica] e delle condizioni croniche correlate."

"La natura senza contatto e in tempo reale di [it] consente una valutazione istantanea della malattia presso il punto di cura, il che può semplificare i flussi di lavoro clinici e risparmiare tempo per importanti decisioni del medico e del paziente. Inoltre, ha il potenziale per uno screening preliminare di massa."

I ricercatori concludono: "I nostri modelli di previsione [di imaging termico] 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."