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

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

L'IHD è una delle principali cause di morte e ha un peso globale significativo. Una diagnosi accurata di CAD è importante per la cura e il trattamento. Attualmente, gli strumenti di valutazione della probabilità pre-test (PTP) vengono utilizzati per determinare la probabilità di CAD nei pazienti. Tuttavia, questi strumenti presentano problemi di soggettività, versatilità limitata e precisione moderata.

Sebbene ulteriori test cardiovascolari (conta del calcio coronarico ed elettrocardiografia) o modelli clinici sofisticati che integrino ulteriori marcatori di laboratorio e fattori di rischio possano migliorare le stime di probabilità, esistono preoccupazioni relative all'efficienza in termini di tempo, alla complessità procedurale e alla disponibilità limitata. p>

IRT, una tecnologia di rilevamento della temperatura superficiale senza contatto, si sta rivelando promettente per la valutazione delle malattie. Può rilevare infiammazioni e circolazione anormale attraverso i modelli di temperatura cutanea. La ricerca mostra associazioni tra le informazioni sull'IRT e la malattia cardiovascolare aterosclerotica e le condizioni correlate.

In questo studio, i ricercatori hanno valutato la fattibilità dell'utilizzo dei dati sulla temperatura IRT facciale per prevedere la CAD. Nello studio sono stati inclusi adulti sottoposti ad angiografia coronarica TC (CCTA) o ad angiografia coronarica invasiva (ICA). Il personale formato ha ottenuto i dati grezzi e ha condotto l'indagine IRT prima del CCTA o dell'ICA.

Le cartelle cliniche elettroniche sono state utilizzate per ottenere informazioni aggiuntive, tra cui analisi del sangue, storia clinica, fattori di rischio e risultati dello screening CHD. È stata selezionata per l'analisi ed elaborata un'immagine IRT per partecipante (ridimensionamento unificato, 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 (baseline clinica) che includeva età, sesso e caratteristiche dei sintomi dei pazienti, e l'altro era un ibrido, che combinava rispettivamente le informazioni IRT e le informazioni cliniche provenienti dai modelli IRT e PTP.

Sono state eseguite diverse analisi interpretative, inclusi esperimenti di occlusione, visualizzazione della mappa di escrezione, analisi dose-risposta e previsione dell'etichetta surrogata CAD. Inoltre, dall'immagine IRT sono state estratte varie caratteristiche IRT tabulari, classificate a livello dell'intero volto e della regione di interesse (ROI).

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

Tra settembre 2021 e febbraio 2023 sono stati valutati un totale di 893 adulti sottoposti a CCTA o ICA. Di questi, sono stati inclusi 460 partecipanti con un'età media di 58,4 anni; Il 27,4% erano donne e il 70% aveva CAD. I pazienti con CAD avevano un’età e una prevalenza di fattori di rischio più elevati rispetto ai pazienti senza CAD. Il modello di immagine IRT ha sovraperformato significativamente il modello PTP.

Tuttavia, le prestazioni dei modelli di imaging ibrido e IRT non erano significativamente diverse. Utilizzando solo le caratteristiche della temperatura o tutte le caratteristiche estratte si sono ottenute prestazioni predittive superiori, coerenti con il modello di imaging IRT. A livello dell'intero viso, l'influenza maggiore è stata data dalla differenza di temperatura complessiva da sinistra a destra, mentre a livello della ROI, la temperatura media della mascella sinistra ha avuto l'influenza maggiore.

Sono stati osservati vari livelli di degrado delle prestazioni per il modello di immagine IRT quando diverse ROI erano occluse. L'occlusione delle aree del labbro superiore e inferiore ha avuto l'impatto maggiore. Inoltre, il modello di imaging IRT ha ottenuto buoni risultati nel predire i 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 prevedere la CAD. Il modello di imaging IRT ha superato il modello PTP raccomandato dalle linee guida, evidenziandone il potenziale nella valutazione della CAD. Inoltre, l'incorporazione di informazioni cliniche nel modello di immagine IRT non ha fornito ulteriori miglioramenti, suggerendo che le informazioni IRT estratte contenevano già importanti informazioni correlate alla CAD.

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