Kasvojen lämpötila voi ennustaa sydänsairauksia nykyistä paremmin
Viimeksi tarkistettu: 14.06.2024
Kaikki iLive-sisältö tarkistetaan lääketieteellisesti tai se tarkistetaan tosiasiallisen tarkkuuden varmistamiseksi.
Meillä on tiukat hankintaohjeet ja vain linkki hyvämaineisiin mediasivustoihin, akateemisiin tutkimuslaitoksiin ja mahdollisuuksien mukaan lääketieteellisesti vertaisarvioituihin tutkimuksiin. Huomaa, että suluissa ([1], [2] jne.) Olevat numerot ovat napsautettavia linkkejä näihin tutkimuksiin.
Jos sinusta tuntuu, että jokin sisältö on virheellinen, vanhentunut tai muuten kyseenalainen, valitse se ja paina Ctrl + Enter.
Äskettäin julkaistussa tutkimuksessa BMJ Health & Care Informatics, tutkijat arvioivat, onko mahdollista käyttää kasvojen infrapunatermografiaa (IRT) sepelvaltimotaudin (CHD) ennustamiseen.
IHD on yksi yleisimmistä kuolinsyistä, ja sillä on merkittävä globaali taakka. Tarkka CAD-diagnoosi on tärkeä hoidon ja hoidon kannalta. Tällä hetkellä PTP-arviointityökaluja käytetään CAD:n todennäköisyyden määrittämiseen potilailla. Näillä työkaluilla on kuitenkin ongelmia subjektiivisuuden, rajallisen monipuolisuuden ja kohtuullisen tarkkuuden kanssa.
Vaikka ylimääräiset kardiovaskulaariset testit (sepelvaltimon kalsiumin määrä ja elektrokardiografia) tai kehittyneet kliiniset mallit, jotka yhdistävät muita laboratoriomarkkereita ja riskitekijöitä, voivat parantaa todennäköisyysarvioita, ajan tehokkuuteen, toimenpiteiden monimutkaisuuteen ja rajoitettuun saatavuuteen liittyy huolenaiheita. p>
IRT, kosketukseton pintalämpötilan tunnistustekniikka, on lupaava sairauden arvioinnissa. Se voi havaita tulehduksen ja epänormaalin verenkierron ihon lämpötilakuvioiden avulla. Tutkimukset osoittavat yhteyksiä IRT-tietojen ja ateroskleroottisten sydän- ja verisuonisairauksien ja niihin liittyvien sairauksien välillä.
Tässä tutkimuksessa tutkijat arvioivat, onko mahdollista käyttää kasvojen IRT-lämpötilatietoja CAD:n ennustamiseen. Tutkimukseen osallistuivat aikuiset, joille tehtiin sepelvaltimon CT-angiografia (CCTA) tai invasiivinen sepelvaltimon angiografia (ICA). Koulutettu henkilöstö hankki raakatiedot ja suoritti IRT-tutkimuksen ennen CCTA:ta tai ICA:ta.
Sähköisiä potilastietoja käytettiin lisätietojen, kuten veren kemian, kliinisen historian, riskitekijöiden ja CHD-seulontatulosten saamiseksi. Yksi IRT-kuva per osallistuja valittiin analysoitavaksi ja käsiteltiin (yhtenäinen koon muuttaminen, harmaasävymuunnos ja taustan rajaus).
Tiimi kehitti IRT-kuvamallin käyttämällä kehittynyttä syväoppimisalgoritmia. Vertailun vuoksi kehitettiin kaksi mallia: toinen oli PTP (kliininen lähtötaso) -malli, joka sisälsi potilaiden iän, sukupuolen ja oireiden ominaisuudet, ja toinen oli hybridi, jossa yhdistettiin sekä IRT-tiedot että kliiniset tiedot IRT- ja PTP-malleista..
Useita tulkitsevia analyyseja suoritettiin, mukaan lukien okkluusiokokeet, erityskartan visualisointi, annos-vaste-analyysit ja CAD-korvikeleiman ennustus. Lisäksi IRT-kuvasta poimittiin erilaisia taulukkomuotoisia IRT-ominaisuuksia, jotka luokiteltiin koko kasvojen ja kiinnostavan alueen (ROI) tasolle.
Kaiken kaikkiaan poimitut ominaisuudet luokiteltiin ensimmäisen asteen tekstuurin, toisen asteen tekstuurin, lämpötilan ja fraktaalianalyysiominaisuuksiin. XGBoost-algoritmi integroi nämä poimitut ominaisuudet ja arvioi niiden ennakoivan arvon CAD:lle. Tutkijat arvioivat suorituskykyä käyttämällä kaikkia ominaisuuksia ja vain lämpötilaominaisuuksia.
Syyskuun 2021 ja helmikuun 2023 välisenä aikana arvioitiin yhteensä 893 CCTA:n tai ICA:n läpikäyvää aikuista. Näistä 460 osallistujaa, joiden keski-ikä oli 58,4 vuotta, arvioitiin. 27,4 % oli naisia ja 70 %:lla oli CAD. CAD-potilailla oli korkeampi ikä ja riskitekijöiden esiintyvyys verrattuna potilaisiin, joilla ei ollut sepelvaltimotautia. IRT-kuvamalli ylitti huomattavasti PTP-mallin.
Hybridi- ja IRT-kuvausmallien suorituskyky ei kuitenkaan eronnut merkittävästi. Vain lämpötilaominaisuuksien tai kaikkien erotettujen ominaisuuksien käyttämisellä oli ylivoimainen ennustava suorituskyky, mikä oli yhdenmukainen IRT-kuvausmallin kanssa. Koko kasvojen tasolla suurin vaikutus oli kokonaislämpötilaerolla vasemmalta oikealle, kun taas ROI-tasolla vasemman leuan keskilämpötilalla oli suurin vaikutus.
IRT-kuvamallissa havaittiin eritasoisia suorituskyvyn heikkenemistä, kun eri ROI:t tukkeutuivat. Suurin vaikutus oli ylä- ja alahuulen tukkeutumalla. Lisäksi IRT-kuvausmalli onnistui hyvin CAD:hen liittyvien korvikemarkkereiden, kuten hyperlipidemian, tupakoinnin, painoindeksin, glykoituneen hemoglobiinin ja tulehduksen ennustamisessa.
Tutkimus osoitti, että kasvojen IRT-lämpötilatietojen käyttö on mahdollista CAD:n ennustamiseen. IRT-kuvausmalli ylitti ohjeen suositteleman PTP-mallin, mikä korosti sen potentiaalia CAD:n arvioinnissa. Lisäksi kliinisen tiedon sisällyttäminen IRT-kuvamalliin ei tuonut lisäparannuksia, mikä viittaa siihen, että poimitut IRT-tiedot sisälsivät jo tärkeitä CAD:hen liittyviä tietoja.
Lisäksi IRT-mallin ennustearvo vahvistettiin käyttämällä tulkittavia taulukkomuotoisia IRT-ominaisuuksia, jotka olivat suhteellisen yhdenmukaisia IRT-kuvamallin kanssa. Nämä ominaisuudet antoivat myös tietoa tärkeistä näkökohdista CAD:n ennustamisessa, kuten kasvojen lämpötilan symmetria ja epätasainen jakautuminen. Validointia varten tarvitaan lisätutkimuksia suuremmilla näytteillä ja erilaisilla populaatioilla.