Kasvojen lämpöskannaus ja tekoäly ennustavat tarkasti sepelvaltimotaudin
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.
Tutkimus julkaistiin julkaisussa BMJ Health & Care Informatics on havainnut, että kasvojen lämpökuvauksen ja tekoälyn (AI) yhdistelmä voi ennustaa tarkasti sepelvaltimotaudin (CHD). Tämän ei-invasiivisen, reaaliaikaisen menetelmän havaittiin olevan tehokkaampi kuin perinteiset menetelmät, ja se voitaisiin ottaa käyttöön kliinisessä käytännössä diagnostisen tarkkuuden ja työnkulun parantamiseksi, jos sitä testataan suuremmilla ja etnisesti monimuotoisemmilla potilaspopulaatioilla, tutkijat ehdottavat. p>
Nykyiset ohjeet sepelvaltimotaudin diagnosoimiseksi perustuvat arvioihin riskitekijöiden todennäköisyydestä, jotka eivät aina ole tarkkoja tai laajasti sovellettavia, tutkijat sanovat. Vaikka näitä menetelmiä voidaan täydentää muilla diagnostisilla työkaluilla, kuten EKG:llä, angiogrammeilla ja verikokeilla, ne ovat usein aikaa vieviä ja invasiivisia, tutkijat lisäävät.
Lämpökuvaus, joka tallentaa jakauman ja lämpötilan vaihtelut kohteen pinnalla havaitsemalla infrapunasäteilyä, on ei-invasiivinen. Se on osoittautunut lupaavaksi työkaluksi sairauksien arvioinnissa, sillä se voi tunnistaa epänormaalin verenkierron ja tulehduksen alueet ihon lämpötilamallien perusteella.
Koneoppimistekniikoiden (AI) ilmaantuminen ja niiden kyky poimia, käsitellä ja integroida monimutkaista tietoa voivat parantaa lämpökuvausdiagnostiikan tarkkuutta ja tehokkuutta.
Tutkijat päättivät tutkia mahdollisuutta käyttää lämpökuvausta yhdessä tekoälyn kanssa sepelvaltimotaudin ennustamiseksi tarkasti ilman invasiivisia ja aikaa vieviä menetelmiä 460 ihmisellä, joilla epäillään sydänsairautta. Heidän keski-ikänsä oli 58 vuotta; Heistä 126 (27,5 %) oli naisia.
Heidän kasvoista otettiin lämpökuvauskuvat ennen vahvistavia tutkimuksia tekoälyn tukeman kuvausmallin kehittämiseksi ja validoimiseksi sepelvaltimotaudin havaitsemiseksi.
Yhteensä 322 osallistujalla (70 %) oli vahvistettu sepelvaltimotauti. Nämä ihmiset olivat yleensä vanhempia ja todennäköisemmin miehiä. Heillä oli myös todennäköisemmin elämäntapa, kliiniset ja biokemialliset riskitekijät sekä ehkäisevien lääkkeiden käyttö useammin.
Lämpökuvaus ja tekoäly ennustavat noin 13 % paremmin sepelvaltimotaudin kuin alustava riskinarviointi perinteisten riskitekijöiden ja kliinisten merkkien ja oireiden perusteella. Kolmen merkittävimmän lämpöindikaattorin joukossa suurin vaikutus oli kasvojen vasemman ja oikean puolen välinen lämpötilaero, jota seurasivat kasvojen maksimilämpötila ja kasvojen keskilämpötila.
Erityisesti voimakkain ennustaja oli vasemman leuan alueen keskilämpötila, jota seurasivat oikean silmän lämpötilaero sekä vasemman ja oikean oimon välinen lämpötilaero.
Lähestymistapa tunnisti tehokkaasti myös perinteiset sepelvaltimotaudin riskitekijät: korkea kolesteroli, miessukupuoli, tupakointi, ylipaino (BMI), paastoglukoosi ja tulehduksen indikaattorit.
Tutkijat tunnustavat tutkimuksensa suhteellisen pienen otoskoon ja sen, että se suoritettiin vain yhdessä tutkimuskeskuksessa. Lisäksi kaikki tutkimukseen osallistuneet lähetettiin vahvistaviin testeihin epäillyn sydänsairauden varalta.
Tiimi kuitenkin kirjoittaa: "[Lämpökuvauksen] kyky ennustaa [sepelvaltimotaudin] perusteella viittaa mahdollisiin tulevaisuuden sovelluksiin ja tutkimusmahdollisuuksiin... Biofysiologisena terveyden arviointimenetelmänä [se] tarjoaa sairauden liittyviä tietoja perinteisten kliinisten mittausten lisäksi, mikä voi parantaa [ateroskleroottisen sydän- ja verisuonitaudin] ja siihen liittyvien kroonisten sairauksien arviointia."
"Kosketukseton, reaaliaikainen luonne [sen] mahdollistaa välittömän sairauden arvioinnin hoitopisteessä, mikä voi virtaviivaistaa kliinisiä työnkulkuja ja säästää aikaa tärkeiden lääkärin ja potilaan päätöksiin. Lisäksi siinä on potentiaalia massan alustavaa seulontaa varten."
Tutkijat päättelevät: "Kehittyneisiin [koneoppimis]teknologioihin perustuvat [lämpökuvaus]-ennustemallimme osoittivat lupaavia mahdollisuuksia verrattuna nykyisiin perinteisiin kliinisiin työkaluihin."
"Tarvitaan lisätutkimuksia, joissa on mukana suurempi määrä potilaita ja erilaisia väestöryhmiä, jotta voidaan vahvistaa nykyisten löydösten ulkoinen pätevyys ja yleistettävyys."