Термално снимање лица и вештачка интелигенција прецизно предвиђају коронарну болест срца

Студија објављена у часопису BMJ Health & Care Informatics открила је да комбинација термалног снимања лица и вештачке интелигенције (ВИ) може прецизно предвидети коронарну артеријску болест (КАБ). Истраживачи сугеришу да се ова неинвазивна метода у реалном времену показала ефикаснијом од традиционалних метода и да би се могла применити у клиничкој пракси ради побољшања дијагностичке тачности и тока рада, ако се тестира на већим, етнички разноврснијим популацијама пацијената.

Тренутне смернице за дијагностиковање коронарне артеријске болести ослањају се на вероватноће фактора ризика, које нису увек тачне или широко применљиве, кажу истраживачи. Иако се ове методе могу допунити другим дијагностичким алатима, као што су ЕКГ, ангиограми и анализе крви, оне су често дуготрајне и инвазивне, додају истраживачи.

Термално снимање, које бележи расподелу и варијације температуре на површини објекта детекцијом инфрацрвеног зрачења, је неинвазивно. Доказало се као обећавајући алат за процену болести, јер може да идентификује подручја абнормалне циркулације крви и упале на основу образаца температуре коже.

Појава технологија машинског учења (ВИ) са њиховом способношћу да издвајају, обрађују и интегришу сложене информације може побољшати тачност и ефикасност дијагностике термалног снимања.

Истраживачи су кренули да истраже могућност коришћења термалног снимања у комбинацији са вештачком интелигенцијом како би прецизно предвидели присуство коронарне артеријске болести без потребе за инвазивним и дуготрајним методама код 460 људи са сумњом на срчану болест. Њихова просечна старост била је 58 година; 126 (27,5%) биле су жене.

Термалне слике њихових лица снимљене су пре потврдних прегледа како би се развио и валидирао модел снимања уз помоћ вештачке интелигенције за откривање коронарне артеријске болести.

Укупно 322 учесника (70%) имало је потврђену коронарну болест срца. Ове особе су углавном биле старије и чешће мушког пола. Такође су биле склоније да имају факторе ризика везане за начин живота, клиничке и биохемијске факторе ризика, као и да чешће користе превентивне лекове.

Приступ који користи термално снимање и вештачку интелигенцију био је приближно 13% бољи у предвиђању коронарне болести срца него претходна процена ризика коришћењем традиционалних фактора ризика и клиничких знакова и симптома. Међу три најзначајнија термална индикатора, укупна температурна разлика између леве и десне стране лица била је најутицајнија, а затим максимална температура лица и просечна температура лица.

Посебно, средња температура левог виличног региона била је најјачи предиктор, затим температурна разлика у десном оку и температурна разлика између леве и десне слепоочнице.

Приступ је такође ефикасно идентификовао традиционалне факторе ризика за коронарну болест срца: висок холестерол, мушки пол, пушење, прекомерна тежина (ИТМ), глукоза на наташте и индикатори упале.

Истраживачи признају релативно мали узорак своје студије и чињеницу да је спроведена само у једном центру. Поред тога, сви учесници студије су упућени на потврдне тестове ако се сумњало да имају срчане болести.

Међутим, тим пише: „Способност [термалног снимања] да предвиди [коронарну артеријску болест] указује на потенцијалне будуће примене и истраживачке могућности... Као биофизиолошка метода за процену здравља, [она] пружа информације везане за болест изван традиционалних клиничких мерења, што може побољшати процену [атеросклеротске кардиоваскуларне болести] и повезаних хроничних стања.“

„[Његова] бесконтактна природа у реалном времену омогућава тренутну процену болести на месту пружања неге, што може поједноставити клиничке токове рада и уштедети време за важне одлуке лекара и пацијената. Такође има потенцијал за масовни претходни скрининг.“

Истраживачи закључују: „Наши развијени модели предвиђања [термалног снимања] засновани на напредним технологијама [машинског учења] показали су обећавајући потенцијал у поређењу са тренутним традиционалним клиничким алатима.“

"Потребне су даље студије које укључују већи број пацијената и разноврсних популација како би се потврдила спољна валидност и генерализација тренутних налаза."