Η θερμοκρασία του προσώπου μπορεί να προβλέπει καρδιακές παθήσεις με μεγαλύτερη ακρίβεια από τις τρέχουσες μεθόδους

Σε μια πρόσφατη μελέτη που δημοσιεύτηκε στο περιοδικό BMJ Health & Care Informatics, οι ερευνητές αξιολόγησαν τη σκοπιμότητα χρήσης υπέρυθρης θερμογραφίας (IRT) προσώπου για την πρόβλεψη στεφανιαίας νόσου (CHD).

Η στεφανιαία νόσος (ΣΝ) είναι μία από τις κύριες αιτίες θανάτου και έχει σημαντικό παγκόσμιο βάρος. Η ακριβής διάγνωση της ΣΝ είναι σημαντική για τη φροντίδα και τη θεραπεία. Επί του παρόντος, χρησιμοποιούνται εργαλεία αξιολόγησης προ-δοκιμασίας πιθανότητας (PTP) για τον προσδιορισμό της πιθανότητας εμφάνισης ΣΝ σε ασθενείς. Ωστόσο, αυτά τα εργαλεία παρουσιάζουν προβλήματα υποκειμενικότητας, περιορισμένης γενικευσιμότητας και μέτριας ακρίβειας.

Παρόλο που οι πρόσθετες καρδιαγγειακές εξετάσεις (βαθμολογία ασβεστίου στεφανιαίας αρτηρίας και ηλεκτροκαρδιογράφημα) ή τα εξελιγμένα κλινικά μοντέλα που ενσωματώνουν πρόσθετους εργαστηριακούς δείκτες και παράγοντες κινδύνου μπορούν να βελτιώσουν την εκτίμηση της πιθανότητας, υπάρχουν ζητήματα που σχετίζονται με την αποδοτικότητα του χρόνου, την πολυπλοκότητα της διαδικασίας και την περιορισμένη διαθεσιμότητα.

Η IRT, μια τεχνολογία ανίχνευσης θερμοκρασίας επιφάνειας χωρίς επαφή, δείχνει πολλά υποσχόμενα αποτελέσματα για την αξιολόγηση ασθενειών. Μπορεί να ανιχνεύσει φλεγμονή και μη φυσιολογική ροή αίματος από τα πρότυπα θερμοκρασίας του δέρματος. Μελέτες δείχνουν συσχετίσεις μεταξύ των πληροφοριών IRT και της αθηροσκληρωτικής καρδιαγγειακής νόσου και σχετικών παθήσεων.

Σε αυτήν τη μελέτη, οι ερευνητές αξιολόγησαν τη σκοπιμότητα χρήσης δεδομένων θερμοκρασίας IRT προσώπου για την πρόβλεψη της στεφανιαίας νόσου. Στη μελέτη συμπεριλήφθηκαν ενήλικες που υποβλήθηκαν σε αξονική τομογραφία στεφανιαίων (CCTA) ή επεμβατική στεφανιογραφία (ICA). Εκπαιδευμένο προσωπικό έλαβε δεδομένα αναφοράς και πραγματοποίησε λήψεις IRT πριν από την CCTA ή την ICA.

Χρησιμοποιήθηκαν ηλεκτρονικά ιατρικά αρχεία για τη λήψη πρόσθετων πληροφοριών, συμπεριλαμβανομένης της βιοχημείας του αίματος, του κλινικού ιστορικού, των παραγόντων κινδύνου και των αποτελεσμάτων του ελέγχου για στεφανιαία νόσο. Μία εικόνα IRT ανά συμμετέχοντα επιλέχθηκε για ανάλυση και επεξεργασία (ομοιόμορφη αλλαγή μεγέθους, μετατροπή σε κλίμακα του γκρι και περικοπή φόντου).

Η ομάδα ανέπτυξε ένα μοντέλο εικόνας IRT χρησιμοποιώντας έναν προηγμένο αλγόριθμο βαθιάς μάθησης. Αναπτύχθηκαν δύο μοντέλα για σύγκριση: το ένα ήταν ένα μοντέλο PTP (κλινική βασική γραμμή) που περιελάμβανε την ηλικία, το φύλο και τα χαρακτηριστικά των συμπτωμάτων των ασθενών, και το άλλο ήταν ένα υβριδικό, που συνδύαζε τόσο την IRT όσο και τις κλινικές πληροφορίες από τα μοντέλα IRT και PTP, αντίστοιχα.

Πραγματοποιήθηκαν αρκετές αναλύσεις ερμηνείας, συμπεριλαμβανομένων πειραμάτων απόφραξης, οπτικοποίησης χαρτών φωτεινότητας, αναλύσεων δόσης-απόκρισης και πρόβλεψης υποκατάστατων ετικετών CAD. Επιπλέον, διάφορα χαρακτηριστικά του πίνακα IRT εξήχθησαν από την εικόνα IRT, ταξινομημένα σε επίπεδο ολόκληρου του προσώπου και περιοχής ενδιαφέροντος (ROI).

Συνολικά, τα εξαγόμενα χαρακτηριστικά ταξινομήθηκαν σε χαρακτηριστικά υφής πρώτης τάξης, υφής δεύτερης τάξης, θερμοκρασίας και ανάλυσης φράκταλ. Ο αλγόριθμος XGBoost ενσωμάτωσε αυτά τα εξαγόμενα χαρακτηριστικά και αξιολόγησε την προγνωστική τους αξία για τη ΣΝ. Οι ερευνητές αξιολόγησαν την απόδοση χρησιμοποιώντας όλα τα χαρακτηριστικά και μόνο τα χαρακτηριστικά θερμοκρασίας.

Συνολικά 893 ενήλικες που υποβλήθηκαν σε CCTA ή ICA εξετάστηκαν μεταξύ Σεπτεμβρίου 2021 και Φεβρουαρίου 2023. Από αυτούς, συμπεριλήφθηκαν 460 συμμετέχοντες με μέση ηλικία 58,4 έτη. Το 27,4% ήταν γυναίκες και το 70% είχε στεφανιαία νόσο. Οι ασθενείς με στεφανιαία νόσο είχαν υψηλότερη ηλικία και συχνότητα εμφάνισης παραγόντων κινδύνου σε σύγκριση με τους ασθενείς χωρίς στεφανιαία νόσο. Το μοντέλο IRT-εικόνας υπερέβη σημαντικά την απόδοση του μοντέλου PTP.

Ωστόσο, η απόδοση των υβριδικών και IRT μοντέλων εικόνας δεν διέφερε σημαντικά. Η χρήση μόνο των χαρακτηριστικών θερμοκρασίας ή όλων των εξαγόμενων χαρακτηριστικών είχε ανώτερη προγνωστική απόδοση, η οποία ήταν σύμφωνη με το μοντέλο εικόνας IRT. Σε επίπεδο ολόκληρου του προσώπου, η συνολική διαφορά θερμοκρασίας από αριστερά προς τα δεξιά είχε τη μεγαλύτερη επίδραση, ενώ σε επίπεδο ROI, η μέση θερμοκρασία της αριστερής γνάθου είχε τη μεγαλύτερη επίδραση.

Παρατηρήθηκαν ποικίλα επίπεδα υποβάθμισης της απόδοσης για το μοντέλο εικόνας IRT κατά την απόφραξη διαφορετικών ROI. Η απόφραξη της περιοχής του άνω και κάτω χείλους είχε τη μεγαλύτερη επίδραση. Επιπλέον, το μοντέλο εικόνας IRT είχε καλή απόδοση στην πρόβλεψη υποκατάστατων δεικτών που σχετίζονται με τη στεφανιαία νόσο, όπως η υπερλιπιδαιμία, το κάπνισμα, ο δείκτης μάζας σώματος, η γλυκοζυλιωμένη αιμοσφαιρίνη και η φλεγμονή.

Η μελέτη κατέδειξε τη δυνατότητα χρήσης δεδομένων θερμοκρασίας IRT προσώπου για την πρόβλεψη της στεφανιαίας νόσου (CAD). Το μοντέλο εικόνας IRT ξεπέρασε το μοντέλο PTP που συνιστάται από τις κατευθυντήριες γραμμές, υπογραμμίζοντας τις δυνατότητές του στην αξιολόγηση της στεφανιαίας νόσου. Επιπλέον, η ενσωμάτωση κλινικών πληροφοριών στο μοντέλο εικόνας IRT δεν παρείχε πρόσθετη βελτίωση, υποδηλώνοντας ότι οι εξαγόμενες πληροφορίες IRT περιείχαν ήδη σημαντικές πληροφορίες σχετικά με τη στεφανιαία νόσο.

Επιπλέον, η προγνωστική αξία του μοντέλου IRT επιβεβαιώθηκε χρησιμοποιώντας τα ερμηνεύσιμα χαρακτηριστικά του πίνακα IRT, τα οποία ήταν σχετικά συμβατά με το μοντέλο εικόνας IRT. Αυτά τα χαρακτηριστικά παρείχαν επίσης πληροφορίες σχετικά με σημαντικές πτυχές για την πρόβλεψη της ΣΝ, όπως η συμμετρία της θερμοκρασίας του προσώπου και η ανομοιομορφία κατανομής. Απαιτούνται περαιτέρω μελέτες με μεγαλύτερα δείγματα και ποικίλους πληθυσμούς για την επικύρωση.