Sejas temperatūra var paredzēt sirds slimības ar lielāku precizitāti nekā pašreizējās metodes
Pēdējā pārskatīšana: 14.06.2024
Visi iLive saturs ir medicīniski pārskatīts vai pārbaudīts, lai nodrošinātu pēc iespējas lielāku faktisko precizitāti.
Mums ir stingras iegādes vadlīnijas un tikai saikne ar cienījamiem mediju portāliem, akadēmiskām pētniecības iestādēm un, ja vien iespējams, medicīniski salīdzinošiem pārskatiem. Ņemiet vērā, ka iekavās ([1], [2] uc) esošie numuri ir klikšķi uz šīm studijām.
Ja uzskatāt, ka kāds no mūsu saturiem ir neprecīzs, novecojis vai citādi apšaubāms, lūdzu, atlasiet to un nospiediet Ctrl + Enter.
Nesenā pētījumā, kas publicēts BMJ Health & Care Informatics, pētnieki novērtēja sejas infrasarkanās termogrāfijas (IRT) izmantošanas iespējamību, lai prognozētu koronāro artēriju slimību (KSS).
IHD ir viens no galvenajiem nāves cēloņiem, un tam ir ievērojams globāls slogs. Precīza CAD diagnoze ir svarīga aprūpei un ārstēšanai. Pašlaik, lai noteiktu CAD iespējamību pacientiem, tiek izmantoti iepriekšējas pārbaudes varbūtības (PTP) novērtēšanas rīki. Tomēr šiem rīkiem ir problēmas ar subjektivitāti, ierobežotu daudzpusību un mērenu precizitāti.
Lai gan papildu kardiovaskulārās pārbaudes (koronārā kalcija skaits un elektrokardiogrāfija) vai sarežģīti klīniskie modeļi, kuros integrēti papildu laboratorijas marķieri un riska faktori, var uzlabot varbūtības aplēses, pastāv bažas par laika efektivitāti, procedūru sarežģītību un ierobežotu pieejamību. p>
IRT, bezkontakta virsmas temperatūras noteikšanas tehnoloģija, ir daudzsološa slimības novērtēšanā. Tas var noteikt iekaisumu un patoloģisku cirkulāciju, izmantojot ādas temperatūras modeļus. Pētījumi liecina par saistību starp IRT informāciju un aterosklerotiskām sirds un asinsvadu slimībām un ar to saistītajām slimībām.
Šajā pētījumā pētnieki novērtēja, vai ir iespējams izmantot sejas IRT temperatūras datus, lai prognozētu CAD. Pētījumā tika iekļauti pieaugušie, kuriem tika veikta koronārā CT angiogrāfija (CCTA) vai invazīvā koronārā angiogrāfija (ICA). Apmācīts personāls ieguva izejas datus un veica IRT aptauju pirms CCTA vai ICA.
Lai iegūtu papildu informāciju, tostarp par asins ķīmiju, klīnisko vēsturi, riska faktoriem un KSS skrīninga rezultātiem, tika izmantoti elektroniskie medicīniskie ieraksti. Viens IRT attēls katram dalībniekam tika atlasīts analīzei un apstrādāts (vienota izmēra maiņa, pelēktoņu konvertēšana un fona apgriešana).
Komanda izstrādāja IRT attēla modeli, izmantojot uzlabotu dziļās mācīšanās algoritmu. Salīdzinājumam tika izstrādāti divi modeļi: viens bija PTP (klīniskās bāzes līnijas) modelis, kas ietvēra pacientu vecumu, dzimumu un simptomu īpašības, bet otrs bija hibrīds, apvienojot gan IRT informāciju, gan klīnisko informāciju no attiecīgi IRT un PTP modeļiem..
Tika veiktas vairākas interpretējošas analīzes, tostarp oklūzijas eksperimenti, ekskrēcijas kartes vizualizācija, devas-atbildes analīze un CAD aizstājējzīmes prognozēšana. Turklāt no IRT attēla tika iegūtas dažādas tabulas IRT pazīmes, kas klasificētas visas sejas un interesējošā reģiona (ROI) līmenī.
Kopumā iegūtās īpašības tika klasificētas pirmās kārtas tekstūras, otrās kārtas tekstūras, temperatūras un fraktāļu analīzes īpašībās. XGBoost algoritms integrēja šīs iegūtās funkcijas un novērtēja to paredzamo vērtību CAD. Pētnieki novērtēja veiktspēju, izmantojot visus raksturlielumus un tikai temperatūras raksturlielumus.
No 2021. gada septembra līdz 2023. gada februārim kopumā tika novērtēti 893 pieaugušie, kuriem tika veikta CCTA vai ICA. No tiem tika iekļauti 460 dalībnieki, kuru vidējais vecums bija 58,4 gadi; 27,4% bija sievietes, un 70% bija CAD. Pacientiem ar CAD bija lielāks vecums un riska faktoru izplatība, salīdzinot ar pacientiem bez CAD. IRT attēla modelis ievērojami pārspēja PTP modeli.
Tomēr hibrīda un IRT attēlveidošanas modeļu veiktspēja būtiski neatšķīrās. Izmantojot tikai temperatūras funkcijas vai visas ekstrahētās funkcijas, bija labāka paredzamā veiktspēja, kas atbilst IRT attēlveidošanas modelim. Visas sejas līmenī vislielākā ietekme bija kopējā temperatūras starpībai no kreisās puses uz labo, savukārt ROI līmenī vislielākā ietekme bija kreisā žokļa vidējai temperatūrai.
Kad dažādi ROI tika bloķēti, IRT attēla modelim tika novēroti dažādi veiktspējas pasliktināšanās līmeņi. Vislielākā ietekme bija augšējo un apakšējo lūpu zonas oklūzijai. Turklāt IRT attēlveidošanas modelis labi veica ar CAD saistīto surogātmarķieru prognozēšanu, piemēram, hiperlipidēmiju, smēķēšanu, ķermeņa masas indeksu, glikozēto hemoglobīnu un iekaisumu.
Pētījums parādīja, ka ir iespējams izmantot sejas IRT temperatūras datus, lai prognozētu CAD. IRT attēlveidošanas modelis pārspēja vadlīnijās ieteikto PTP modeli, izceļot tā potenciālu CAD novērtējumā. Turklāt klīniskās informācijas iekļaušana IRT attēla modelī nesniedza papildu uzlabojumus, kas liecina, ka iegūtajā IRT informācijā jau bija ietverta svarīga ar CAD saistīta informācija.
Turklāt IRT modeļa paredzamā vērtība tika apstiprināta, izmantojot interpretējamas tabulas IRT funkcijas, kas relatīvi saskanēja ar IRT attēla modeli. Šie raksturlielumi sniedza informāciju arī par svarīgiem CAD prognozēšanas aspektiem, piemēram, sejas temperatūras simetriju un nevienmērīgu sadalījumu. Apstiprināšanai ir nepieciešami turpmāki pētījumi ar lielākiem paraugiem un dažādām populācijām.