Näo termiline skaneerimine ja AI ennustavad täpselt südame isheemiatõbe
Viimati vaadatud: 14.06.2024
Kõik iLive'i sisu vaadatakse meditsiiniliselt läbi või seda kontrollitakse, et tagada võimalikult suur faktiline täpsus.
Meil on ranged allhanke juhised ja link ainult mainekate meediakanalite, akadeemiliste teadusasutuste ja võimaluse korral meditsiiniliselt vastastikuste eksperthinnangutega. Pange tähele, et sulgudes ([1], [2] jne) olevad numbrid on nende uuringute linkideks.
Kui tunnete, et mõni meie sisu on ebatäpne, aegunud või muul viisil küsitav, valige see ja vajutage Ctrl + Enter.
Uuring avaldati ajakirjas BMJ Health & Care Informaticson avastanud, et näo termopildi ja tehisintellekti (AI) kombinatsioon võimaldab täpselt ennustada koronaararterite haiguse (CHD) esinemist. See mitteinvasiivne reaalajas meetod leiti olevat tõhusam kui traditsioonilised meetodid ja seda saaks kliinilises praktikas kasutusele võtta, et parandada diagnostilist täpsust ja töövoogu, kui seda testitakse suuremates ja etniliselt mitmekesisemates patsientide populatsioonides, soovitavad teadlased. p>
Praegused koronaararterite haiguse diagnoosimise juhised põhinevad hinnangutel riskifaktorite tõenäosuse kohta, mis ei ole alati täpsed ega laialdaselt rakendatavad, väidavad teadlased. Kuigi neid meetodeid saab täiendada muude diagnostikavahenditega, nagu EKG, angiogrammid ja vereanalüüsid, on need sageli aeganõudvad ja invasiivsed, lisavad teadlased.
Soojuskujutis, mis registreerib jaotuse ja temperatuuri kõikumised objekti pinnal, tuvastades infrapunakiirguse, on mitteinvasiivne. See on osutunud paljutõotavaks vahendiks haiguste hindamisel, kuna see võib naha temperatuurimustrite põhjal tuvastada ebanormaalse vereringe ja põletikuga piirkondi.
Masinõppetehnoloogiate (AI) esilekerkimine koos nende võimega keerukat teavet ekstraheerida, töödelda ja integreerida võib parandada termopildidiagnostika täpsust ja tõhusust.
Teadlased otsustasid 460 südamehaiguse kahtlusega inimesel uurida võimalust kasutada termopildistamist koos tehisintellektiga, et ennustada täpselt koronaararterite haiguse esinemist, ilma et oleks vaja kasutada invasiivseid ja aeganõudvaid meetodeid. Nende keskmine vanus oli 58 aastat; Neist 126 (27,5%) olid naised.
Nende nägudest tehti termokujutised enne kinnitavaid uuringuid, et töötada välja ja kinnitada AI-toega pildimudel koronaararterite haiguse tuvastamiseks.
Kokku 322 osalejal (70%) oli kinnitust leidnud südame isheemiatõbi. Need inimesed kaldusid olema vanemad ja suurema tõenäosusega mehed. Samuti esines neil tõenäolisemalt elustiili, kliinilisi ja biokeemilisi riskitegureid ning sagedasemat ennetavate ravimite kasutamist.
Soojuskuvamise ja tehisintellektiga lähenemine ennustas umbes 13% paremini südame isheemiatõbe kui esialgne riskihindamine, kasutades traditsioonilisi riskitegureid ning kliinilisi tunnuseid ja sümptomeid. Kolmest kõige olulisemast termilise näitaja hulgast oli kõige mõjukam üldine temperatuuride erinevus näo vasaku ja parema poole vahel, millele järgnesid maksimaalne näotemperatuur ja keskmine näotemperatuur.
Kõige tugevam ennustaja oli vasaku lõualuu piirkonna keskmine temperatuur, millele järgnesid temperatuuri erinevus parema silma piirkonnas ning temperatuuride erinevus vasaku ja parema oimu vahel.
See lähenemisviis tuvastas tõhusalt ka traditsioonilised südame isheemiatõve riskifaktorid: kõrge kolesteroolitase, meessugu, suitsetamine, ülekaal (KMI), tühja kõhuga glükoosisisaldus ja põletikunäitajad.
Teadlased tunnistavad oma uuringu suhteliselt väikest valimit ja asjaolu, et see viidi läbi ainult ühes keskuses. Lisaks suunati kõik uuringus osalejad südamehaiguse kahtluse kinnitavatele testidele.
Siiski kirjutab töörühm: "[Soojuskujutise] võime ennustada [südame isheemiatõve] põhjal viitab potentsiaalsetele tulevastele rakendustele ja uurimisvõimalustele... Biofüsioloogilise tervise hindamismeetodina pakub [see] haigusi seotud teave lisaks traditsioonilistele kliinilistele mõõtmistele, mis võib parandada [aterosklerootilise südame-veresoonkonna haiguse] ja sellega seotud krooniliste haiguste hindamist."
"[Selle] mittekontaktne reaalajas olemus võimaldab koheselt hinnata haigusi ravipunktis, mis võib sujuvamaks muuta kliinilisi töövooge ja säästa aega oluliste arsti ja patsiendi otsuste tegemiseks. Lisaks on sellel potentsiaal massiliseks eelsõelumiseks."
Teadlased järeldavad: "Meie arenenud [termilise pildistamise] ennustusmudelid, mis põhinevad täiustatud [masinõppe] tehnoloogiatel, näitasid paljulubavat potentsiaali võrreldes praeguste traditsiooniliste kliiniliste tööriistadega."
"Praeguste leidude välise kehtivuse ja üldistavuse kinnitamiseks on vaja täiendavaid uuringuid, mis hõlmavad suuremat arvu patsiente ja erinevaid populatsioone."