Näo temperatuur võib ennustada südamehaigusi suurema täpsusega kui praegused meetodid

Hiljutises ajakirjas BMJ Health & Care Informatics avaldatud uuringus hindasid teadlased näo infrapunatermograafia (IRT) teostatavust südame isheemiatõve (CHD) ennustamiseks.

Südame isheemiatõbi (KSH) on üks peamisi surmapõhjuseid ja sellel on märkimisväärne ülemaailmne koormus. KSH täpne diagnoosimine on oluline ravi ja ravi seisukohalt. Praegu kasutatakse KSH tõenäosuse määramiseks patsientidel eeltestimise tõenäosuse (PTP) hindamisvahendeid. Nendel vahenditel on aga probleeme subjektiivsuse, piiratud üldistatavuse ja mõõduka täpsusega.

Kuigi täiendav kardiovaskulaarne testimine (pärgarteri kaltsiumisisaldus ja elektrokardiograafia) või keerukad kliinilised mudelid, mis integreerivad täiendavaid laboratoorseid markereid ja riskitegureid, võivad tõenäosuse hindamist parandada, on probleeme ajatõhususe, protseduurilise keerukuse ja piiratud kättesaadavusega.

IRT, kontaktivaba pinnatemperatuuri tuvastamise tehnoloogia, näitab haiguste hindamisel paljulubavaid tulemusi. See suudab tuvastada põletikku ja ebanormaalset verevoolu naha temperatuurimustrite põhjal. Uuringud näitavad seoseid IRT-teabe ja aterosklerootilise südame-veresoonkonna haiguse ning sellega seotud seisundite vahel.

Selles uuringus hindasid teadlased näo IRT temperatuuriandmete teostatavust südame isheemiatõve ennustamiseks. Uuringusse kaasati täiskasvanud, kellele tehti koronaarangiograafia (CCTA) või invasiivne koronaarangiograafia (ICA). Koolitatud personal hankis lähteandmed ja tegi IRT-uuringud enne CCTA-d või ICA-d.

Lisateabe, sh vere biokeemia, kliinilise anamneesi, riskifaktorite ja CAD-sõeluuringu tulemuste saamiseks kasutati elektroonilisi haiguslugusid. Analüüsiks ja töödeldi (ühtlane suuruse muutmine, halltoonidesse teisendamine ja tausta kärpimine) iga osaleja kohta üks IRT-pilt.

Meeskond töötas välja IRT-pildimudeli, kasutades täiustatud süvaõppe algoritmi. Võrdluseks töötati välja kaks mudelit: üks oli PTP (kliinilise baasjoone) mudel, mis hõlmas patsientide vanust, sugu ja sümptomite omadusi, ning teine oli hübriidmudel, mis ühendas nii IRT- kui ka kliinilise teabe vastavalt IRT- ja PTP-mudelitest.

Viidi läbi mitu interpretatsioonianalüüsi, sh oklusioonieksperimendid, esiletõstude kaartide visualiseerimine, annuse-vastuse analüüsid ja asendus-CAD-märgiste ennustamine. Lisaks ekstraheeriti IRT-pildilt mitmesuguseid IRT-tabeli tunnuseid, mis klassifitseeriti kogu näo ja huvipiirkonna (ROI) tasandil.

Üldiselt liigitati ekstraheeritud tunnused esimese järgu tekstuuri, teise järgu tekstuuri, temperatuuri ja fraktaalanalüüsi tunnusteks. XGBoosti algoritm integreeris need ekstraheeritud tunnused ja hindas nende ennustusväärtust CHD jaoks. Teadlased hindasid jõudlust, kasutades kõiki tunnuseid ja ainult temperatuuri tunnuseid.

Ajavahemikul september 2021 kuni veebruar 2023 skriiniti kokku 893 täiskasvanut, kellele tehti CCTA või ICA. Neist kaasati 460 osalejat keskmise vanusega 58,4 aastat; 27,4% olid naised ja 70%-l oli südame isheemiatõbi. Südame isheemiatõvega patsientidel oli kõrgem vanus ja riskitegurite levimus võrreldes südame isheemiatõveta patsientidega. IRT-pildi mudel oli oluliselt parem kui PTP mudel.

Hübriid- ja IRT-pildimudelite toimivus ei erinenud siiski oluliselt. Ainult temperatuuritunnuste või kõigi ekstraheeritud tunnuste kasutamisel oli parem ennustusvõime, mis oli kooskõlas IRT-pildimudeliga. Kogu näo tasandil oli suurim mõju vasaku ja parema temperatuuri erinevusel, samas kui investeeringutasuvuse tasandil oli suurim mõju vasaku lõualuu keskmisel temperatuuril.

Erinevate ROI-de varjamisel täheldati IRT-pildimudeli puhul erinevat jõudluse halvenemist. Suurim mõju oli ülahuule ja alahuule piirkonna varjamisel. Lisaks toimis IRT-pildimudel hästi südame isheemiatõvega seotud asendusmarkerite, näiteks hüperlipideemia, suitsetamise, kehamassiindeksi, glükeeritud hemoglobiini ja põletiku ennustamisel.

Uuring näitas näo IRT temperatuuriandmete teostatavust CAD-i ennustamiseks. IRT-pildimudel ületas suunistes soovitatud PTP-mudeli tulemusi, mis rõhutas selle potentsiaali CAD-i hindamisel. Lisaks ei andnud kliinilise teabe lisamine IRT-pildimudelisse täiendavat paranemist, mis viitab sellele, et ekstraheeritud IRT-teave sisaldas juba olulist CAD-iga seotud teavet.

Lisaks kinnitati IRT-mudeli ennustusväärtust tõlgendatavate IRT-tabeli tunnuste abil, mis olid IRT-pildimudeliga suhteliselt kooskõlas. Need tunnused andsid teavet ka oluliste CHD ennustamise aspektide kohta, nagu näotemperatuuri sümmeetria ja ebaühtlane jaotus. Valideerimiseks on vaja täiendavaid uuringuid suuremate valimite ja mitmekesiste populatsioonidega.