دمای صورت می‌تواند بیماری قلبی را با دقت بیشتری نسبت به سایر روش‌ها پیش‌بینی کند

به گزارش مجله خبری نگار، در مطالعه‌ای که اخیراً در مجله BMJ Health & Care Informatics منتشر شده است، محققان امکان استفاده از داده‌های ترموگرافی مادون قرمز صورت انسان (IRT) را برای پیش‌بینی بیماری عروق کرونر قلب (CHD) ارزیابی کردند.

بیماری عروق کرونر قلب (CHD) یکی از علل اصلی مرگ و میر با بار جهانی قابل توجه است. ارزیابی دقیق بیماری عروق کرونر قلب (CHD) برای مراقبت و درمان بسیار مهم است. در حال حاضر، از ابزار‌های احتمال پیش از آزمایش (PTP) برای تعیین احتمال بیماری عروق کرونر قلب در بیماران مشکوک به بیماری عروق کرونر قلب استفاده می‌شود. با این حال، این ابزار‌ها مشکلاتی در مورد ذهنیت‌گرایی، قابلیت تعمیم محدود و دقت متوسط ​​دارند.

اگرچه آزمایش‌های قلبی عروقی اضافی (ارزیابی کلسیم عروق کرونر و الکتروکاردیوگرافی) یا مدل‌های بالینی پیچیده که نشانگر‌های آزمایشگاهی اضافی و عوامل خطر را ادغام می‌کنند، ممکن است تخمین‌های احتمال را بهبود بخشند، اما مسائلی مربوط به بهره‌وری زمانی، پیچیدگی رویه‌ای و دسترسی محدود وجود دارد.

IRT، یک فناوری دمای سطح بدون تماس، نویدبخش ارزیابی بیماری است. این فناوری می‌تواند التهاب و اختلالات گردش خون را از روی علائم دمای پوست تشخیص دهد. تحقیقات نشان می‌دهد که بین اطلاعات IRT و بیماری قلبی عروقی آترواسکلروتیک و بیماری‌های مرتبط با آن ارتباطی وجود دارد.

در مطالعه حاضر، محققان امکان‌سنجی استفاده از داده‌های دمای صورت IRT را برای پیش‌بینی بیماری عروق کرونر قلب (CAD) ارزیابی کردند. بزرگسالانی که تحت آنژیوگرافی سی‌تی کرونری (CCTA) یا آنژیوگرافی تهاجمی کرونری (ICA) قرار گرفتند، در این مطالعه گنجانده شدند. پرسنل آموزش‌دیده داده‌های پایه را جمع‌آوری کرده و قبل از CCTA یا ICA، تصویربرداری IRT را انجام دادند.

از پرونده‌های پزشکی الکترونیکی برای به دست آوردن اطلاعات بیشتر، از جمله بیوشیمی خون، سابقه پزشکی، عوامل خطر و نتایج معاینه CAD استفاده شد. قبل از تجزیه و تحلیل، یک تصویر IRT برای هر شرکت‌کننده انتخاب و پردازش شد (تغییر اندازه یکنواخت، تبدیل به تصویر خاکستری و برش پس‌زمینه). پیش‌بینی‌کننده مورد نظر، وجود CAD بود که به صورت تنگی ضایعه کرونری ≥ ۵۰ ٪ تعریف می‌شود.

این تیم یک مدل تصویر IRT با یک الگوریتم یادگیری عمیق پیشرفته توسعه داد. برای مقایسه، دو مدل نیز توسعه داده شد؛ یکی مدل PTP (مبنا بالینی) بود که شامل سن، جنسیت و ویژگی‌های علائم بیماران می‌شد و دیگری یک مدل ترکیبی بود که به ترتیب شامل IRT و اطلاعات بالینی از تصاویر IRT و مدل‌های PTP بود.

چندین تحلیل تفسیری انجام شد، از جمله آزمایش‌های انسداد، تجسم نقشه برجستگی، تحلیل دوز-پاسخ و پیش‌بینی برچسب جایگزین CAD. علاوه بر این، توابع مختلف جدول IRT از تصویر IRT استخراج و در سطوح کل چهره و منطقه مورد نظر (ROI) طبقه‌بندی شدند.

به طور کلی، ویژگی‌های استخراج‌شده به ترتیب به بافت‌های مرتبه اول، بافت‌های مرتبه دوم، دما‌ها و ویژگی‌های تحلیل فرکتال تقسیم شدند. الگوریتم XGBoost این ویژگی‌های استخراج‌شده را ادغام کرده و ارزش پیش‌بینی‌کننده آنها را برای CAD ارزیابی کرد. محققان عملکرد را با استفاده از همه ویژگی‌ها و فقط ویژگی‌های دما ارزیابی کردند.

در مجموع ۸۹۳ بزرگسال که تحت CCTA یا ICA قرار گرفتند، بین سپتامبر ۲۰۲۱ و فوریه ۲۰۲۳ غربالگری شدند. از این تعداد، ۴۶۰ شرکت‌کننده با میانگین سنی ۵۸.۴ سال در مطالعه حضور داشتند؛ ۲۷.۴٪ زن و ۷۰٪ مبتلا به بیماری عروق کرونر قلب بودند. افراد مبتلا به بیماری عروق کرونر قلب مسن‌تر، مرد بودند و در مقایسه با افراد بدون بیماری عروق کرونر قلب، شیوع عوامل خطر در آنها بیشتر بود. مدل تصویربرداری IRT به طور قابل توجهی بهتر از مدل PTP عمل کرد.

با این حال، عملکرد مدل‌های تصویر ترکیبی و مدل‌های تصویر IRT تفاوت قابل توجهی نداشت. استفاده از تنها ویژگی‌های دما یا تمام ویژگی‌های استخراج‌شده، عملکرد پیش‌بینی بهتری داشت که با مدل تصویر IRT سازگار است. در سطح کل صورت، اختلاف دمای کلی چپ و راست بیشترین تأثیر را داشت، در حالی که در سطح ROI، میانگین دمای فک چپ بیشترین تأثیر را داشت.

برای مدل تصویر IRT، سطوح مختلفی از تخریب عملکرد هنگام مسدود شدن ROI‌های مختلف مشاهده شد. مهمترین تأثیر با انسداد ناحیه لب بالا و پایین مشاهده شد. علاوه بر این، مدل تصویر IRT در پیش‌بینی نشانگر‌های جایگزین مرتبط با CAD، مانند چربی خون بالا، سیگار کشیدن، شاخص توده بدنی، هموگلوبین گلیکوزیله و التهاب، عملکرد خوبی داشت.

این مطالعه امکان استفاده از داده‌های دمای IRT چهره انسان را برای پیش‌بینی CAD نشان داد. مدل تصویر IRT عملکرد بهتری نسبت به مدل PTP توصیه‌شده در دستورالعمل‌ها داشت و پتانسیل آن را در ارزیابی CAD برجسته کرد. علاوه بر این، گنجاندن اطلاعات بالینی در مدل تصویر IRT پیشرفت‌های بیشتری را ارائه نکرد، که نشان می‌دهد اطلاعات IRT چهره استخراج‌شده در حال حاضر شامل اطلاعات مرتبط با CAD است.

علاوه بر این، ارزش پیش‌بینی مدل IRT با استفاده از توابع جدول IRT قابل تفسیر که نسبتاً با مدل تصویر IRT سازگار بودند، تأیید شد. علاوه بر این، این توابع IRT قابل تفسیر توسط انسان، بینش‌هایی را در مورد جنبه‌های مهم برای پیش‌بینی CAD، مانند تقارن دمای صورت و ناهمواری توزیع، ارائه دادند. برای تأیید، مطالعات بیشتر با حجم نمونه بزرگتر و جمعیت‌های متنوع مورد نیاز است.