Kaikki iLive-sisältö tarkistetaan lääketieteellisesti tai se tarkistetaan tosiasiallisen tarkkuuden varmistamiseksi.
Meillä on tiukat hankintaohjeet ja vain linkki hyvämaineisiin mediasivustoihin, akateemisiin tutkimuslaitoksiin ja mahdollisuuksien mukaan lääketieteellisesti vertaisarvioituihin tutkimuksiin. Huomaa, että suluissa ([1], [2] jne.) Olevat numerot ovat napsautettavia linkkejä näihin tutkimuksiin.
Jos sinusta tuntuu, että jokin sisältö on virheellinen, vanhentunut tai muuten kyseenalainen, valitse se ja paina Ctrl + Enter.
Kasvojen lämpötila voi ennustaa sydänsairauksia nykyisiä menetelmiä tarkemmin
Viimeksi tarkistettu: 02.07.2025
Äskettäin BMJ Health & Care Informatics -lehdessä julkaistussa tutkimuksessa tutkijat arvioivat kasvojen infrapunatermografian (IRT) käyttökelpoisuutta sepelvaltimotaudin (CHD) ennustamisessa.
Sepelvaltimotauti on yksi johtavista kuolinsyistä ja sillä on merkittävä maailmanlaajuinen taakka. Sepelvaltimotaudin tarkka diagnosointi on tärkeää hoidon ja hoidon kannalta. Tällä hetkellä potilaiden sepelvaltimotaudin todennäköisyyden määrittämiseen käytetään esitestitodennäköisyyden (PTP) arviointityökaluja. Näillä työkaluilla on kuitenkin ongelmia subjektiivisuuden, rajoitetun yleistettävyyden ja kohtalaisen tarkkuuden kanssa.
Vaikka lisäkardiotestit (sepelvaltimon kalsiumpisteytys ja EKG) tai kehittyneet kliiniset mallit, joihin integroidaan lisää laboratoriomerkkejä ja riskitekijöitä, voivat parantaa todennäköisyyden arviointia, niihin liittyy ajankäytön tehokkuuteen, toimenpiteiden monimutkaisuuteen ja rajalliseen saatavuuteen liittyviä ongelmia.
IRT, kosketukseton pintalämpötilan mittausteknologia, on osoittanut lupaavia tuloksia tautien arvioinnissa. Se pystyy havaitsemaan tulehduksen ja epänormaalin verenkierron ihon lämpötilamalleista. Tutkimukset osoittavat yhteyksiä IRT-tiedon ja ateroskleroottisen sydän- ja verisuonisairauden sekä siihen liittyvien sairauksien välillä.
Tässä tutkimuksessa tutkijat arvioivat kasvojen IRT-lämpötilatietojen käyttökelpoisuutta sepelvaltimotaudin ennustamisessa. Tutkimukseen osallistui aikuisia, joille tehtiin sepelvaltimoiden tietokonetomografia-angiografia (CCTA) tai invasiivinen sepelvaltimoiden varjoainekuvaus (ICA). Koulutettu henkilöstö hankki lähtötiedot ja suoritti IRT-kuvaukset ennen CCTA:ta tai ICA:ta.
Sähköisiä potilaskertomuksia käytettiin lisätietojen, kuten veren biokemian, kliinisen historian, riskitekijöiden ja sepelvaltimotautiseulonnan tulosten, hankkimiseen. Yksi IRT-kuva osallistujaa kohden valittiin analysoitavaksi ja käsitellyksi (tasainen koon muuttaminen, harmaasävymuunnos ja taustan rajaus).
Tiimi kehitti IRT-kuvamallin käyttämällä edistynyttä syväoppimisalgoritmia. Vertailua varten kehitettiin kaksi mallia: toinen oli PTP-malli (kliininen lähtötilanne), joka sisälsi potilaiden iän, sukupuolen ja oireominaisuudet, ja toinen oli hybridimalli, joka yhdisti sekä IRT- että kliiniset tiedot IRT- ja PTP-malleista.
Useita tulkinta-analyysejä tehtiin, mukaan lukien okkluusiokokeet, korostuskarttojen visualisointi, annos-vasteanalyysit ja sijais-CAD-leimojen ennustaminen. Lisäksi IRT-kuvasta erotettiin erilaisia IRT-taulukon ominaisuuksia, jotka luokiteltiin koko kasvojen ja kiinnostusalueen (ROI) tasolla.
Kaiken kaikkiaan erotetut ominaisuudet luokiteltiin ensimmäisen kertaluvun tekstuuri-, toisen kertaluvun tekstuuri-, lämpötila- ja fraktaalianalyysiominaisuuksiin. XGBoost-algoritmi integroi nämä erotetut ominaisuudet ja arvioi niiden ennustearvon CHD:lle. Tutkijat arvioivat suorituskykyä käyttämällä kaikkia ominaisuuksia ja vain lämpötilaominaisuuksia.
Yhteensä 893 aikuista, joille tehtiin CCTA tai ICA, seulottiin syyskuun 2021 ja helmikuun 2023 välisenä aikana. Näistä 460 osallistujaa, joiden keski-ikä oli 58,4 vuotta; 27,4 % oli naisia ja 70 %:lla oli sepelvaltimotauti. Sepelvaltimotautia sairastavilla potilailla oli korkeampi ikä ja riskitekijöiden esiintyvyys verrattuna potilaisiin, joilla ei ollut sepelvaltimotautia. IRT-kuvantamismalli suoriutui merkittävästi paremmin kuin PTP-malli.
Hybridi- ja IRT-kuvamallien suorituskyky ei kuitenkaan eronnut merkittävästi. Pelkästään lämpötilaominaisuuksien tai kaikkien erotettujen ominaisuuksien käytöllä oli parempi ennustuskyky, mikä oli yhdenmukaista IRT-kuvamallin kanssa. Koko kasvojen tasolla vasemman ja oikean välisellä kokonaislämpötilaerolla oli suurin vaikutus, kun taas ROI-tasolla vasemman leuan keskilämpötilalla oli suurin vaikutus.
IRT-kuvamallin suorituskyvyn heikkeneminen vaihtelevia määriä eri ROI-alueiden peittämisessä oli havaittavissa. Ylä- ja alahuulen alueen peittämisellä oli suurin vaikutus. Lisäksi IRT-kuvamalli ennusti hyvin sepelvaltimotautiin liittyviä sijaismarkkereita, kuten hyperlipidemiaa, tupakointia, painoindeksiä, glykoitunutta hemoglobiinia ja tulehdusta.
Tutkimus osoitti kasvojen IRT-lämpötilatietojen käyttökelpoisuuden sepelvaltimotaudin ennustamisessa. IRT-kuvamalli suoriutui paremmin kuin ohjeissa suositeltu PTP-malli, mikä korosti sen potentiaalia sepelvaltimotaudin arvioinnissa. Lisäksi kliinisen tiedon sisällyttäminen IRT-kuvamalliin ei tuottanut lisäparannuksia, mikä viittaa siihen, että uutetut IRT-tiedot sisälsivät jo tärkeää sepelvaltimotautiin liittyvää tietoa.
Lisäksi IRT-mallin ennustearvo vahvistettiin käyttämällä tulkittavissa olevia IRT-taulukko-ominaisuuksia, jotka olivat suhteellisen yhdenmukaisia IRT-kuvamallin kanssa. Nämä ominaisuudet antoivat myös tietoa sepelvaltimotaudin ennustamisen kannalta tärkeistä näkökohdista, kuten kasvojen lämpötilan symmetriasta ja epätasaisesta jakautumisesta. Validointia varten tarvitaan lisätutkimuksia suuremmilla otoksilla ja monimuotoisilla populaatioilla.