Alle iLive-inhoud wordt medisch beoordeeld of gecontroleerd op feiten om zo veel mogelijk feitelijke nauwkeurigheid te waarborgen.
We hebben strikte richtlijnen voor sourcing en koppelen alleen aan gerenommeerde mediasites, academische onderzoeksinstellingen en, waar mogelijk, medisch getoetste onderzoeken. Merk op dat de nummers tussen haakjes ([1], [2], etc.) klikbare links naar deze studies zijn.
Als u van mening bent dat onze inhoud onjuist, verouderd of anderszins twijfelachtig is, selecteert u deze en drukt u op Ctrl + Enter.
Thermische gezichtsscans en AI voorspellen nauwkeurig coronaire hartziekten
Laatst beoordeeld: 14.06.2024
Het onderzoek is gepubliceerd in BMJ Health & Care Informatics heeft ontdekt dat een combinatie van thermische beeldvorming van het gezicht en kunstmatige intelligentie (AI) de aanwezigheid van coronaire hartziekte (CHD) nauwkeurig kan voorspellen. Deze niet-invasieve, real-time methode bleek effectiever dan traditionele methoden en zou in de klinische praktijk kunnen worden geïntroduceerd om de diagnostische nauwkeurigheid en workflow te verbeteren als deze wordt getest in grotere en meer etnisch diverse patiëntenpopulaties, suggereren de onderzoekers. p>
De huidige richtlijnen voor het diagnosticeren van coronaire hartziekte zijn gebaseerd op schattingen van de waarschijnlijkheid van risicofactoren die niet altijd accuraat of breed toepasbaar zijn, zeggen onderzoekers. Hoewel deze methoden kunnen worden aangevuld met andere diagnostische hulpmiddelen zoals ECG's, angiogrammen en bloedtesten, zijn ze vaak tijdrovend en invasief, voegen de onderzoekers eraan toe.
Thermische beeldvorming, waarbij de verdeling en temperatuurvariaties op het oppervlak van een object worden vastgelegd door infraroodstraling te detecteren, is niet-invasief. Het is een veelbelovend hulpmiddel gebleken voor de beoordeling van ziekten, omdat het gebieden met een abnormale bloedsomloop en ontstekingen kan identificeren op basis van huidtemperatuurpatronen.
De opkomst van machine learning-technologieën (AI), met hun vermogen om complexe informatie te extraheren, verwerken en integreren, kan de nauwkeurigheid en efficiëntie van thermische beelddiagnostiek verbeteren.
Onderzoekers besloten de mogelijkheid te bestuderen om thermische beeldvorming in combinatie met AI te gebruiken om de aanwezigheid van coronaire hartziekten nauwkeurig te voorspellen zonder de noodzaak van invasieve en tijdrovende methoden bij 460 mensen met een vermoedelijke hartaandoening. Hun gemiddelde leeftijd was 58 jaar; 126 (27,5%) van hen waren vrouwen.
Er werden voorafgaand aan bevestigende onderzoeken thermische beeldvormingsbeelden van hun gezichten gemaakt om een door AI ondersteund beeldvormingsmodel voor het detecteren van coronaire hartziekte te ontwikkelen en valideren.
In totaal hadden 322 deelnemers (70%) een bevestigde coronaire hartziekte. Deze mensen waren doorgaans ouder en vaker mannelijk. Ze hadden ook meer kans op leefstijl-, klinische en biochemische risicofactoren, en vaker gebruik van preventieve medicijnen.
Thermische beeldvorming en AI-aanpak waren ongeveer 13% beter in het voorspellen van coronaire hartziekten dan een voorlopige risicobeoordeling met behulp van traditionele risicofactoren en klinische tekenen en symptomen. Van de drie belangrijkste thermische indicatoren was het algehele temperatuurverschil tussen de linker- en rechterkant van het gezicht de meest invloedrijke, gevolgd door de maximale gezichtstemperatuur en de gemiddelde gezichtstemperatuur.
Specifiek was de gemiddelde temperatuur van de linkerkaakregio de sterkste voorspeller, gevolgd door het temperatuurverschil in de rechteroogregio en het temperatuurverschil tussen de linker- en rechterslaap.
De aanpak identificeerde ook effectief traditionele risicofactoren voor coronaire hartziekten: hoog cholesterol, mannelijk geslacht, roken, overgewicht (BMI), nuchtere glucose en indicatoren van ontstekingen.
De onderzoekers erkennen de relatief kleine steekproefomvang van hun onderzoek en het feit dat het in slechts één centrum is uitgevoerd. Bovendien werden alle studiedeelnemers doorverwezen voor bevestigende tests voor vermoedelijke hartziekten.
Het team schrijft echter: “Het vermogen van [thermische beeldvorming] om te voorspellen op basis van [coronaire hartziekten] wijst op potentiële toekomstige toepassingen en onderzoeksmogelijkheden... Als biofysiologische gezondheidsbeoordelingsmethode [het] biedt ziekte- gerelateerde informatie die verder gaat dan traditionele klinische metingen, wat de beoordeling van [atherosclerotische hart- en vaatziekten] en gerelateerde chronische aandoeningen kan verbeteren."
"Het contactloze, realtime karakter van [it] maakt een onmiddellijke ziektebeoordeling op het zorgpunt mogelijk, waardoor de klinische workflows kunnen worden gestroomlijnd en tijd kan worden bespaard bij belangrijke beslissingen van artsen en patiënten. Bovendien heeft het de potentie voor massale voorlopige screening."
De onderzoekers concluderen: “Onze ontwikkelde [thermische beeldvorming] voorspellingsmodellen, gebaseerd op geavanceerde [machine learning] technologieën, lieten een veelbelovend potentieel zien vergeleken met de huidige traditionele klinische hulpmiddelen.”
"Verdere onderzoeken waarbij grotere aantallen patiënten en diverse populaties betrokken zijn, zijn nodig om de externe validiteit en generaliseerbaarheid van de huidige bevindingen te bevestigen."