Gezichtsbeeldvorming en AI voorspellen nauwkeurig coronaire hartziekten

Uit een onderzoek gepubliceerd in het tijdschrift BMJ Health & Care Informatics blijkt dat een combinatie van thermische gezichtsbeelden en kunstmatige intelligentie (AI) coronaire hartziekte (CAD) nauwkeurig kan voorspellen. De niet-invasieve realtimemethode bleek effectiever dan traditionele methoden en zou in de klinische praktijk kunnen worden geïmplementeerd om de diagnostische nauwkeurigheid en workflow te verbeteren, mits getest bij grotere, etnisch diversere patiëntenpopulaties, suggereren de onderzoekers.

De huidige richtlijnen voor het diagnosticeren van coronaire hartziekte zijn gebaseerd op de waarschijnlijkheid van risicofactoren, die niet altijd accuraat of breed toepasbaar zijn, aldus de onderzoekers. Hoewel deze methoden kunnen worden aangevuld met andere diagnostische hulpmiddelen, zoals ECG's, angiogrammen en bloedonderzoek, zijn ze vaak tijdrovend en ingrijpend, voegen de onderzoekers eraan toe.

Thermische beeldvorming, waarbij de temperatuurverdeling en -variaties op het oppervlak van een object worden vastgelegd door infraroodstraling te detecteren, is niet-invasief. Het heeft zich bewezen als een veelbelovend hulpmiddel voor ziektebeoordeling, omdat het gebieden met een abnormale bloedcirculatie en ontstekingen kan identificeren op basis van huidtemperatuurpatronen.

De opkomst van technologieën voor machinaal leren (AI) met hun vermogen om complexe informatie te extraheren, verwerken en integreren, kan de nauwkeurigheid en efficiëntie van thermische beelddiagnostiek verbeteren.

De onderzoekers onderzochten de mogelijkheid om warmtebeeldvorming in combinatie met kunstmatige intelligentie (AI) te gebruiken om de aanwezigheid van coronaire hartziekte 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%) waren vrouwen.

Voorafgaand aan de bevestigende onderzoeken werden thermische beelden van hun gezichten gemaakt om een AI-ondersteund beeldvormingsmodel voor het detecteren van coronaire hartziekte te ontwikkelen en valideren.

In totaal hadden 322 deelnemers (70%) een bevestigde coronaire hartziekte. Deze personen waren over het algemeen ouder en vaker man. Ze hadden ook vaker leefstijlgerelateerde, klinische en biochemische risicofactoren, en gebruikten vaker preventieve medicijnen.

De aanpak met behulp van thermische beeldvorming en kunstmatige intelligentie (AI) was ongeveer 13% beter in het voorspellen van coronaire hartziekten dan een voorafgaande risicobeoordeling met behulp van traditionele risicofactoren en klinische tekenen en symptomen. Van de drie belangrijkste thermische indicatoren was het totale temperatuurverschil tussen de linker- en rechterkant van het gezicht het meest invloedrijk, gevolgd door de maximale gezichtstemperatuur en de gemiddelde gezichtstemperatuur.

Vooral de gemiddelde temperatuur in de linkerkaakstreek bleek de beste voorspeller, gevolgd door het temperatuurverschil in de rechteroogstreek en het temperatuurverschil tussen de linker- en rechterslaap.

Met deze aanpak konden ook effectief de traditionele risicofactoren voor coronaire hartziekten worden geïdentificeerd: een hoog cholesterolgehalte, mannelijk geslacht, roken, overgewicht (BMI), nuchtere glucose en indicatoren voor ontstekingen.

De onderzoekers erkennen de relatief kleine steekproefomvang van hun onderzoek en het feit dat het in slechts één centrum werd uitgevoerd. Bovendien werden alle deelnemers aan het onderzoek doorverwezen voor bevestigende tests indien er een vermoeden bestond van een hartaandoening.

Het team schrijft echter: "Het vermogen van [thermische beeldvorming] om [kransslagaderziekte] te voorspellen, wijst op potentiële toekomstige toepassingen en onderzoeksmogelijkheden... Als biofysiologische methode voor het beoordelen van de gezondheid biedt [het] ziektegerelateerde informatie die verder gaat dan traditionele klinische metingen, wat de beoordeling van [atherosclerotische cardiovasculaire ziekten] en gerelateerde chronische aandoeningen kan verbeteren."

"Het contactloze, realtime karakter maakt directe ziektebeoordeling op de plaats van zorg mogelijk, wat klinische workflows kan stroomlijnen en tijd kan besparen voor belangrijke beslissingen van arts en patiënt. Het biedt ook mogelijkheden voor grootschalige pre-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."

Er zijn verdere studies met grotere aantallen patiënten en diverse populaties nodig om de externe validiteit en generaliseerbaarheid van de huidige bevindingen te bevestigen.