การวัดอุณหภูมิใบหน้าอาจทำนายโรคหัวใจได้แม่นยำกว่าวิธีการปัจจุบัน

ในการศึกษาล่าสุดที่ตีพิมพ์ใน BMJ Health & Care Informatics นักวิจัยได้ประเมินความเป็นไปได้ในการใช้เครื่องวัดอุณหภูมิอินฟราเรดบนใบหน้า (IRT) เพื่อทำนายโรคหลอดเลือดหัวใจ (CHD)

IHD เป็นหนึ่งในสาเหตุสำคัญของการเสียชีวิตและเป็นภาระระดับโลกที่สำคัญ การวินิจฉัยโรค CAD อย่างถูกต้องเป็นสิ่งสำคัญสำหรับการดูแลและการรักษา ปัจจุบันมีการใช้เครื่องมือประเมินความน่าจะเป็นก่อนการทดสอบ (PTP) เพื่อกำหนดโอกาสที่จะเกิด CAD ในผู้ป่วย อย่างไรก็ตาม เครื่องมือเหล่านี้มีปัญหาเกี่ยวกับความเป็นส่วนตัว ความหลากหลายที่จำกัด และความแม่นยำปานกลาง

แม้ว่าการตรวจหัวใจและหลอดเลือดเพิ่มเติม (การนับแคลเซียมในหลอดเลือดหัวใจและการตรวจคลื่นไฟฟ้าหัวใจ) หรือแบบจำลองทางคลินิกที่ซับซ้อนซึ่งรวมเครื่องหมายทางห้องปฏิบัติการเพิ่มเติมและปัจจัยเสี่ยงสามารถปรับปรุงการประมาณการความน่าจะเป็นได้ แต่ก็มีข้อกังวลที่เกี่ยวข้องกับประสิทธิภาพด้านเวลา ความซับซ้อนของขั้นตอน และความพร้อมที่จำกัด p>

IRT ซึ่งเป็นเทคโนโลยีการตรวจจับอุณหภูมิพื้นผิวแบบไม่สัมผัส มีแนวโน้มในการประเมินโรค สามารถตรวจจับการอักเสบและการไหลเวียนที่ผิดปกติผ่านรูปแบบอุณหภูมิผิวหนัง การวิจัยแสดงให้เห็นความสัมพันธ์ระหว่างข้อมูล IRT กับโรคหลอดเลือดหัวใจและภาวะที่เกี่ยวข้อง

ในการศึกษานี้ นักวิจัยได้ประเมินความเป็นไปได้ในการใช้ข้อมูลอุณหภูมิ IRT ใบหน้าเพื่อคาดการณ์ CAD ผู้ใหญ่ที่ได้รับการตรวจหลอดเลือดหัวใจด้วยเครื่องเอกซเรย์คอมพิวเตอร์ (CCTA) หรือเครื่องตรวจหลอดเลือดหัวใจแบบรุกราน (ICA) ถูกรวมอยู่ในการศึกษานี้ บุคลากรที่ได้รับการฝึกอบรมได้รับข้อมูลดิบและดำเนินการสำรวจของ IRT ก่อน CCTA หรือ ICA

บันทึกทางการแพทย์แบบอิเล็กทรอนิกส์ถูกนำมาใช้เพื่อรับข้อมูลเพิ่มเติม รวมถึงเคมีในเลือด ประวัติทางคลินิก ปัจจัยเสี่ยง และผลการตรวจคัดกรอง CHD เลือกรูปภาพ IRT หนึ่งภาพต่อผู้เข้าร่วมสำหรับการวิเคราะห์และประมวลผล (การปรับขนาดแบบรวม การแปลงระดับสีเทา และการครอบตัดพื้นหลัง)

ทีมงานพัฒนาโมเดลภาพ IRT โดยใช้อัลกอริธึมการเรียนรู้เชิงลึกขั้นสูง แบบจำลองสองแบบได้รับการพัฒนาเพื่อการเปรียบเทียบ: แบบหนึ่งคือแบบจำลอง PTP (พื้นฐานทางคลินิก) ที่รวมอายุ เพศ และลักษณะอาการของผู้ป่วย และอีกแบบหนึ่งเป็นแบบลูกผสม ซึ่งรวมทั้งข้อมูล IRT และข้อมูลทางคลินิกจากแบบจำลอง IRT และ PTP ตามลำดับ.

มีการวิเคราะห์เชิงตีความหลายอย่าง รวมถึงการทดลองการบดเคี้ยว การสร้างภาพแผนที่การขับถ่าย การวิเคราะห์การตอบสนองต่อขนาดยา และการทำนายฉลากตัวแทน CAD นอกจากนี้ คุณลักษณะ IRT แบบตารางต่างๆ ยังถูกแยกออกจากรูปภาพ IRT โดยจำแนกตามระดับใบหน้าทั้งหมดและบริเวณที่สนใจ (ROI)

โดยรวมแล้ว คุณลักษณะที่แยกออกมาจะถูกจัดประเภทเป็นพื้นผิวลำดับที่หนึ่ง พื้นผิวลำดับที่สอง อุณหภูมิ และคุณลักษณะการวิเคราะห์เศษส่วน อัลกอริธึม XGBoost ผสานรวมคุณสมบัติที่แยกออกมาเหล่านี้และประเมินค่าการคาดการณ์สำหรับ CAD นักวิจัยประเมินประสิทธิภาพโดยใช้คุณลักษณะทั้งหมดและเฉพาะคุณลักษณะอุณหภูมิเท่านั้น

ผู้ใหญ่ทั้งหมด 893 คนที่เข้ารับการรักษา CCTA หรือ ICA ได้รับการประเมินระหว่างเดือนกันยายน 2021 ถึงกุมภาพันธ์ 2023 ในจำนวนนี้ มีผู้เข้าร่วม 460 คนที่มีอายุเฉลี่ย 58.4 ปี 27.4% เป็นผู้หญิง และ 70% มี CAD ผู้ป่วยที่เป็นโรค CAD มีอายุและความชุกของปัจจัยเสี่ยงสูงกว่าเมื่อเปรียบเทียบกับผู้ป่วยที่ไม่มี CAD โมเดลภาพ IRT มีประสิทธิภาพเหนือกว่าโมเดล PTP อย่างมาก

อย่างไรก็ตาม ประสิทธิภาพของโมเดลการถ่ายภาพแบบไฮบริดและ IRT ไม่ได้แตกต่างกันอย่างมีนัยสำคัญ การใช้เฉพาะคุณสมบัติอุณหภูมิหรือคุณสมบัติที่แยกออกมาทั้งหมดมีประสิทธิภาพการทำนายที่เหนือกว่า ซึ่งสอดคล้องกับแบบจำลองการถ่ายภาพ IRT ที่ระดับทั่วทั้งใบหน้า อิทธิพลที่ยิ่งใหญ่ที่สุดคือความแตกต่างของอุณหภูมิโดยรวมจากซ้ายไปขวา ในขณะที่ที่ระดับ ROI อุณหภูมิเฉลี่ยของขากรรไกรซ้ายมีอิทธิพลมากที่สุด

ระดับต่างๆ ของประสิทธิภาพที่ลดลงสำหรับโมเดลภาพ IRT เมื่อ ROI ที่แตกต่างกันถูกแยกออก การสบกันของบริเวณริมฝีปากบนและล่างมีผลกระทบมากที่สุด นอกจากนี้ แบบจำลองการถ่ายภาพด้วย IRT ยังทำงานได้ดีในการทำนายเครื่องหมายตัวแทนที่เกี่ยวข้องกับ CAD เช่น ไขมันในเลือดสูง การสูบบุหรี่ ดัชนีมวลกาย ไกลเคเตตฮีโมโกลบิน และการอักเสบ

การศึกษานี้แสดงให้เห็นถึงความเป็นไปได้ในการใช้ข้อมูลอุณหภูมิใบหน้า IRT เพื่อทำนาย CAD โมเดลการถ่ายภาพ IRT มีประสิทธิภาพเหนือกว่าโมเดล PTP ที่แนะนำตามแนวทาง ซึ่งเน้นย้ำถึงศักยภาพในการประเมิน CAD นอกจากนี้ การรวมข้อมูลทางคลินิกเข้าในโมเดลภาพ IRT ยังไม่ช่วยให้เกิดการปรับปรุงเพิ่มเติม ซึ่งแสดงให้เห็นว่าข้อมูล IRT ที่แยกออกมามีข้อมูลที่เกี่ยวข้องกับ CAD ที่สำคัญอยู่แล้ว

ยิ่งไปกว่านั้น ค่าการทำนายของโมเดล IRT ได้รับการยืนยันโดยใช้คุณลักษณะ IRT แบบตารางที่ตีความได้ซึ่งค่อนข้างสอดคล้องกับโมเดลภาพ IRT ลักษณะเหล่านี้ยังให้ข้อมูลเกี่ยวกับประเด็นสำคัญในการทำนาย CAD เช่น ความสมมาตรของอุณหภูมิใบหน้าและการกระจายที่ไม่สม่ำเสมอ จำเป็นต้องมีการศึกษาเพิ่มเติมโดยใช้กลุ่มตัวอย่างที่ใหญ่ขึ้นและกลุ่มประชากรที่หลากหลายเพื่อการตรวจสอบความถูกต้อง