סריקת פנים תרמית ובינה מלאכותית מנבאות במדויק מחלות לב כלילית

המחקר פורסם בBMJ Health & Care Informaticsמצאה ששילוב של הדמיה תרמית של הפנים ובינה מלאכותית (AI) יכול לחזות במדויק נוכחות של מחלת עורקים כליליים (CHD). שיטה לא פולשנית זו בזמן אמת נמצאה יעילה יותר משיטות מסורתיות וניתן להכניס אותה לפרקטיקה הקלינית כדי לשפר את דיוק האבחון ואת זרימת העבודה אם נבדקה באוכלוסיות חולים גדולות ומגוונות יותר מבחינה אתנית, מציעים החוקרים. p>

הנחיות נוכחיות לאבחון מחלת עורקים כליליים מסתמכים על הערכות של הסבירות לגורמי סיכון שאינם תמיד מדויקים או ישימים באופן נרחב, אומרים החוקרים. אמנם ניתן להשלים את השיטות הללו על ידי כלי אבחון אחרים כגון א.ק.ג, אנגיוגרפיה ובדיקות דם, אך לעתים קרובות הן גוזלות זמן ופולשניות, מוסיפים החוקרים.

הדמיה תרמית, המתעדת את שינויי ההתפלגות והטמפרטורה על פני השטח של אובייקט על ידי זיהוי קרינה אינפרא אדומה, אינה פולשנית. זה הוכח ככלי מבטיח להערכת מחלות מכיוון שהוא יכול לזהות אזורים של זרימת דם לא תקינה ודלקת בהתבסס על דפוסי טמפרטורת העור.

הופעת טכנולוגיות למידת מכונה (AI) עם יכולתן לחלץ, לעבד ולשלב מידע מורכב יכולה לשפר את הדיוק והיעילות של אבחון הדמיה תרמית.

חוקרים החליטו לחקור את האפשרות להשתמש בהדמיה תרמית בשילוב עם AI כדי לחזות במדויק את נוכחות מחלת העורקים הכליליים ללא צורך בשיטות פולשניות וגוזלות זמן ב-460 אנשים עם חשד למחלת לב. גילם הממוצע היה 58 שנים; 126 (27.5%) מהן היו נשים.

תמונות הדמיה תרמית של פניהם נלקחו לפני בדיקות אישור לפיתוח ולאמת מודל הדמיה נתמך בינה מלאכותית לזיהוי מחלת עורקים כליליים.

סה"כ 322 משתתפים (70%) אושרו מחלת לב כלילית. אנשים אלה נטו להיות מבוגרים יותר ובסבירות גבוהה יותר להיות גברים. הם גם היו בעלי סיכון גבוה יותר לאורח חיים, קליני וביוכימי, כמו גם שימוש תכוף יותר בתרופות מונעות.

גישת הדמיה תרמית ו-AI היו טובים בכ-13% בניבוי מחלת לב כלילית מאשר הערכת סיכון ראשונית באמצעות גורמי סיכון מסורתיים וסימנים ותסמינים קליניים. בין שלושת האינדיקטורים התרמיים המשמעותיים ביותר, המשפיע ביותר היה הפרש הטמפרטורה הכולל בין הצד השמאלי והימני של הפנים, ואחריו טמפרטורת הפנים המקסימלית וטמפרטורת הפנים הממוצעת.

באופן ספציפי, הטמפרטורה הממוצעת של אזור הלסת השמאלית הייתה המנבא החזק ביותר, ואחריה הפרש הטמפרטורה באזור העין הימנית והפרש הטמפרטורה בין הרקות השמאלית והימנית.

הגישה זיהתה ביעילות גם גורמי סיכון מסורתיים למחלת לב כלילית: כולסטרול גבוה, מין, עישון, עודף משקל (BMI), גלוקוז בצום ואינדיקטורים לדלקת.

החוקרים מכירים בגודל המדגם הקטן יחסית של המחקר שלהם ובעובדה שהוא נערך במרכז אחד בלבד. בנוסף, כל משתתפי המחקר הופנו לבדיקות אישור על חשד למחלת לב.

עם זאת, הצוות כותב: "היכולת של [הדמיה תרמית] לחזות בהתבסס על [מחלת לב כלילית] מצביעה על יישומים עתידיים והזדמנויות מחקר פוטנציאליות... כשיטת הערכת בריאות ביו-פיזיולוגית, [היא] מספקת מחלות- מידע קשור מעבר למדידות קליניות מסורתיות, שעשוי לשפר את ההערכה של [מחלת לב וכלי דם טרשת עורקים] ומצבים כרוניים קשורים."

"הטבע הבלתי מגע בזמן אמת של [זה] מאפשר הערכת מחלה מיידית בנקודת הטיפול, מה שיכול לייעל זרימות עבודה קליניות ולחסוך זמן להחלטות חשובות של הרופא והמטופל. בנוסף, יש לזה פוטנציאל להקרנה מקדימה המונית."

החוקרים מסכמים: "מודלי החיזוי שפותחו [הדמיה תרמית] שלנו המבוססים על טכנולוגיות [למידת מכונה] מתקדמות הראו פוטנציאל מבטיח בהשוואה לכלים הקליניים המסורתיים הנוכחיים."

"דרושים מחקרים נוספים הכוללים מספר גדול יותר של חולים ואוכלוסיות מגוונות כדי לאשר את התוקף החיצוני וההכללה של הממצאים הנוכחיים."