Terminis veido skenavimas ir AI tiksliai prognozuoja koronarinę širdies ligą
Paskutinį kartą peržiūrėta: 14.06.2024
Visas „iLive“ turinys yra peržiūrėtas medicinoje arba tikrinamas, kad būtų užtikrintas kuo didesnis faktinis tikslumas.
Mes turime griežtas įsigijimo gaires ir susiejamos tik su geros reputacijos žiniasklaidos svetainėmis, akademinių tyrimų institucijomis ir, jei įmanoma, medicininiu požiūriu peržiūrimais tyrimais. Atkreipkite dėmesį, kad skliausteliuose ([1], [2] ir tt) esantys numeriai yra paspaudžiami nuorodos į šias studijas.
Jei manote, kad bet koks mūsų turinys yra netikslus, pasenęs arba kitaip abejotinas, pasirinkite jį ir paspauskite Ctrl + Enter.
Tyrimas buvo paskelbtas BMJ Health & Care Informatics nustatė, kad veido terminio vaizdo ir dirbtinio intelekto (AI) derinys gali tiksliai numatyti vainikinių arterijų ligos (CHD) buvimą. Nustatyta, kad šis neinvazinis realaus laiko metodas yra veiksmingesnis už tradicinius metodus ir galėtų būti įtrauktas į klinikinę praktiką siekiant pagerinti diagnostikos tikslumą ir darbo eigą, jei būtų išbandytas didesnėse ir etniškai įvairesnėse pacientų grupėse, teigia mokslininkai. p>
Dabartinės vainikinių arterijų ligos diagnozavimo gairės remiasi rizikos veiksnių tikimybės įvertinimais, kurie ne visada yra tikslūs arba plačiai taikomi, teigia mokslininkai. Nors šiuos metodus galima papildyti kitomis diagnostikos priemonėmis, pvz., EKG, angiogramomis ir kraujo tyrimais, jie dažnai užima daug laiko ir yra invaziniai, priduria mokslininkai.
Šiluminis vaizdavimas, kuris registruoja pasiskirstymą ir temperatūros pokyčius objekto paviršiuje aptikdamas infraraudonąją spinduliuotę, yra neinvazinis. Pasirodė, kad tai yra daug žadanti priemonė vertinant ligas, nes pagal odos temperatūros modelius galima nustatyti nenormalios kraujotakos ir uždegimo vietas.
Mašininio mokymosi (AI) technologijų atsiradimas, galintis išgauti, apdoroti ir integruoti sudėtingą informaciją, gali pagerinti terminio vaizdo diagnostikos tikslumą ir efektyvumą.
Tyrėjai nusprendė ištirti galimybę naudoti terminį vaizdą kartu su AI, kad būtų galima tiksliai numatyti vainikinių arterijų ligos buvimą, nereikalaujant invazinių ir daug laiko reikalaujančių metodų 460 žmonių, kuriems įtariama širdies liga. Vidutinis jų amžius buvo 58 metai; 126 (27,5 proc.) iš jų buvo moterys.
Jų veidų šiluminio vaizdo vaizdai buvo padaryti prieš patvirtinamuosius tyrimus, siekiant sukurti ir patvirtinti AI palaikomą vaizdo modelį, skirtą vainikinių arterijų ligai nustatyti.
Iš viso 322 dalyviai (70 %) patvirtino koronarinę širdies ligą. Šie žmonės buvo vyresni ir dažniau vyrai. Jie taip pat dažniau turėjo gyvenimo būdo, klinikinių ir biocheminių rizikos veiksnių, taip pat dažniau vartojo profilaktinius vaistus.
Šiluminis vaizdavimas ir dirbtinio intelekto metodas buvo maždaug 13 % geresnis koronarinės širdies ligos prognozei nei preliminarus rizikos įvertinimas, naudojant tradicinius rizikos veiksnius ir klinikinius požymius bei simptomus. Tarp trijų reikšmingiausių šiluminių rodiklių didžiausią įtaką turėjo bendras temperatūros skirtumas tarp kairės ir dešinės veido pusės, po to sekė maksimali veido temperatūra ir vidutinė veido temperatūra.
Konkrečiai, vidutinė kairiojo žandikaulio srities temperatūra buvo stipriausia prognozė, po kurios sekė temperatūros skirtumas dešinės akies srityje ir temperatūros skirtumas tarp kairiojo ir dešiniojo smilkinių.
Šis metodas taip pat veiksmingai nustatė tradicinius koronarinės širdies ligos rizikos veiksnius: aukštą cholesterolio kiekį, vyrišką lytį, rūkymą, antsvorį (KMI), gliukozės kiekį nevalgius ir uždegimo rodiklius.
Tyrėjai pripažįsta palyginti mažą jų tyrimo imtį ir tai, kad jis buvo atliktas tik viename centre. Be to, visi tyrimo dalyviai buvo nukreipti patvirtinamiesiems tyrimams dėl įtariamos širdies ligos.
Tačiau komanda rašo: „[Šiluminio vaizdo] gebėjimas numatyti, remiantis [koronarine širdies liga] rodo galimą pritaikymą ateityje ir mokslinių tyrimų galimybes... Kaip biofiziologinis sveikatos vertinimo metodas, [jis] suteikia ligų su tradiciniais klinikiniais matavimais nesusijusią informaciją, kuri gali pagerinti [aterosklerozinės širdies ir kraujagyslių ligos] ir susijusių lėtinių ligų įvertinimą.“
„Nekontaktinis, realaus laiko [jos] pobūdis leidžia akimirksniu įvertinti ligą priežiūros vietoje, o tai gali supaprastinti klinikinę darbo eigą ir sutaupyti laiko svarbiems gydytojo ir paciento sprendimams priimti. Be to, jis turi potencialą masiniam išankstiniam patikrinimui.“
Tyrėjai daro išvadą: „Mūsų sukurti [terminio vaizdo] prognozavimo modeliai, pagrįsti pažangiomis [mašininio mokymosi] technologijomis, parodė daug žadantį potencialą, palyginti su dabartiniais tradiciniais klinikiniais įrankiais.
"Reikia atlikti tolesnius tyrimus, kuriuose dalyvauja didesnis pacientų skaičius ir įvairios populiacijos, kad būtų patvirtintas dabartinių išvadų išorinis pagrįstumas ir apibendrinimas."