Nye publikasjoner
Termisk ansiktsmåling og kunstig intelligens kan forutsi koronar hjertesykdom
Sist anmeldt: 02.07.2025
Alt iLive-innhold blir gjennomgått med medisin eller faktisk kontrollert for å sikre så mye faktuell nøyaktighet som mulig.
Vi har strenge retningslinjer for innkjøp og kun kobling til anerkjente medieområder, akademiske forskningsinstitusjoner og, når det er mulig, medisinsk peer-evaluerte studier. Merk at tallene i parenteser ([1], [2], etc.) er klikkbare koblinger til disse studiene.
Hvis du føler at noe av innholdet vårt er unøyaktig, utdatert eller ellers tvilsomt, velg det og trykk Ctrl + Enter.
En studie publisert i tidsskriftet BMJ Health & Care Informatics har funnet at en kombinasjon av ansiktstermografi og kunstig intelligens (KI) nøyaktig kan forutsi koronar arteriesykdom (CAD). Den ikke-invasive sanntidsmetoden viste seg å være mer effektiv enn tradisjonelle metoder og kan implementeres i klinisk praksis for å forbedre diagnostisk nøyaktighet og arbeidsflyt, hvis den testes i større, mer etnisk mangfoldige pasientpopulasjoner, foreslår forskerne.
Nåværende retningslinjer for diagnostisering av koronar arteriesykdom er avhengige av sannsynligheter for risikofaktorer, som ikke alltid er nøyaktige eller allment anvendelige, sier forskerne. Selv om disse metodene kan suppleres med andre diagnostiske verktøy, som EKG, angiogrammer og blodprøver, er de ofte tidkrevende og invasive, legger forskerne til.
Termografi, som registrerer temperaturfordelingen og -variasjonene på overflaten av et objekt ved å oppdage infrarød stråling, er ikke-invasiv. Det har vist seg å være et lovende verktøy for sykdomsvurdering, ettersom det kan identifisere områder med unormal blodsirkulasjon og betennelse basert på hudtemperaturmønstre.
Fremveksten av maskinlæringsteknologier (AI) med deres evne til å trekke ut, behandle og integrere kompleks informasjon kan forbedre nøyaktigheten og effektiviteten til termografidiagnostikk.
Forskerne satte seg fore å undersøke muligheten for å bruke termografi kombinert med kunstig intelligens for å nøyaktig forutsi tilstedeværelsen av koronar arteriesykdom uten behov for invasive og tidkrevende metoder hos 460 personer med mistanke om hjertesykdom. Gjennomsnittsalderen deres var 58 år; 126 (27,5 %) var kvinner.
Termiske bilder av ansiktene deres ble tatt før bekreftende undersøkelser for å utvikle og validere en AI-assistert avbildningsmodell for å oppdage koronar arteriesykdom.
Totalt 322 deltakere (70 %) hadde bekreftet koronar hjertesykdom. Disse personene var generelt eldre og mer sannsynlig menn. De hadde også større sannsynlighet for å ha livsstils-, kliniske og biokjemiske risikofaktorer, og for å bruke forebyggende medisiner oftere.
Tilnærmingen med termografi og kunstig intelligens var omtrent 13 % bedre til å forutsi koronar hjertesykdom enn en forhåndsvurdering av risiko ved bruk av tradisjonelle risikofaktorer og kliniske tegn og symptomer. Blant de tre viktigste termiske indikatorene var den totale temperaturforskjellen mellom venstre og høyre side av ansiktet den mest innflytelsesrike, etterfulgt av maksimal ansiktstemperatur og gjennomsnittlig ansiktstemperatur.
Spesielt gjennomsnittstemperaturen i venstre kjeveregion var den sterkeste prediktoren, etterfulgt av temperaturforskjellen i høyre øyeregion og temperaturforskjellen mellom venstre og høyre tinning.
Tilnærmingen identifiserte også effektivt tradisjonelle risikofaktorer for koronar hjertesykdom: høyt kolesterol, mannlig kjønn, røyking, overvekt (BMI), fastende glukose og indikatorer på betennelse.
Forskerne erkjenner den relativt lille utvalgsstørrelsen i studien og det faktum at den kun ble utført ved ett senter. I tillegg ble alle studiedeltakerne henvist til bekreftende tester hvis de mistenkte hjertesykdom.
Teamet skriver imidlertid: «Evnen til [termografi] til å forutsi [koronar arteriesykdom] peker mot potensielle fremtidige bruksområder og forskningsmuligheter... Som en biofysiologisk metode for å vurdere helse, gir [den] sykdomsrelatert informasjon utover tradisjonelle kliniske målinger, noe som kan forbedre vurderingen av [aterosklerotisk hjerte- og karsykdom] og relaterte kroniske tilstander.»
«[Dens] kontaktløse sanntidsnatur muliggjør umiddelbar sykdomsvurdering på behandlingsstedet, noe som kan effektivisere kliniske arbeidsflyter og spare tid for viktige lege- og pasientbeslutninger. Den har også potensial for masseforhåndsscreening.»
Forskerne konkluderer: «Våre utviklede [termografiske] prediksjonsmodeller basert på avansert [maskinlærings]teknologi viste lovende potensial sammenlignet med dagens tradisjonelle kliniske verktøy.»
"Ytterligere studier som involverer et større antall pasienter og ulike populasjoner er nødvendige for å bekrefte den eksterne validiteten og generaliserbarheten til de nåværende funnene."