במחקר שפורסם לאחרונה בכתב העת BMJ Health & Care Informaticsחוקרים העריכו את ההיתכנות של שימוש בתרמוגרפיית אינפרא אדום של פנים אנושית (IRT) כדי לחזות מחלת עורקים כליליים (CAD).
CAD הוא גורם מוות מוביל עם עומס עולמי משמעותי. הערכת CAD מדויקת היא חיונית לטיפול וטיפול. נכון לעכשיו, נעשה שימוש בכלי הסתברות קדם בדיקה (PTPs) כדי לקבוע את ההסתברות ל-CAD בחולים חשודים. עם זאת, לכלים אלה יש בעיות סובייקטיביות, יכולת הכללה מוגבלת ודיוק צנוע.
למרות שבדיקות קרדיווסקולריות משלימות (ציון סידן בעורק הכלילי ואלקטרוקרדיוגרפיה) או מודלים קליניים מורכבים המשלבים סמני מעבדה נוספים וגורמי סיכון יכולים לשפר את הערכות ההסתברות, קיימים אתגרים הקשורים ליעילות זמן, מורכבות פרוצדורלית וזמינות מוגבלת.
IRT, טכנולוגיית זיהוי טמפרטורת משטח ללא מגע, מבטיחה להערכת מחלות. זה יכול לזהות דלקת וזרימת דם חריגה מדפוסי טמפרטורת העור. מחקרים מצביעים על קשר בין מידע IRT ומחלות לב וכלי דם טרשתיות ומצבים קשורים.
מחקר: חיזוי של מחלת עורקים כליליים בהתבסס על מידע על טמפרטורת הפנים שנלכד בתרמוגרפיה אינפרא אדום ללא מגע. קרדיט תמונה: אניטה ואן דן ברוק / Shutterstock
לגבי המחקר
במחקר הנוכחי, החוקרים העריכו את ההיתכנות של נתוני טמפרטורת IRT לפנים לחיזוי CAD. מבוגרים שעברו אנגיוגרפיה CT כלילית (CCTA) או אנגיוגרפיה כלילית פולשנית (ICA) נרשמו. צוות מאומן השיג נתוני בסיס וביצע צילומי IRT לפני CCTA או ICA.
רשומות רפואיות אלקטרוניות שימשו למידע נוסף, כולל ביוכימיה בדם, היסטוריה קלינית, גורמי סיכון וממצאי CAD. תמונת IRT אחת נבחרה לכל משתתף ועובדה (שינוי גודל אחיד, המרת גווני אפור וחיתוך רקע) לפני ניתוחים. ניבוי העניין היה נוכחות של CAD, המוגדר כהיצרות נגע כלילית של ≥ 50%.
הצוות פיתח מודל תמונה IRT עם אלגוריתם למידה עמוקה מתקדם. כמו כן פותחו שני מודלים לצורך השוואה; האחד היה מודל ה-PTP (הקו הבסיסי הקליני) שכלל את מאפייני הגיל, המין והסימפטומים של המטופלים, בעוד השני היה היברידית המשלבת הן IRT והן מידע קליני מתמונת ה- IRT וה-PTP, בהתאמה.
בוצעו מספר ניתוחי פרשנות, כולל ניסויי חסימה, הדמיה של מפת בולטות, ניתוחי מינון-תגובה וחיזוי תווית CAD פונדקאית. יתרה מכך, תכונות טבלאיות מגוונות של IRT חולצו מתמונת ה-IRT וסווגו לרמות ספציפיות של כל הפנים ואזור העניין (ROI).
בסך הכל, תכונות שחולצו סווגו לתכונות מרקם מסדר ראשון, מרקם מסדר שני, טמפרטורה ומאפייני ניתוח פרקטלים, בהתאמה. אלגוריתם XGBoost שילב את התכונות שחולצו אלה והעריך את הערך החזוי שלהן עבור CAD. החוקרים העריכו את הביצועים באמצעות כל התכונות ורק תכונות הטמפרטורה.
ממצאים
בסך הכל, 893 מבוגרים שעברו CCTA או ICA נבדקו בין ספטמבר 2021 לפברואר 2023. מתוכם נכללו 460 משתתפים בני 58.4 בממוצע; 27.4% היו נשים, ו-70% היו עם CAD. נבדקי CAD היו מבוגרים יותר וגברים והיו בעלי שכיחות גבוהה יותר של גורמי סיכון בהשוואה לאנשים שאינם CAD. מודל תמונת ה-IRT תפקד טוב יותר באופן משמעותי ממודל ה-PTP.
עם זאת, הביצועים של מודלים היברידיים ו-IRT לא היו שונים באופן משמעותי. שימוש בתכונות טמפרטורה בלבד או בכל המאפיינים שחולצו היו בעלי ביצועי חיזוי מעולים, אשר היו בקנה אחד עם מודל תמונת IRT. ברמת כל הפנים, הפרש הטמפרטורות הכולל של שמאל-ימין היה בעל ההשפעה הגבוהה ביותר, בעוד שברמת ה-ROI הספציפית, הטמפרטורה הממוצעת של הלסת השמאלית הייתה בעלת ההשפעה הגדולה ביותר.
רמות שונות של הפחתת ביצועים נצפו עבור מודל תמונת IRT בעת חסימת ROIs שונים. לחסימת אזור השפתיים העליונות והתחתונות הייתה ההשפעה המשמעותית ביותר. חוץ מזה, מודל התמונה של IRT פעל היטב בניבוי תוויות פונדקאיות הקשורות ל-CAD, כגון היפרליפידמיה, עישון, אינדקס מסת גוף, המוגלובין מסוכרר ודלקת.
מסקנות
המחקר המחיש את ההיתכנות של שימוש בנתוני טמפרטורת IRT של פנים אנושיים לחיזוי CAD. מודל תמונת ה-IRT תפקד טוב יותר ממודל ה-PTP המומלץ על ידי קו מנחה, והדגיש את הפוטנציאל שלו בהערכת CAD. יתרה מכך, לשילוב מידע קליני במודל תמונת IRT לא היו שיפורים נוספים, דבר המצביע על כך שמידע ה-IRT הפנים שחלץ כבר הקיף מידע רלוונטי הקשור ל-CAD.
יתרה מכך, הערך החזוי של מודל ה-IRT אומת באמצעות תכונות טבלאיות של IRT הניתנות לפירוש, שהיו עקביות יחסית למודל תמונת IRT. יתרה מזאת, תכונות ה-IRT הניתנות לפירוש אנושי סיפקו גם תובנות לגבי היבטים קריטיים לחיזוי CAD, כגון סימטריית טמפרטורת הפנים ואי אחידות התפלגות. נדרשים מחקרים נוספים עם גדלי מדגם גדולים יותר ואוכלוסיות מגוונות לצורך אימות.
