Une combinaison de l'imagerie thermique faciale et de l'intelligence artificielle (IA) peut prédire avec précision la présence d'une maladie coronarienne, trouve des recherches publiées dans la revue à accès ouvert BMJ Health & Care Informatics.
Cette approche non invasive en temps réel est plus efficace que les méthodes conventionnelles et pourrait être adoptée pour la pratique clinique afin d'améliorer la précision du diagnostic et du flux de travail, en attendant les tests sur un nombre plus important et plus diversifié de patients, suggèrent les chercheurs.
Les lignes directrices actuelles pour le diagnostic des maladies coronariennes reposent sur l'évaluation des probabilités des facteurs de risque qui ne sont pas toujours très précis ou largement applicables, disent les chercheurs.
Et bien que ceux-ci puissent être complétés par d'autres diagnostics, tels que les lectures de l'ECG, les angiogrammes et les tests sanguins, ceux-ci sont souvent longs et invasifs, ajoutent-ils.
L'imagerie thermique, qui capture la distribution et les variations de la température à la surface de l'objet en détectant le rayonnement infrarouge émis par cet objet, n'est pas invasif.
Et il est devenu un outil prometteur pour l'évaluation des maladies car il peut identifier les zones de circulation sanguine anormale et d'inflammation des modèles de température de la peau.
L'avènement de la technologie d'apprentissage automatique (IA), avec sa capacité à extraire, traiter et intégrer des informations complexes, pourrait améliorer la précision et l'efficacité des diagnostics d'imagerie thermique.
Les chercheurs ont donc décidé de se pencher sur la faisabilité de l'utilisation de l'imagerie thermique plus l'IA pour prédire avec précision la présence d'une maladie coronarienne sans avoir besoin de techniques invasives et longues chez 460 personnes atteintes d'une maladie cardiaque suspectée. L'âge moyen était de 58; 126 (27,5%) d'entre elles étaient des femmes.
Les images thermiques de leurs visages ont été capturées avant les examens de confirmation pour développer et valider un modèle d'imagerie assistée par l'IA pour détecter la maladie coronarienne.
Au total, 322 participants (70%) ont été confirmés comme ayant une maladie coronarienne. Ces gens avaient tendance à être plus âgés et ils étaient plus susceptibles d'être des hommes. Ils étaient également plus susceptibles d'avoir des facteurs de risque de style de vie, cliniques et biochimiques, ainsi qu'une utilisation plus élevée de médicaments préventifs.
L'imagerie thermique plus l'approche de l'IA était d'environ 13% pour prédire la maladie coronarienne que l'évaluation des risques pré-test impliquant des facteurs de risque traditionnels et des signes et symptômes cliniques.
Parmi les trois indicateurs thermiques prédictifs les plus significatifs, l'influence la plus influente était la différence globale de température de droite gauche du visage, suivie de la température faciale maximale et de la température faciale moyenne.
Et, en particulier, la température moyenne de la région de la mâchoire gauche était la caractéristique prédictive la plus forte, suivie de la plage de température de la région de l'œil droit et de la différence de température gauche droite des régions du temple gauche.
L'approche a également identifié efficacement les facteurs de risque traditionnels de maladie coronarienne: le cholestérol élevé; sexe masculin; fumeur; excès de poids (IMC); La glycémie à jeun, ainsi que les indicateurs de l'inflammation.
Les chercheurs reconnaissent la taille de l'échantillon relativement petite de leur étude et le fait qu'elle a été réalisée dans un seul centre. Et les participants à l'étude avaient tous été référés pour des tests confirmatifs de maladie cardiaque suspectée.
Mais ils écrivent néanmoins: « La faisabilité de la prédiction de la maladie coronarienne basée sur l'imagerie thermique suggère des applications et des opportunités de recherche futures potentielles. »
Ils ajoutent: « En tant que modalité d'évaluation de la santé basée sur la santé biophysiologique, il fournit des informations pertinentes à la maladie au-delà des mesures cliniques traditionnelles qui pourraient améliorer les maladies cardiovasculaires athérosclérotiques) et une évaluation des conditions chroniques connexes.
« La nature sans contact et en temps réel de celle-ci permet une évaluation instantanée des maladies au point de soins, ce qui pourrait rationaliser les flux de travail cliniques et gagner du temps pour une prise de décision médicale importante.«
Et ils concluent: « Nos modèles de prédiction d'imagerie thermique développés, basés sur la technologie avancée (apprentissage automatique), ont présenté un potentiel prometteur par rapport aux outils cliniques conventionnels actuels.
«Des investigations supplémentaires incorporant des tailles d'échantillon plus importantes et diverses populations de patients sont nécessaires pour valider la validité externe et la généralisabilité des résultats actuels.«
