Dans une étude récente publiée dans la revue Informatique de santé et de soins BMJles chercheurs ont évalué la faisabilité de l'utilisation des informations de la thermographie infrarouge faciale humaine (IRT) pour prédire la maladie coronarienne (MAC).
La coronaropathie est une cause majeure de décès avec un fardeau mondial important. Une évaluation précise de la CAO est cruciale pour les soins et le traitement. Actuellement, des outils de probabilité de prétest (PTP) sont utilisés pour déterminer la probabilité de coronaropathie chez les patients suspects. Néanmoins, ces outils présentent des problèmes de subjectivité, une généralisabilité limitée et une précision modeste.
Bien que des examens cardiovasculaires supplémentaires (score calcique des artères coronaires et électrocardiographie) ou des modèles cliniques complexes intégrant des marqueurs de laboratoire et des facteurs de risque supplémentaires pourraient améliorer les estimations de probabilité, des défis liés à l'efficacité du temps, à la complexité des procédures et à la disponibilité limitée existent.
L'IRT, une technologie de détection de la température de surface sans contact, s'est révélée prometteuse pour l'évaluation des maladies. Il peut identifier une inflammation et une circulation sanguine anormale à partir des modèles de température cutanée. Des études indiquent des associations entre les informations IRT et les maladies cardiovasculaires athéroscléreuses et les affections associées.
Étude : Prédiction de la maladie coronarienne basée sur les informations sur la température du visage capturées par thermographie infrarouge sans contact. Crédit d'image : Anita van den Broek/Shutterstock
À propos de l'étude
Dans la présente étude, les chercheurs ont évalué la faisabilité des données de température IRT faciale pour la prédiction CAO. Des adultes subissant une angiographie coronarienne (CCTA) ou une angiographie coronarienne invasive (ICA) ont été inscrits. Le personnel formé a obtenu des données de base et effectué un tournage IRT avant CCTA ou ICA.
Les dossiers médicaux électroniques ont été utilisés pour obtenir des informations supplémentaires, notamment la biochimie sanguine, les antécédents cliniques, les facteurs de risque et les résultats du bilan coronarien. Une image IRT a été sélectionnée par participant et traitée (redimensionnement uniforme, conversion en niveaux de gris et recadrage d'arrière-plan) avant les analyses. La prédiction d'intérêt était la présence d'une coronaropathie, définie comme une sténose des lésions coronaires ≥ 50 %.
L’équipe a développé un modèle d’image IRT avec un algorithme avancé d’apprentissage en profondeur. Deux modèles ont également été développés à des fins de comparaison ; l'un était le modèle PTP (la référence clinique) qui incluait les caractéristiques de l'âge, du sexe et des symptômes des patients, tandis que l'autre était un hybride intégrant à la fois l'IRT et les informations cliniques provenant de l'image IRT et des modèles PTP, respectivement.
Plusieurs analyses d'interprétation ont été effectuées, notamment des expériences d'occlusion, la visualisation de cartes de saillance, des analyses dose-réponse et la prédiction d'étiquettes de substitution CAD. En outre, diverses caractéristiques tabulaires IRT ont été extraites de l’image IRT et classées en niveaux spécifiques au visage entier et à la région d’intérêt (ROI).
Dans l’ensemble, les caractéristiques extraites ont été classées respectivement en caractéristiques de texture de premier ordre, de texture de second ordre, de température et d’analyse fractale. L'algorithme XGBoost a intégré ces fonctionnalités extraites et a évalué leur valeur prédictive pour la CAO. Les chercheurs ont évalué les performances en utilisant toutes les fonctionnalités et uniquement les fonctionnalités de température.
Résultats
Au total, 893 adultes subissant une CCTA ou une ICA ont été dépistés entre septembre 2021 et février 2023. Parmi eux, 460 participants âgés en moyenne de 58,4 ans ont été inclus ; 27,4 % étaient des femmes et 70 % souffraient de coronaropathie. Les sujets coronariens étaient plus âgés et de sexe masculin et présentaient une prévalence de facteurs de risque plus élevée que les individus non coronariens. Le modèle d'image IRT a été nettement plus performant que le modèle PTP.
Cependant, les performances des modèles d’images hybrides et IRT n’étaient pas significativement différentes. L’utilisation uniquement des caractéristiques de température ou de toutes les caractéristiques extraites offrait des performances de prédiction supérieures, conformes au modèle d’image IRT. Au niveau du visage entier, la différence globale de température gauche-droite a eu l’impact le plus élevé, tandis qu’au niveau spécifique du retour sur investissement, la température moyenne de la mâchoire gauche a eu le plus d’impact.
Différents niveaux de réduction des performances ont été observés pour le modèle d'image IRT lors de l'occlusion de différentes ROI. L’occlusion de la région des lèvres supérieures et inférieures a eu l’impact le plus significatif. En outre, le modèle d'image IRT a bien fonctionné pour prédire les étiquettes de substitution associées à la CAD, telles que l'hyperlipidémie, le tabagisme, l'indice de masse corporelle, l'hémoglobine glyquée et l'inflammation.
Conclusions
L'étude a illustré la faisabilité de l'utilisation des données de température IRT du visage humain pour la prévision CAO. Le modèle d'image IRT a obtenu de meilleurs résultats que le modèle PTP recommandé par les lignes directrices, soulignant son potentiel dans l'évaluation CAO. De plus, l’incorporation d’informations cliniques dans le modèle d’image IRT n’a apporté aucune amélioration supplémentaire, ce qui suggère que les informations IRT faciales extraites englobaient déjà des informations pertinentes liées à la CAO.
De plus, la valeur prédictive du modèle IRT a été validée à l'aide de fonctionnalités tabulaires IRT interprétables, relativement cohérentes avec le modèle d'image IRT. En outre, ces fonctionnalités IRT interprétables par l’homme ont également fourni des informations sur des aspects essentiels à la prévision CAO, tels que la symétrie de la température faciale et la non-uniformité de la distribution. D’autres études avec des échantillons plus grands et des populations diverses sont nécessaires pour la validation.
