Semua kandungan iLive disemak secara perubatan atau fakta diperiksa untuk memastikan ketepatan faktual sebanyak mungkin.
Kami mempunyai garis panduan sumber yang ketat dan hanya memautkan ke tapak media yang bereputasi, institusi penyelidikan akademik dan, apabila mungkin, dikaji semula kajian secara medis. Perhatikan bahawa nombor dalam kurungan ([1], [2], dan lain-lain) boleh diklik pautan ke kajian ini.
Jika anda merasakan bahawa mana-mana kandungan kami tidak tepat, ketinggalan zaman, atau tidak dipersoalkan, sila pilih dan tekan Ctrl + Enter.
Pengimejan terma muka dan AI meramalkan penyakit jantung koronari dengan tepat
Ulasan terakhir: 02.07.2025
Satu kajian yang diterbitkan dalam jurnal BMJ Health & Care Informatics mendapati gabungan pengimejan terma muka dan kecerdasan buatan (AI) boleh meramalkan penyakit arteri koronari (CAD) dengan tepat. Kaedah masa nyata yang tidak invasif didapati lebih berkesan daripada kaedah tradisional dan boleh dilaksanakan dalam amalan klinikal untuk meningkatkan ketepatan diagnostik dan aliran kerja, jika diuji dalam populasi pesakit yang lebih besar dan lebih pelbagai etnik, para penyelidik mencadangkan.
Garis panduan semasa untuk mendiagnosis penyakit arteri koronari bergantung pada kebarangkalian faktor risiko, yang tidak selalu tepat atau digunakan secara meluas, kata para penyelidik. Walaupun kaedah ini boleh ditambah dengan alat diagnostik lain, seperti ECG, angiogram dan ujian darah, ia selalunya memakan masa dan invasif, tambah para penyelidik.
Pengimejan terma, yang merekodkan taburan dan variasi suhu pada permukaan objek dengan mengesan sinaran inframerah, adalah tidak invasif. Ia telah membuktikan dirinya sebagai alat yang menjanjikan untuk penilaian penyakit, kerana ia boleh mengenal pasti kawasan peredaran darah yang tidak normal dan keradangan berdasarkan corak suhu kulit.
Kemunculan teknologi pembelajaran mesin (AI) dengan keupayaannya untuk mengekstrak, memproses dan menyepadukan maklumat yang kompleks boleh meningkatkan ketepatan dan kecekapan diagnostik pengimejan terma.
Para penyelidik berusaha untuk menyiasat kemungkinan menggunakan pengimejan terma digabungkan dengan AI untuk meramalkan dengan tepat kehadiran penyakit arteri koronari tanpa memerlukan kaedah invasif dan memakan masa dalam 460 orang yang disyaki penyakit jantung. Purata umur mereka ialah 58 tahun; 126 (27.5%) adalah wanita.
Imej terma wajah mereka diambil sebelum pemeriksaan pengesahan untuk membangunkan dan mengesahkan model pengimejan berbantukan AI untuk mengesan penyakit arteri koronari.
Seramai 322 peserta (70%) telah mengesahkan penyakit jantung koronari. Individu ini secara amnya lebih tua dan lebih berkemungkinan lelaki. Mereka juga lebih berkemungkinan mempunyai faktor risiko gaya hidup, klinikal dan biokimia serta menggunakan ubat pencegahan dengan lebih kerap.
Pendekatan menggunakan pengimejan terma dan AI adalah kira-kira 13% lebih baik dalam meramalkan penyakit jantung koronari daripada pra-penilaian risiko menggunakan faktor risiko tradisional dan tanda dan gejala klinikal. Antara tiga penunjuk terma yang paling ketara, perbezaan suhu keseluruhan antara bahagian kiri dan kanan muka adalah yang paling berpengaruh, diikuti oleh suhu muka maksimum dan purata suhu muka.
Khususnya, suhu purata kawasan rahang kiri adalah peramal terkuat, diikuti dengan perbezaan suhu di kawasan mata kanan dan perbezaan suhu antara kuil kiri dan kanan.
Pendekatan ini juga berkesan mengenal pasti faktor risiko tradisional untuk penyakit jantung koronari: kolesterol tinggi, jantina lelaki, merokok, berat badan berlebihan (BMI), glukosa berpuasa, dan penunjuk keradangan.
Para penyelidik mengakui saiz sampel yang agak kecil kajian mereka dan hakikat bahawa ia dijalankan di hanya satu pusat. Selain itu, semua peserta kajian dirujuk untuk ujian pengesahan jika mereka disyaki menghidap penyakit jantung.
Walau bagaimanapun, pasukan itu menulis: "Keupayaan [pengimejan terma] untuk meramalkan [penyakit arteri koronari] menunjukkan potensi aplikasi masa depan dan peluang penyelidikan... Sebagai kaedah biofisiologi untuk menilai kesihatan, [ia] menyediakan maklumat berkaitan penyakit di luar pengukuran klinikal tradisional, yang mungkin meningkatkan penilaian [penyakit kardiovaskular aterosklerotik] dan keadaan kronik yang berkaitan."
"Sifat masa nyata tanpa hubungan [nya] membolehkan penilaian penyakit segera di tempat penjagaan, yang boleh menyelaraskan aliran kerja klinikal dan menjimatkan masa untuk keputusan penting doktor dan pesakit. Ia juga berpotensi untuk pra-pemeriksaan besar-besaran."
Para penyelidik membuat kesimpulan: "Model ramalan [pengimejan terma] kami yang dibangunkan berdasarkan teknologi [pembelajaran mesin] lanjutan menunjukkan potensi yang menjanjikan berbanding alat klinikal tradisional semasa."
"Kajian lanjut yang melibatkan bilangan pesakit yang lebih besar dan populasi yang pelbagai diperlukan untuk mengesahkan kesahihan luaran dan kebolehgeneralisasian penemuan semasa."