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.
Pengimbasan muka terma dan AI meramalkan penyakit jantung koronari dengan tepat
Ulasan terakhir: 14.06.2024
Kajian itu diterbitkan dalam BMJ Health & Care Informaticstelah mendapati bahawa gabungan pengimejan terma muka dan kecerdasan buatan (AI) boleh meramalkan kehadiran penyakit arteri koronari (CHD) dengan tepat. Kaedah masa nyata yang tidak invasif ini didapati lebih berkesan daripada kaedah tradisional dan boleh diperkenalkan ke 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. p>
Garis panduan semasa untuk mendiagnosis penyakit arteri koronari bergantung pada anggaran kemungkinan faktor risiko yang tidak selalu tepat atau digunakan secara meluas, kata penyelidik. Walaupun kaedah ini boleh dilengkapkan dengan alat diagnostik lain seperti ECG, angiogram dan ujian darah, kaedah ini selalunya memakan masa dan invasif, tambah penyelidik.
Pengimejan terma, yang merekodkan taburan dan variasi suhu pada permukaan objek dengan mengesan sinaran inframerah, adalah bukan invasif. Ia telah terbukti sebagai alat yang menjanjikan untuk penilaian penyakit kerana ia boleh mengenal pasti kawasan peredaran dan keradangan yang tidak normal 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.
Penyelidik memutuskan untuk mengkaji kemungkinan menggunakan pengimejan terma dalam kombinasi 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%) daripadanya adalah wanita.
Imej pengimejan terma wajah mereka diambil sebelum pemeriksaan pengesahan untuk membangunkan dan mengesahkan model pengimejan yang disokong AI untuk mengesan penyakit arteri koronari.
Seramai 322 peserta (70%) telah mengesahkan penyakit jantung koronari. Mereka ini cenderung lebih tua dan lebih berkemungkinan lelaki. Mereka juga berkemungkinan besar mempunyai faktor risiko gaya hidup, klinikal dan biokimia, serta penggunaan ubat pencegahan yang lebih kerap.
Pengimejan terma dan pendekatan AI adalah kira-kira 13% lebih baik dalam meramal penyakit jantung koronari daripada penilaian risiko awal menggunakan faktor risiko tradisional serta tanda dan gejala klinikal. Antara tiga penunjuk terma yang paling ketara, yang paling berpengaruh ialah perbezaan suhu keseluruhan antara bahagian kiri dan kanan muka, diikuti dengan suhu muka maksimum dan purata suhu muka.
Secara khusus, suhu purata kawasan rahang kiri ialah peramal terkuat, diikuti dengan perbezaan suhu di kawasan mata kanan dan perbezaan suhu antara pelipis 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 kajian mereka yang agak kecil dan hakikat bahawa ia dijalankan di satu pusat sahaja. Selain itu, semua peserta kajian telah dirujuk untuk ujian pengesahan bagi penyakit jantung yang disyaki.
Walau bagaimanapun, pasukan itu menulis: "Keupayaan [pengimejan terma] untuk meramal berdasarkan [penyakit jantung koronari] menunjukkan potensi aplikasi masa depan dan peluang penyelidikan... Sebagai kaedah penilaian kesihatan biofisiologi, [ia] menyediakan penyakit- maklumat berkaitan melangkaui pengukuran klinikal tradisional, yang mungkin meningkatkan penilaian [penyakit kardiovaskular aterosklerotik] dan keadaan kronik yang berkaitan."
"Sifat masa nyata tanpa hubungan [ia] membolehkan penilaian penyakit serta-merta di tempat penjagaan, yang boleh menyelaraskan aliran kerja klinikal dan menjimatkan masa untuk keputusan penting doktor dan pesakit. Selain itu, ia berpotensi untuk saringan awal beramai-ramai."
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."