La température faciale peut prédire les maladies cardiaques avec une plus grande précision que les méthodes actuelles

Dans une étude récente publiée dans BMJ Health & Care Informatics, des chercheurs ont évalué la faisabilité de l'utilisation de la thermographie infrarouge faciale (IRT) pour prédire la maladie coronarienne (CHD).

L'IHD est l'une des principales causes de décès et représente un fardeau mondial important. Un diagnostic précis de coronaropathie est important pour les soins et le traitement. Actuellement, des outils d'évaluation de probabilité prétest (PTP) sont utilisés pour déterminer la probabilité de coronaropathie chez les patients. Cependant, ces outils présentent des problèmes de subjectivité, de polyvalence limitée et de précision modérée.

Bien que des tests cardiovasculaires supplémentaires (nombre de calcium coronarien et électrocardiographie) ou des modèles cliniques sophistiqués intégrant des marqueurs de laboratoire et des facteurs de risque supplémentaires puissent améliorer les estimations de probabilité, des préoccupations subsistent liées à l'efficacité du temps, à la complexité des procédures et à la disponibilité limitée. p>

L'IRT, une technologie de détection de la température de surface sans contact, s'avère prometteuse pour l'évaluation des maladies. Il peut détecter une inflammation et une circulation anormale grâce aux modèles de température cutanée. La recherche montre des associations entre les informations IRT et les maladies cardiovasculaires athéroscléreuses et les affections associées.

Dans cette étude, les chercheurs ont évalué la faisabilité de l'utilisation des données de température faciale IRT pour prédire la coronaropathie. Les adultes subissant une angiographie coronarienne (CCTA) ou une angiographie coronarienne invasive (ICA) ont été inclus dans l'étude. Un personnel formé a obtenu les données brutes et a mené l'enquête IRT avant le CCTA ou l'ICA.

Des dossiers médicaux électroniques ont été utilisés pour obtenir des informations supplémentaires, notamment la chimie du sang, les antécédents cliniques, les facteurs de risque et les résultats du dépistage des maladies coronariennes. Une image IRT par participant a été sélectionnée pour analyse et traitée (redimensionnement unifié, conversion en niveaux de gris et recadrage d'arrière-plan).

L'équipe a développé un modèle d'image IRT à l'aide d'un algorithme avancé d'apprentissage en profondeur. Deux modèles ont été développés à des fins de comparaison : l'un était un modèle PTP (clinique de base) qui incluait l'âge, le sexe et les caractéristiques des symptômes des patients, et l'autre était un hybride, combinant à la fois les informations IRT et les informations cliniques des modèles IRT et PTP, respectivement..

Plusieurs analyses interprétatives ont été réalisées, notamment des expériences d'occlusion, la visualisation de cartes d'excrétion, des analyses dose-réponse et la prédiction d'étiquettes de substitution CAD. De plus, diverses caractéristiques IRT tabulaires ont été extraites de l'image IRT, classées au niveau de l'ensemble du visage et de la région d'intérêt (ROI).

Dans l'ensemble, les caractéristiques extraites ont été classées 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 caractéristiques et uniquement les caractéristiques de température.

Au total, 893 adultes subissant une CCTA ou une ICA ont été évalués entre septembre 2021 et février 2023. Parmi eux, 460 participants avec un âge moyen de 58,4 ans ont été inclus ; 27,4 % étaient des femmes et 70 % souffraient de coronaropathie. Les patients atteints de coronaropathie avaient un âge et une prévalence de facteurs de risque plus élevés que les patients sans coronaropathie. Le modèle d'image IRT a largement surpassé le modèle PTP.

Cependant, les performances des modèles d'imagerie hybride et IRT n'étaient pas significativement différentes. L’utilisation uniquement des caractéristiques de température ou de toutes les caractéristiques extraites présentait des performances prédictives supérieures, ce qui était cohérent avec le modèle d’imagerie IRT. Au niveau de l'ensemble du visage, la plus grande influence était la différence de température globale de gauche à droite, tandis qu'au niveau du ROI, la température moyenne de la mâchoire gauche avait la plus grande influence.

Différents niveaux de dégradation des performances ont été observés pour le modèle d'image IRT lorsque différentes ROI étaient obstruées. L'occlusion des zones des lèvres supérieures et inférieures a eu le plus grand impact. De plus, le modèle d'imagerie IRT a bien fonctionné pour prédire les marqueurs de substitution associés à la coronaropathie, tels que l'hyperlipidémie, le tabagisme, l'indice de masse corporelle, l'hémoglobine glyquée et l'inflammation.

L'étude a démontré la faisabilité de l'utilisation des données de température faciale IRT pour prédire la coronaropathie. Le modèle d'imagerie IRT a surpassé le modèle PTP recommandé par les lignes directrices, soulignant son potentiel dans l'évaluation de la coronaropathie. De plus, l'incorporation d'informations cliniques dans le modèle d'image IRT n'a pas apporté d'améliorations supplémentaires, ce qui suggère que les informations IRT extraites contenaient déjà des informations importantes liées à la CAO.

De plus, la valeur prédictive du modèle IRT a été confirmée à l'aide de caractéristiques IRT tabulaires interprétables qui étaient relativement cohérentes avec le modèle d'image IRT. Ces caractéristiques ont également fourni des informations sur des aspects importants pour prédire la CAO, tels que la symétrie de la température faciale et la répartition inégale. D'autres études avec des échantillons plus grands et des populations diverses sont nécessaires pour la validation.