BMJ Health & Care Informatics | AI辅助的面部热成像可准确预测冠状动脉疾病
- 来源:未知
- 作者:bmjchina
- 日期:2024-06-24
- 分享:
BMJ Health & Care Informatics期刊近日发表的一项中国研究发现,人工智能(AI)辅助的面部热成像模型可以准确预测冠状动脉疾病。
研究人员指出,这种非侵入性的实时评估方法比传统方法更有效,且在更多样化和更大规模的患者中进行试验后,可将这种联合方法应用于临床实践,以提高诊断的准确性和改善工作流程。
原文献信息:
Prediction of coronary artery disease based on facial temperature information captured by non-contact infrared thermography
Kung M, Zeng J, Lin S, et al.
BMJ Health & Care Informatics 2024;31:e100942.
doi: 10.1136/bmjhci-2023-100942
当前的冠心病诊断指南依赖于对危险因素的概率评估,但这类评估并不总是非常准确或广泛适用。虽然这类评估可以通过心电图、血管造影和血液检查等其他诊断方法来补充,但这些方法通常比较耗时或属于侵入性方法。热成像技术可通过检测物体发出的红外辐射来捕捉物体表面的温度分布和变化,是一种非侵入性的方法。医学领域中的热成像可以通过皮肤温度模式识别异常血液循环和炎症区域,因此作为疾病评估的工具已显示出良好前景。与此同时,机器学习技术(AI的一个分支)的出现及其提取、处理和整合复杂信息能力的发展可能会有助于提高热成像诊断的准确性和有效性。因此,研究人员着手研究使用热成像+AI方法来准确预测冠状动脉疾病的可行性。该研究纳入了460名疑似心脏病患者,平均年龄为58岁,其中126名(27.5%)为女性。在诊断性检查之前,研究人员记录了这些患者的面部热图像,以开发和验证一种用于检测冠状动脉疾病的AI辅助成像模型。结果显示,共有322名参与者(70%)被确认为患有冠状动脉疾病。这部分患者整体年龄较大,以男性居多,更可能有生活方式、临床和生化方面的危险因素,以及更频繁的初级预防药物用药。热成像+AI的联合方法在预测冠状动脉疾病方面的效力比涉及传统危险因素、临床体征和症状的诊断性检查前风险评估高出约13%。同时该联合方法还有效地识别了冠状动脉疾病的传统危险因素:包括高胆固醇、男性、吸烟、超重、空腹血糖以及炎症指标。在三个最显著的预测性温度指标中,预测效力最好的是全面部左右温差,其次是全面部最高温度和全面部平均温度。进一步分析表明,左颚区域的平均温度是最有力的预测指标,其次是右眼区域的温度范围和左太阳穴区域的左右温差。

研究人员承认该研究存在一些局限性:样本相对较小,且研究仅在一个中心进行;参与者均为因疑似心脏病被转诊以进行的诊断性检查的人群,限制了研究的可推广性。但他们表示:“基于热成像的冠状动脉疾病预测的可行性表明了未来潜在的应用和研究机会。作为一种基于生物生理的健康评估方法,热成像提供了超出传统临床测量范围的疾病相关信息,可以改善动脉粥样硬化性心血管疾病和相关慢性病的评估。热成像的非接触、实时性质意味着能够进行即时疾病评估,这可以简化临床工作流程,并为关键的医生-患者决策节省时间。此外,它还有实现大规模预筛查的潜力。”
研究人员总结道:“相较于现有的传统临床工具,我们开发的基于机器学习技术的热成像预测模型显示出了良好潜力。但仍需要进一步的、样本量更大且患者群体更多样化的研究,以验证当前研究结果的外部效度和可推广性。”
关于 BMJ Health & Care Informatics
BMJ Health & Care Informatics 是一本国际性的同行评议期刊,发表高质量的研究与评估文章、综述、研究方案、快报、评论和通讯文章。期刊重点关注信息学如何支持医疗护理服务的直接提供,公共健康战略与干预,以及学习型卫生系统的实施和国家政策问题。
2023年影响因子:4.1
期刊官网:informatics.bmj.com
