A imagem térmica facial e a IA prevêem com precisão a doença coronária

Um estudo publicado na revista BMJ Health & Care Informatics descobriu que uma combinação de imagens térmicas faciais e inteligência artificial (IA) pode prever com precisão a doença arterial coronariana (DAC). Os pesquisadores sugerem que o método não invasivo e em tempo real se mostrou mais eficaz do que os métodos tradicionais e poderia ser implementado na prática clínica para melhorar a precisão diagnóstica e o fluxo de trabalho, se testado em populações de pacientes maiores e etnicamente mais diversas.

As diretrizes atuais para o diagnóstico de doença arterial coronariana baseiam-se em probabilidades de fatores de risco, que nem sempre são precisas ou amplamente aplicáveis, afirmam os pesquisadores. Embora esses métodos possam ser complementados com outras ferramentas diagnósticas, como ECGs, angiogramas e exames de sangue, eles costumam ser demorados e invasivos, acrescentam os pesquisadores.

A termografia, que registra a distribuição e as variações de temperatura na superfície de um objeto por meio da detecção de radiação infravermelha, é não invasiva. Ela se mostrou uma ferramenta promissora para avaliação de doenças, pois pode identificar áreas com circulação sanguínea anormal e inflamação com base nos padrões de temperatura da pele.

O advento das tecnologias de aprendizado de máquina (IA), com sua capacidade de extrair, processar e integrar informações complexas, pode melhorar a precisão e a eficiência dos diagnósticos de imagens térmicas.

Os pesquisadores se propuseram a investigar a possibilidade de usar imagens térmicas combinadas com IA para prever com precisão a presença de doença arterial coronariana sem a necessidade de métodos invasivos e demorados em 460 pessoas com suspeita de doença cardíaca. A idade média era de 58 anos; 126 (27,5%) eram mulheres.

Imagens térmicas de seus rostos foram tiradas antes dos exames confirmatórios para desenvolver e validar um modelo de imagem assistido por IA para detectar doença arterial coronariana.

Um total de 322 participantes (70%) apresentavam doença coronariana confirmada. Esses indivíduos eram geralmente mais velhos e mais propensos a serem do sexo masculino. Também eram mais propensos a apresentar fatores de risco relacionados ao estilo de vida, clínicos e bioquímicos, além de usar medicamentos preventivos com mais frequência.

A abordagem com imagens térmicas e IA foi aproximadamente 13% melhor na previsão de doença coronariana do que uma pré-avaliação de risco usando fatores de risco tradicionais e sinais e sintomas clínicos. Entre os três indicadores térmicos mais significativos, a diferença geral de temperatura entre os lados esquerdo e direito da face foi a mais influente, seguida pela temperatura facial máxima e pela temperatura facial média.

Em particular, a temperatura média da região do maxilar esquerdo foi o preditor mais forte, seguida pela diferença de temperatura na região do olho direito e pela diferença de temperatura entre as têmporas esquerda e direita.

A abordagem também identificou efetivamente os fatores de risco tradicionais para doença coronariana: colesterol alto, sexo masculino, tabagismo, sobrepeso (IMC), glicemia de jejum e indicadores de inflamação.

Os pesquisadores reconhecem o tamanho relativamente pequeno da amostra do estudo e o fato de ele ter sido conduzido em apenas um centro. Além disso, todos os participantes do estudo foram encaminhados para exames confirmatórios caso houvesse suspeita de doença cardíaca.

No entanto, a equipe escreve: "A capacidade da [imagem térmica] de prever [doença arterial coronariana] aponta para potenciais aplicações futuras e oportunidades de pesquisa... Como um método biofisiológico para avaliar a saúde, [ela] fornece informações relacionadas à doença além das medições clínicas tradicionais, o que pode melhorar a avaliação da [doença cardiovascular aterosclerótica] e condições crônicas relacionadas."

"[Sua] natureza sem contato e em tempo real permite a avaliação instantânea da doença no ponto de atendimento, o que pode agilizar os fluxos de trabalho clínicos e economizar tempo em decisões importantes para médicos e pacientes. Também tem o potencial de pré-triagem em massa."

Os pesquisadores concluem: "Nossos modelos de previsão [de imagens térmicas] desenvolvidos com base em tecnologias avançadas [de aprendizado de máquina] mostraram um potencial promissor em comparação com as ferramentas clínicas tradicionais atuais."

"Mais estudos envolvendo um número maior de pacientes e populações diversas são necessários para confirmar a validade externa e a generalização das descobertas atuais."