A varredura facial térmica e a IA prevêem com precisão doenças cardíacas coronárias

O estudo foi publicado no BMJ Health & A Care Informatics descobriu que uma combinação de imagens térmicas faciais e inteligência artificial (IA) pode prever com precisão a presença de doença arterial coronariana (DCC). Este método não invasivo e em tempo real foi considerado mais eficaz do que os métodos tradicionais e poderia ser introduzido na prática clínica para melhorar a precisão do diagnóstico e o fluxo de trabalho se testado em populações de pacientes maiores e com maior diversidade étnica, sugerem os pesquisadores. p>

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

A imagem térmica, que registra a distribuição e as variações de temperatura na superfície de um objeto através da detecção de radiação infravermelha, não é invasiva. Provou ser uma ferramenta promissora para avaliação de doenças, pois pode identificar áreas de circulação anormal e inflamação com base nos padrões de temperatura da pele.

O surgimento de 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 decidiram estudar a possibilidade de usar imagens térmicas em combinação 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%) deles eram mulheres.

Imagens térmicas de seus rostos foram obtidas antes dos exames de confirmação para desenvolver e validar um modelo de imagem apoiado por IA para detectar doença arterial coronariana.

Um total de 322 participantes (70%) tiveram doença coronariana confirmada. Essas pessoas tendiam a ser mais velhas e com maior probabilidade de serem do sexo masculino. Eles também eram mais propensos a ter estilo de vida, fatores de risco clínicos e bioquímicos, bem como uso mais frequente de medicamentos preventivos.

A abordagem por imagem térmica e IA foi cerca de 13% melhor na previsão de doença coronariana do que a avaliação preliminar de risco usando fatores de risco tradicionais e sinais e sintomas clínicos. Entre os três indicadores térmicos mais significativos, o mais influente foi a diferença geral de temperatura entre os lados esquerdo e direito do rosto, seguida pela temperatura facial máxima e pela temperatura facial média.

Especificamente, a temperatura média da região da mandíbula esquerda 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 com eficácia os fatores de risco tradicionais para doenças coronarianas: colesterol alto, sexo masculino, tabagismo, excesso de peso (IMC), glicemia de jejum e indicadores de inflamação.

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

No entanto, a equipe escreve: “A capacidade da [imagem térmica] de prever com base na [doença coronariana] aponta para possíveis aplicações futuras e oportunidades de pesquisa... Como método de avaliação biofisiológica da saúde, [ela] fornece informações sobre doenças. Informações relacionadas além das medições clínicas tradicionais, o que pode melhorar a avaliação de [doença cardiovascular aterosclerótica] e condições crônicas relacionadas."

"A natureza sem contato e em tempo real permite a avaliação instantânea da doença no local de atendimento, o que pode agilizar os fluxos de trabalho clínicos e economizar tempo para decisões importantes de médicos e pacientes. Além disso, tem o potencial para triagem preliminar 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 dos resultados atuais."