Suhu wajah dapat memprediksi penyakit jantung dengan akurasi lebih tinggi dibandingkan metode saat ini
Terakhir ditinjau: 14.06.2024
Semua konten iLive ditinjau secara medis atau diperiksa fakta untuk memastikan akurasi faktual sebanyak mungkin.
Kami memiliki panduan sumber yang ketat dan hanya menautkan ke situs media terkemuka, lembaga penelitian akademik, dan, jika mungkin, studi yang ditinjau secara medis oleh rekan sejawat. Perhatikan bahwa angka dalam tanda kurung ([1], [2], dll.) Adalah tautan yang dapat diklik untuk studi ini.
Jika Anda merasa salah satu konten kami tidak akurat, ketinggalan zaman, atau dipertanyakan, pilih dan tekan Ctrl + Enter.
Dalam penelitian terbaru yang diterbitkan di BMJ Health & Care Informatics, peneliti menilai kelayakan penggunaan termografi inframerah wajah (IRT) untuk memprediksi penyakit arteri koroner (PJK).
IHD merupakan salah satu penyebab utama kematian dan mempunyai beban global yang signifikan. Diagnosis CAD yang akurat penting untuk perawatan dan pengobatan. Saat ini, alat penilaian probabilitas pretest (PTP) digunakan untuk menentukan kemungkinan CAD pada pasien. Namun, alat ini memiliki masalah pada subjektivitas, fleksibilitas terbatas, dan akurasi sedang.
Meskipun pengujian kardiovaskular tambahan (hitungan kalsium koroner dan elektrokardiografi) atau model klinis canggih yang mengintegrasikan penanda laboratorium tambahan dan faktor risiko dapat meningkatkan estimasi probabilitas, terdapat kekhawatiran terkait efisiensi waktu, kompleksitas prosedur, dan terbatasnya ketersediaan. p>
IRT, sebuah teknologi pendeteksi suhu permukaan non-kontak, menjanjikan dalam penilaian penyakit. Ini dapat mendeteksi peradangan dan sirkulasi abnormal melalui pola suhu kulit. Penelitian menunjukkan hubungan antara informasi IRT dan penyakit kardiovaskular aterosklerotik serta kondisi terkait.
Dalam studi ini, peneliti menilai kelayakan penggunaan data suhu IRT wajah untuk memprediksi CAD. Orang dewasa yang menjalani CT angiografi koroner (CCTA) atau angiografi koroner invasif (ICA) dilibatkan dalam penelitian ini. Personil terlatih memperoleh data mentah dan melakukan survei IRT sebelum CCTA atau ICA.
Rekam medis elektronik digunakan untuk memperoleh informasi tambahan, termasuk kimia darah, riwayat klinis, faktor risiko, dan hasil skrining PJK. Satu gambar IRT per peserta dipilih untuk dianalisis dan diproses (pengubahan ukuran terpadu, konversi skala abu-abu, dan pemotongan latar belakang).
Tim mengembangkan model gambar IRT menggunakan algoritma pembelajaran mendalam yang canggih. Dua model dikembangkan untuk perbandingan: satu adalah model PTP (garis dasar klinis) yang mencakup usia pasien, jenis kelamin, dan karakteristik gejala, dan yang lainnya adalah model hibrida, yang masing-masing menggabungkan informasi IRT dan informasi klinis dari model IRT dan PTP..
Beberapa analisis interpretatif dilakukan, termasuk eksperimen oklusi, visualisasi peta ekskresi, analisis dosis-respons, dan prediksi label pengganti CAD. Selain itu, berbagai fitur IRT tabular diekstraksi dari gambar IRT, diklasifikasikan berdasarkan tingkat keseluruhan wajah dan wilayah yang diminati (ROI).
Secara keseluruhan, fitur yang diekstraksi diklasifikasikan menjadi fitur tekstur orde pertama, tekstur orde kedua, suhu, dan analisis fraktal. Algoritme XGBoost mengintegrasikan fitur-fitur yang diekstraksi ini dan menilai nilai prediktifnya untuk CAD. Para peneliti mengevaluasi kinerja menggunakan semua karakteristik dan hanya karakteristik suhu.
Sebanyak 893 orang dewasa yang menjalani CCTA atau ICA dinilai antara September 2021 dan Februari 2023. Dari jumlah tersebut, 460 peserta dengan usia rata-rata 58,4 tahun dilibatkan; 27,4% adalah perempuan, dan 70% menderita penyakit jantung kongenital. Pasien dengan PJK memiliki usia dan prevalensi faktor risiko yang lebih tinggi dibandingkan dengan pasien tanpa PJK. Model gambar IRT secara signifikan mengungguli model PTP.
Namun, performa model pencitraan hibrid dan IRT tidak berbeda secara signifikan. Hanya menggunakan fitur suhu atau semua fitur yang diekstraksi memiliki kinerja prediktif yang unggul, yang konsisten dengan model pencitraan IRT. Pada tingkat seluruh wajah, pengaruh paling besar adalah perbedaan suhu keseluruhan dari kiri ke kanan, sedangkan pada tingkat ROI, suhu rata-rata rahang kiri memiliki pengaruh paling besar.
Berbagai tingkat penurunan kinerja diamati untuk model gambar IRT ketika ROI yang berbeda ditutup. Oklusi pada area bibir atas dan bawah mempunyai dampak paling besar. Selain itu, model pencitraan IRT memiliki kinerja yang baik dalam memprediksi penanda pengganti yang terkait dengan PJK, seperti hiperlipidemia, merokok, indeks massa tubuh, hemoglobin terglikasi, dan peradangan.
Studi ini menunjukkan kelayakan penggunaan data suhu IRT wajah untuk memprediksi CAD. Model pencitraan IRT mengungguli model PTP yang direkomendasikan oleh pedoman, sehingga menyoroti potensinya dalam penilaian CAD. Selain itu, memasukkan informasi klinis ke dalam model gambar IRT tidak memberikan perbaikan tambahan, sehingga menunjukkan bahwa informasi IRT yang diekstraksi sudah berisi informasi penting terkait CAD.
Selanjutnya, nilai prediksi model IRT dikonfirmasi menggunakan fitur IRT tabular yang dapat diinterpretasikan dan relatif konsisten dengan model gambar IRT. Karakteristik ini juga memberikan informasi mengenai aspek penting untuk memprediksi CAD, seperti simetri suhu wajah dan distribusi yang tidak merata. Diperlukan penelitian lebih lanjut dengan sampel yang lebih besar dan populasi yang beragam untuk validasi.