Suhu wajah dapat memprediksi penyakit jantung dengan akurasi yang lebih tinggi daripada metode saat ini

Dalam studi terbaru yang diterbitkan dalam jurnal BMJ Health & Care Informatics, para peneliti menilai kelayakan penggunaan termografi inframerah wajah (IRT) untuk memprediksi penyakit jantung koroner (PJK).

Penyakit jantung koroner merupakan salah satu penyebab kematian utama dan memiliki beban global yang signifikan. Diagnosis penyakit jantung koroner yang akurat penting untuk perawatan dan pengobatan. Saat ini, alat penilaian probabilitas pra-uji (PTP) digunakan untuk menentukan kemungkinan penyakit jantung koroner pada pasien. Namun, alat ini memiliki masalah dengan subjektivitas, generalisasi yang terbatas, dan akurasi yang sedang.

Meskipun pengujian kardiovaskular tambahan (skor kalsium arteri koroner dan elektrokardiografi) atau model klinis canggih yang mengintegrasikan penanda laboratorium dan faktor risiko tambahan dapat meningkatkan estimasi probabilitas, ada masalah terkait efisiensi waktu, kompleksitas prosedural, dan ketersediaan terbatas.

IRT, teknologi deteksi suhu permukaan nonkontak, menunjukkan hasil yang menjanjikan untuk penilaian penyakit. Teknologi ini dapat mendeteksi peradangan dan aliran darah abnormal dari pola suhu kulit. Studi menunjukkan hubungan antara informasi IRT dan penyakit kardiovaskular aterosklerotik serta kondisi terkait.

Dalam studi ini, para peneliti menilai kelayakan penggunaan data suhu IRT wajah untuk memprediksi CAD. Orang dewasa yang menjalani angiografi CT koroner (CCTA) atau angiografi koroner invasif (ICA) diikutsertakan dalam studi ini. Personel terlatih memperoleh data dasar dan melakukan akuisisi IRT sebelum CCTA atau ICA.

Catatan medis elektronik digunakan untuk memperoleh informasi tambahan, termasuk biokimia darah, riwayat klinis, faktor risiko, dan hasil pemeriksaan CAD. Satu gambar IRT per peserta dipilih untuk dianalisis dan diproses (pengubahan ukuran seragam, konversi ke skala abu-abu, dan pemotongan latar belakang).

Tim mengembangkan model citra IRT menggunakan algoritma pembelajaran mendalam yang canggih. Dua model dikembangkan untuk perbandingan: satu adalah model PTP (garis dasar klinis) yang mencakup usia, jenis kelamin, dan karakteristik gejala pasien, dan yang lainnya adalah model hibrida, yang menggabungkan informasi IRT dan klinis dari model IRT dan PTP.

Beberapa analisis interpretasi dilakukan, termasuk eksperimen oklusi, visualisasi peta sorotan, analisis dosis-respons, dan prediksi label CAD pengganti. Selain itu, berbagai fitur tabel IRT diekstraksi dari gambar IRT, diklasifikasikan pada tingkat seluruh wajah dan wilayah minat (ROI).

Secara keseluruhan, fitur yang diekstraksi diklasifikasikan menjadi tekstur orde pertama, tekstur orde kedua, suhu, dan fitur analisis fraktal. Algoritme XGBoost mengintegrasikan fitur-fitur yang diekstraksi ini dan mengevaluasi nilai prediktifnya untuk CHD. Para peneliti mengevaluasi kinerja menggunakan semua fitur dan hanya fitur suhu.

Sebanyak 893 orang dewasa yang menjalani CCTA atau ICA telah diskrining antara September 2021 dan Februari 2023. Dari jumlah tersebut, 460 peserta dengan usia rata-rata 58,4 tahun diikutsertakan; 27,4% adalah perempuan dan 70% menderita CAD. Pasien dengan CAD memiliki faktor risiko yang lebih tinggi terkait usia dan prevalensi dibandingkan dengan pasien tanpa CAD. Model citra IRT secara signifikan mengungguli model PTP.

Namun, kinerja model citra hibrida dan IRT tidak berbeda secara signifikan. Hanya menggunakan fitur suhu atau semua fitur yang diekstraksi memiliki kinerja prediktif yang unggul, yang konsisten dengan model citra IRT. Pada tingkat seluruh wajah, perbedaan suhu keseluruhan dari kiri ke kanan memiliki dampak terbesar, sementara pada tingkat ROI, suhu rata-rata rahang kiri memiliki dampak terbesar.

Tingkat penurunan kinerja yang bervariasi diamati untuk model citra IRT saat menutup ROI yang berbeda. Penutupan daerah bibir atas dan bawah memiliki dampak terbesar. Selain itu, model citra IRT berkinerja baik dalam memprediksi penanda pengganti yang terkait dengan CAD, seperti hiperlipidemia, merokok, indeks massa tubuh, hemoglobin terglikasi, dan peradangan.

Studi ini menunjukkan kelayakan penggunaan data suhu IRT wajah untuk memprediksi CAD. Model citra IRT mengungguli model PTP yang direkomendasikan oleh pedoman, yang menyoroti potensinya dalam penilaian CAD. Lebih jauh, penggabungan informasi klinis ke dalam model citra IRT tidak memberikan peningkatan tambahan, yang menunjukkan bahwa informasi IRT yang diekstraksi sudah berisi informasi penting yang terkait dengan CAD.

Selain itu, nilai prediktif model IRT dikonfirmasi menggunakan fitur tabel IRT yang dapat diinterpretasikan, yang relatif konsisten dengan model gambar IRT. Fitur-fitur ini juga memberikan informasi tentang aspek-aspek penting untuk memprediksi CHD, seperti simetri suhu wajah dan ketidakmerataan distribusi. Penelitian lebih lanjut dengan sampel yang lebih besar dan populasi yang beragam diperlukan untuk validasi.