Las imágenes térmicas faciales y la IA predicen con exactitud la cardiopatía coronaria

Un estudio publicado en la revista BMJ Health & Care Informatics ha descubierto que la combinación de imágenes térmicas faciales e inteligencia artificial (IA) puede predecir con precisión la enfermedad arterial coronaria (EAC). Este método no invasivo y en tiempo real resultó ser más eficaz que los métodos tradicionales y podría implementarse en la práctica clínica para mejorar la precisión diagnóstica y el flujo de trabajo, si se prueba en poblaciones de pacientes más grandes y con mayor diversidad étnica, sugieren los investigadores.

Las directrices actuales para el diagnóstico de la enfermedad arterial coronaria se basan en las probabilidades de los factores de riesgo, que no siempre son precisas ni de amplia aplicación, afirman los investigadores. Si bien estos métodos pueden complementarse con otras herramientas de diagnóstico, como electrocardiogramas, angiografías y análisis de sangre, suelen ser largos e invasivos, añaden los investigadores.

La termografía, que registra la distribución y las variaciones de temperatura en la superficie de un objeto mediante la detección de radiación infrarroja, es no invasiva. Ha demostrado ser una herramienta prometedora para la evaluación de enfermedades, ya que permite identificar áreas con circulación sanguínea anormal e inflamación basándose en los patrones de temperatura de la piel.

El advenimiento de las tecnologías de aprendizaje automático (IA) con su capacidad de extraer, procesar e integrar información compleja puede mejorar la precisión y la eficiencia de los diagnósticos mediante imágenes térmicas.

Los investigadores se propusieron investigar la posibilidad de combinar la termografía con IA para predecir con precisión la presencia de enfermedad coronaria sin necesidad de métodos invasivos y laboriosos en 460 personas con sospecha de cardiopatía. Su edad promedio era de 58 años; 126 (27,5 %) eran mujeres.

Se tomaron imágenes térmicas de sus rostros antes de los exámenes de confirmación para desarrollar y validar un modelo de imágenes asistido por IA para detectar la enfermedad de las arterias coronarias.

Un total de 322 participantes (70%) presentaron enfermedad coronaria confirmada. Estos individuos eran, en general, mayores y con mayor frecuencia varones. También presentaban con mayor frecuencia factores de riesgo relacionados con el estilo de vida, clínicos y bioquímicos, y utilizaban medicamentos preventivos con mayor frecuencia.

El método con termografía e IA fue aproximadamente un 13 % mejor para predecir la enfermedad coronaria que una evaluación previa del riesgo mediante factores de riesgo tradicionales y signos y síntomas clínicos. Entre los tres indicadores térmicos más significativos, la diferencia de temperatura general entre el lado izquierdo y el derecho de la cara fue la más influyente, seguida de la temperatura facial máxima y la temperatura facial promedio.

En particular, la temperatura media de la región de la mandíbula izquierda fue el predictor más fuerte, seguida por la diferencia de temperatura en la región del ojo derecho y la diferencia de temperatura entre las sienes izquierda y derecha.

El enfoque también identificó eficazmente los factores de riesgo tradicionales de enfermedad coronaria: colesterol alto, sexo masculino, tabaquismo, sobrepeso (IMC), glucosa en ayunas e indicadores de inflamación.

Los investigadores reconocen el tamaño relativamente pequeño de la muestra de su estudio y el hecho de que se realizó en un solo centro. Además, todos los participantes fueron derivados a pruebas confirmatorias si se sospechaba una cardiopatía.

Sin embargo, el equipo escribe: "La capacidad de [la termografía] para predecir [la enfermedad de la arteria coronaria] apunta a posibles aplicaciones futuras y oportunidades de investigación... Como método biofisiológico para evaluar la salud, [proporciona] información relacionada con la enfermedad más allá de las mediciones clínicas tradicionales, lo que puede mejorar la evaluación de [la enfermedad cardiovascular aterosclerótica] y las afecciones crónicas relacionadas".

Su naturaleza sin contacto y en tiempo real permite la evaluación instantánea de la enfermedad en el punto de atención, lo que puede agilizar los flujos de trabajo clínicos y ahorrar tiempo para decisiones importantes del médico y del paciente. También tiene el potencial para la preselección masiva.

Los investigadores concluyen: "Nuestros modelos de predicción [de imágenes térmicas] desarrollados, basados en tecnologías avanzadas [de aprendizaje automático], mostraron un potencial prometedor en comparación con las herramientas clínicas tradicionales actuales".

Se necesitan más estudios que involucren un mayor número de pacientes y poblaciones diversas para confirmar la validez externa y la generalización de los hallazgos actuales.