El escaneo facial térmico y la IA predicen con precisión la enfermedad cardíaca coronaria

El estudio fue publicado en BMJ Health & Care Informatics ha descubierto que una combinación de imágenes térmicas faciales e inteligencia artificial (IA) puede predecir con precisión la presencia de enfermedad de las arterias coronarias (CHD). Se descubrió que este método no invasivo y en tiempo real es más efectivo que los métodos tradicionales y podría introducirse en la práctica clínica para mejorar la precisión del diagnóstico y el flujo de trabajo si se prueba en poblaciones de pacientes más grandes y con mayor diversidad étnica, sugieren los investigadores. p>

Las directrices actuales para diagnosticar la enfermedad de las arterias coronarias se basan en estimaciones de la probabilidad de factores de riesgo que no siempre son precisas o ampliamente aplicables, afirman los investigadores. Si bien estos métodos pueden complementarse con otras herramientas de diagnóstico como ECG, angiografías y análisis de sangre, a menudo requieren mucho tiempo y son invasivos, añaden los investigadores.

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

La aparición de tecnologías de aprendizaje automático (IA), con su capacidad para extraer, procesar e integrar información compleja, puede mejorar la precisión y eficiencia del diagnóstico por imágenes térmicas.

Los investigadores decidieron estudiar la posibilidad de utilizar imágenes térmicas en combinación con IA para predecir con precisión la presencia de enfermedad de las arterias coronarias sin la necesidad de métodos invasivos y que requieren mucho tiempo en 460 personas con sospecha de enfermedad cardíaca. Su edad promedio era de 58 años; 126 (27,5%) de ellos eran mujeres.

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

Un total de 322 participantes (70%) tenían enfermedad coronaria confirmada. Estas personas tendían a ser mayores y con mayor probabilidad a ser hombres. También eran más propensos a tener factores de riesgo bioquímicos, clínicos y de estilo de vida, así como a un uso más frecuente de medicamentos preventivos.

El enfoque de imágenes térmicas e inteligencia artificial fue aproximadamente un 13 % mejor para predecir la enfermedad coronaria que la evaluación de riesgos preliminar utilizando factores de riesgo y signos y síntomas clínicos tradicionales. Entre los tres indicadores térmicos más importantes, el más influyente fue la diferencia general de temperatura entre los lados izquierdo y derecho de la cara, seguido de la temperatura facial máxima y la temperatura facial promedio.

Específicamente, la temperatura promedio 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 del estudio fueron remitidos a pruebas de confirmación por sospecha de enfermedad cardíaca.

Sin embargo, el equipo escribe: “La capacidad de [las imágenes térmicas] para predecir basándose en [la enfermedad coronaria] apunta a posibles aplicaciones futuras y oportunidades de investigación... Como método de evaluación de la salud biofisiológica, [proporciona] enfermedades- información relacionada más allá de las mediciones clínicas tradicionales, que puede mejorar la evaluación de [enfermedad cardiovascular aterosclerótica] y 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 de médicos y pacientes. Además, tiene el potencial para un examen preliminar masivo."

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

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