Las imágenes térmicas faciales combinadas con inteligencia artificial predicen la enfermedad arterial coronaria

Las directrices actuales para el diagnóstico de enfermedades coronarias a menudo se basan en evaluaciones de probabilidad de factores de riesgo, que no siempre son precisas ni universalmente aplicables. Estas evaluaciones se pueden complementar con diagnósticos como lecturas de ECG, angiografías y análisis de sangre, pero estos métodos suelen ser invasivos y requieren mucho tiempo. La imagen térmica, que detecta la radiación infrarroja emitida desde la superficie de un objeto para capturar la distribución y las variaciones de temperatura, no es invasiva. Ha surgido como una herramienta prometedora para la evaluación de enfermedades al identificar áreas de circulación sanguínea anormal e inflamación a partir de los patrones de temperatura de la piel. La integración del aprendizaje automático (IA), con su capacidad para extraer, procesar e integrar información compleja, podría mejorar la precisión y eficacia del diagnóstico por imágenes térmicas. Una nueva investigación ha demostrado que una combinación de imágenes térmicas faciales e inteligencia artificial puede predecir con precisión la presencia de enfermedad de las arterias coronarias.

Investigadores de la Universidad de Tsinghua (Beijing, China) examinaron la viabilidad de utilizar imágenes térmicas e inteligencia artificial para predecir la enfermedad de las arterias coronarias sin técnicas invasivas que requieren mucho tiempo en 460 personas con sospecha de enfermedad cardíaca. Los participantes tenían una edad media de 58 años y 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 enfermedades de las arterias coronarias. Se confirmó que un total de 322 participantes (70 %) tenían enfermedad de las arterias coronarias. Estos individuos eran generalmente mayores, más propensos a ser hombres y más propensos a tener factores de riesgo bioquímicos, clínicos y de estilo de vida, así como un mayor uso de medicamentos preventivos.

Imagen: El enfoque no invasivo en tiempo real es más efectivo que los métodos convencionales para predecir las enfermedades coronarias (Foto cortesía de 123RF)

El enfoque de imágenes térmicas e inteligencia artificial fue aproximadamente un 13 % más efectivo para predecir la enfermedad de las arterias coronarias que las evaluaciones de riesgo previas a la prueba que involucran factores de riesgo tradicionales y signos y síntomas clínicos. Entre los tres indicadores térmicos predictivos más importantes, la diferencia general de temperatura izquierda-derecha de la cara fue la más influyente, seguida de la temperatura facial máxima y la temperatura facial promedio. Específicamente, la temperatura promedio de la región de la mandíbula izquierda fue la característica predictiva más fuerte, seguida por el rango de temperatura de la región del ojo derecho y la diferencia de temperatura izquierda-derecha de las regiones de la sien izquierda. Este enfoque también identificó eficazmente los factores de riesgo tradicionales de la enfermedad de las arterias coronarias, como el colesterol alto, el sexo masculino, el tabaquismo, el exceso de peso (IMC), la glucosa en sangre en ayunas y los indicadores de inflamación.

"La viabilidad de la predicción [de la enfermedad de las arterias coronarias] basada [en imágenes térmicas] sugiere posibles aplicaciones futuras y oportunidades de investigación", afirmaron los investigadores. “Como modalidad de evaluación de la salud basada en biofisiología, proporciona información relevante para la enfermedad más allá de las medidas clínicas tradicionales que podrían mejorar [la enfermedad cardiovascular aterosclerótica] y la evaluación de enfermedades crónicas relacionadas. Su naturaleza sin contacto y en tiempo real permite una evaluación instantánea de la enfermedad en el lugar de atención, lo que podría optimizar los flujos de trabajo clínicos y ahorrar tiempo para la importante toma de decisiones entre médico y paciente. Además, tiene el potencial de permitir una preselección masiva”.

Enlaces relacionados:
Universidad de Tsinghua