얼굴 온도는 현재 방법보다 더 정확하게 심장병을 예측할 수 있습니다.

BMJ Health & Care Informatics 연구원들은 관상동맥질환(CHD)을 예측하기 위해 안면 적외선 열화상(IRT)을 사용하는 타당성을 평가했습니다.

IHD는 주요 사망 원인 중 하나이며 전 세계적으로 상당한 부담을 안겨주고 있습니다. CAD의 정확한 진단은 관리 및 치료에 중요합니다. 현재, 사전 테스트 확률(PTP) 평가 도구는 환자의 CAD 가능성을 결정하는 데 사용됩니다. 그러나 이러한 도구는 주관성, 제한된 다양성, 적당한 정확성에 문제가 있습니다.

추가 심혈관 검사(관상동맥 칼슘 수치 및 심전도 검사)나 추가 실험실 마커와 위험 요인을 통합한 정교한 임상 모델을 통해 확률 추정치를 향상할 수 있지만 시간 효율성, 절차 복잡성, 제한된 가용성과 관련된 우려가 있습니다. p>

비접촉 표면 온도 감지 기술인 IRT는 질병 평가에 대한 가능성을 보여주고 있습니다. 피부 온도 패턴을 통해 염증과 비정상적인 순환을 감지할 수 있습니다. 연구에 따르면 IRT 정보와 죽상동맥경화성 심혈관 질환 및 관련 질환 사이의 연관성이 밝혀졌습니다.

이 연구에서 연구자들은 안면 IRT 온도 데이터를 사용하여 CAD를 예측하는 타당성을 평가했습니다. 관상동맥 CT 혈관조영술(CCTA) 또는 침습적 관상동맥 조영술(ICA)을 받는 성인이 연구에 포함되었습니다. 숙련된 인력이 원시 데이터를 확보하고 CCTA 또는 ICA 이전에 IRT 설문조사를 실시했습니다.

전자 의료 기록은 혈액 화학, 임상 병력, 위험 요인 및 CHD 검사 결과를 포함한 추가 정보를 얻는 데 사용되었습니다. 분석 및 처리를 위해 참가자당 하나의 IRT 이미지가 선택되었습니다(통합 크기 조정, 회색조 변환 및 배경 자르기).

팀은 고급 딥러닝 알고리즘을 사용하여 IRT 이미지 모델을 개발했습니다. 비교를 위해 두 가지 모델이 개발되었습니다. 하나는 환자의 연령, 성별 및 증상 특성을 포함하는 PTP(임상 기준) 모델이고, 다른 하나는 각각 IRT 및 PTP 모델의 IRT 정보와 임상 정보를 결합한 하이브리드 모델입니다..

폐색 실험, 배설 지도 시각화, 용량-반응 분석, CAD 대리 라벨 예측 등 다양한 해석 분석이 수행되었습니다. 또한 IRT 이미지에서 다양한 표 형식의 IRT 특징을 추출하여 얼굴 전체 수준과 관심 영역(ROI) 수준으로 분류했습니다.

전체적으로 추출된 특징은 1차 질감, 2차 질감, 온도, 프랙탈 분석 특징으로 분류되었습니다. XGBoost 알고리즘은 이러한 추출된 특징을 통합하고 CAD에 대한 예측 가치를 평가했습니다. 연구진은 모든 특성을 활용하고 온도 특성만 활용해 성능을 평가했다.

2021년 9월부터 2023년 2월 사이에 CCTA 또는 ICA를 진행 중인 총 893명의 성인이 평가되었습니다. 이 중 평균 연령이 58.4세인 460명의 참가자가 포함되었습니다. 27.4%는 여성이었고, 70%는 CAD를 앓고 있었습니다. CAD 환자는 CAD가 없는 환자에 비해 연령과 위험 인자 유병률이 더 높았습니다. IRT 이미지 모델은 PTP 모델보다 성능이 훨씬 뛰어났습니다.

그러나 하이브리드와 IRT 이미징 모델의 성능은 크게 다르지 않았습니다. 온도 특성만 사용하거나 추출된 모든 특성을 사용하면 예측 성능이 뛰어나며 이는 IRT 이미징 모델과 일치합니다. 얼굴 전체 수준에서는 왼쪽과 오른쪽의 전체적인 온도차가 가장 큰 영향을 미쳤고, ROI 수준에서는 왼쪽 턱의 평균 온도가 가장 큰 영향을 미쳤습니다.

다양한 ROI가 가려진 경우 IRT 이미지 모델에서 다양한 수준의 성능 저하가 관찰되었습니다. 윗입술과 아랫입술 부위의 폐색이 가장 큰 영향을 미쳤습니다. 또한 IRT 영상 모델은 고지혈증, 흡연, 체질량지수, 당화혈색소, 염증 등 CAD와 관련된 대리 지표를 예측하는 데 탁월한 성능을 보였습니다.

이 연구에서는 안면 IRT 온도 데이터를 사용하여 CAD를 예측할 수 있는 가능성이 입증되었습니다. IRT 이미징 모델은 가이드라인에서 권장하는 PTP 모델보다 성능이 뛰어나 CAD 평가에서 잠재력을 강조했습니다. 또한 임상 정보를 IRT 이미지 모델에 통합해도 추가적인 개선이 이루어지지 않았으며, 이는 추출된 IRT 정보에 이미 중요한 CAD 관련 정보가 포함되어 있음을 시사합니다.

또한 IRT 이미지 모델과 상대적으로 일치하는 해석 가능한 표 형식의 IRT 특징을 사용하여 IRT 모델의 예측 값을 확인했습니다. 이러한 특성은 또한 안면 온도 대칭 및 고르지 않은 분포와 같은 CAD 예측을 위한 중요한 측면에 대한 정보를 제공했습니다. 검증을 위해서는 더 큰 표본과 다양한 모집단을 대상으로 한 추가 연구가 필요합니다.