面部热成像和人工智能可以准确预测冠状动脉

面部热成像和人工智能（AI）的结合可以准确预测冠状动脉疾病的存在，发现发表在BMJHealthCareInformatics上的研究发现。

研究人员建议，这种非侵入性的实时方法比传统方法更有效，可以用于临床实践，以提高诊断和工作流程的准确性，等待对更大和种族更多样化的患者进行测试。

研究人员说，目前冠心病的诊断指南依赖于对风险因素的概率评估，这些风险因素并不总是非常准确或广泛适用。研究人员补充说，虽然这些可以补充其他诊断，如心电图读数、血管造影和血液检查，但这些通常既耗时又具有侵入性。

热成像是通过检测物体发出的红外辐射来捕获物体表面的温度分布和变化，是非侵入性的。它已成为一种很有前途的疾病评估工具，因为它可以从皮肤温度模式中识别异常血液循环和炎症区域。

机器学习技术（AI）的出现，具有提取、处理和集成复杂信息的能力，可能会提高热成像诊断的准确性和有效性。

因此，研究人员着手研究使用热成像和人工智能来准确预测冠状动脉疾病的可行性，而无需对名疑似心脏病患者进行侵入性、耗时的技术。他们的平均年龄为58岁;其中人（27.5%）为女性。

在确认性检查之前捕获了他们面部的热图像，以开发和验证用于检测冠状动脉疾病的人工智能辅助成像模型。

总共有名参与者（70%）被证实患有冠状动脉疾病。这些人往往年龄较大，他们更有可能是男性。他们也更有可能有生活方式、临床和生化风险因素，以及预防性药物的使用率更高。

热成像加人工智能方法在预测冠状动脉疾病方面比涉及传统风险因素和临床体征和症状的测试前风险评估高出约13%。在三个最重要的预测热指标中，影响最大的是面部的整体左右温差，其次是最高面部温度和平均面部温度。

具体而言，左颌区平均温度最强，其次是右眼区温区温度范围和右颌区左右温差。

该方法还有效地识别了冠状动脉疾病的传统危险因素：高胆固醇;男性;吸烟;超重（BMI）;空腹血糖，以及炎症指标。

研究人员承认，他们的研究样本量相对较小，而且它只在一个中心进行。此外，研究参与者都被转介进行疑似心脏病的确认测试。

但该团队仍然写道，“基于[热成像]的[冠状动脉疾病]预测的可行性表明了潜在的未来应用和研究机会......作为一种基于生物生理学的健康评估方式，[它]提供了超越传统临床措施的疾病相关信息，可以增强[动脉粥样硬化性心血管疾病]和相关慢性病评估。

“[它]的非接触式实时特性允许在护理点进行即时疾病评估，这可以简化临床工作流程，并为重要的医患决策节省时间。此外，它还有可能实现大规模预筛选。

研究人员总结道：“与目前的传统临床工具相比，我们基于先进的[机器学习]技术开发的[热成像]预测模型显示出巨大的潜力。

“需要进一步的研究，包括更大的样本量和不同的患者群体，以验证当前研究结果的外部有效性和普遍性。