面部热成像与人工智能（AI）的结合能够准确预测冠状动脉疾病的存在，这一发现发表在开放获取期刊《BMJ Health & Care Informatics》上。
这种非侵入性的实时方法比传统方法更有效，并且在经过更大规模和更多种族多样性的患者测试后，可以被临床实践采纳，以提高诊断的准确性和工作流程效率。研究人员表示，当前冠心病诊断指南依赖于风险因素的概率评估，这些评估并不总是非常准确或广泛应用。尽管这些评估可以辅以其他诊断方法，如心电图、血管造影和血液检查，但这些方法通常耗时且具有侵入性。
热成像技术通过检测物体表面发出的红外辐射来捕捉温度分布和变化，是一种非侵入性的方法。它已经作为一种有前景的疾病评估工具出现，因为它可以通过皮肤温度模式识别异常血液循环和炎症区域。机器学习技术（AI）的出现，由于其提取、处理和整合复杂信息的能力，可能进一步增强热成像诊断的准确性和有效性。
因此，研究人员着手研究在460名疑似心脏病患者中使用热成像加上AI准确预测冠状动脉疾病的可能性，而无需采用侵入性和耗时的技术。参与者的平均年龄为58岁，其中126人（占27.5%）为女性。在确认性检查之前，拍摄了他们的面部热图像，以开发和验证一种用于检测冠状动脉疾病的AI辅助成像模型。
最终，322名参与者（占70%）被确诊患有冠状动脉疾病。这些人往往年龄较大，男性比例较高。他们还更有可能具备生活方式、临床和生化风险因素，并且更频繁地使用预防性药物。
热成像加AI的方法在预测冠状动脉疾病方面比传统的基于风险因素和临床症状的预测试评估高出约13%。在三个最重要的预测热指标中，最显著的是面部左右温度差异，其次是最高面部温度和平均面部温度。具体来说，左下颌区域的平均温度是最强的预测特征，其次是右眼区域的温度范围和左太阳穴区域的左右温度差异。
该方法还有效地识别了冠状动脉疾病的传统风险因素：高胆固醇、男性性别、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，且仅在一个中心进行。此外，所有研究参与者都已被推荐进行疑似心脏病的确诊检查。但他们仍然写道：“基于热成像的冠状动脉疾病预测的可行性表明了未来应用和研究机会。”
他们补充说：“作为基于生物物理的健康评估方式，它提供了超出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及相关慢性病的评估。其非接触、实时的特性允许即时在护理点进行疾病评估，从而简化临床工作流程并节省重要的医患决策时间。此外，它还有潜力实现大规模的初步筛查。”
他们总结道：“我们开发的基于高级机器学习技术的热成像预测模型，与当前的传统临床工具相比，显示出令人鼓舞的潜力。需要进一步的研究，包括更大样本量和多样化患者群体，以验证当前发现的外部有效性和普遍适用性。”
(全文结束)
