Les lignes directrices actuelles pour le diagnostic des maladies coronariennes reposent sur certaines estimations autodéclarées des probabilités des facteurs de risque, qui ne sont pas toujours précises ni systématiquement applicables. Ces données peuvent être complétées par d’autres types de diagnostics, tels que des lectures ECG, une angiographie et des analyses de sang, mais ces tests sont souvent longs, invasifs et coûteux.
Détecter plus facilement et plus précisément les maladies coronariennes
Cette nouvelle approche plus simple et en temps réel a le potentiel d’être adoptée dans la pratique clinique pour améliorer le flux et la précision du diagnostic. Des tests sur un groupe de patients plus large et plus diversifié sont déjà prévus.
De quel type de contenu s’agit-il ?
Premièrement, le traitement des images thermiques capture la répartition et les changements de température à la surface d’un « objet » en détectant les rayons infrarouges émis. Il s’agit d’une technique d’évaluation de la maladie non invasive et prometteuse, car elle permet d’identifier les zones de flux sanguin anormal ou d’inflammation. Vient ensuite l’apprentissage automatique (IA), en particulier la capacité à extraire, traiter et intégrer des informations complexes. Ici, la technologie est exploitée pour améliorer la précision et l’efficacité de l’imagerie thermique.
Cette étude évalue la combinaison de deux méthodes pour détecter plus précisément la présence d’une maladie coronarienne sans recourir à des techniques invasives et chronophages. L’étude a porté sur 460 patients suspectés de maladie cardiaque, âgés en moyenne de 58 ans et 28 % de femmes. Des images thermiques de leurs visages ont été prises avant les tests de confirmation afin de développer et de valider un modèle d’imagerie assisté par IA pour détecter les maladies coronariennes. L’analyse a révélé ce qui suit :
Il a été confirmé que 322 participants, soit 70 %, souffraient d’une maladie coronarienne. Ces participants étaient plus susceptibles d’être plus âgés, de sexe masculin, de présenter des facteurs de risque liés au mode de vie, aux facteurs de risque cliniques et biochimiques et d’utiliser des médicaments préventifs. Une approche combinée d’imagerie thermique et d’IA s’est avérée 13 % plus précise pour prédire les maladies coronariennes que les protocoles de diagnostic standard. Parmi les trois indicateurs thermiques prédictifs les plus importants, la différence globale de température des faces gauche et droite est le plus influent, suivie par la température maximale et la température moyenne des faces. Plus précisément, la température moyenne de la région de la mâchoire gauche s’est avérée être la caractéristique prédictive la plus puissante, suivie par la plage de température de la région de l’œil droit et la différence de température gauche-droite de la région de la tempe gauche.
Validation plus approfondie des facteurs de risque coronariens : L’approche combinée confirme également les facteurs de risque traditionnels de maladie coronarienne, tels qu’un taux de cholestérol élevé ; sexe masculin. le tabagisme ; le surpoids (IMC) ; la glycémie à jeun et les marqueurs d’inflammation.
« La prédiction des maladies coronariennes basée sur l’imagerie thermique suggère des applications futures potentielles et justifie des recherches. En tant que mode d’évaluation de la santé basée sur la biophysiologie, notre approche combinée fournit simultanément des informations relatives à la maladie au-delà des mesures cliniques traditionnelles.
