C’est une nouvelle application de l’intelligence artificielle dans le diagnostic, ici combinée à l'imagerie thermique faciale. Un nouvel outil diagnostique de pointe, documenté dans le BMJ Health & Care Informatics, permettant de prédire avec précision la présence d'une maladie coronarienne. Une approche non invasive en temps réel qui semble plus efficace que les méthodes conventionnelles.
Les lignes directrices actuelles pour le diagnostic des maladies coronariennes reposent sur une évaluation de la probabilité des facteurs de risque qui sont pour certains auto-déclarés, ne sont pas toujours très précis ni systématiquement applicables. Si ces données peuvent être complétées par d’autres types de diagnostic, tels que des lectures ECG, des angiographies et des analyses de sang, ces examens prennent souvent beaucoup de temps, sont invasifs et entraînent un coût élevé.
Détecter plus facilement et avec plus de précision la maladie coronarienne
Cette nouvelle approche, plus simple et en temps réel, pourrait être adoptée pour la pratique clinique afin d'améliorer le flux et la précision du diagnostic. Des tests sur un nombre de patients plus important et plus diversifiés sont déjà planifiés.
De quoi s’agit-it ?
- De l’imagerie thermique, d’abord, qui capture la répartition et les variations de température à la surface de « l’objet » en détectant le rayonnement infrarouge émis. C’est une technique non invasive et prometteuse pour l’évaluation des maladies, ici en raison de sa capacité à identifier les zones de circulation sanguine anormale et les zones d’inflammation ;
- de l’apprentissage automatique (IA), ensuite, et notamment de sa capacité à extraire, traiter et intégrer des informations complexes. La technologie trouve ici toute sa place pour améliorer la précision et l’efficacité des diagnostics par imagerie thermique.
L’étude évalue la combinaison des 2 méthodes pour détecter avec plus de précision la présence d'une maladie coronarienne sans avoir recours à des techniques invasives et fastidieuses. Cet essai est mené auprès de 460 patients suspectés de maladie cardiaque, âgés en moyenne de 58 ans et à 28 % des femmes. Des images thermiques de leurs visages ont été capturées avant les examens de confirmation afin de développer et de valider un modèle d'imagerie assisté par IA pour détecter la maladie coronarienne. L’analyse révèle que :
- 322 participants, soit 70 %, ont été confirmés comme atteints d'une maladie coronarienne ;
- Ces participants avaient tendance à être plus âgés, à être des hommes, à présenter des facteurs de risque liés au mode de vie, cliniques et biochimiques, à utiliser des médicaments préventifs ;
- l’approche combinée imagerie thermique et IA se révèle 13 % plus précise à prédire la maladie coronarienne que le protocole de diagnostic standard ;
- parmi les 3 indicateurs thermiques prédictifs les plus significatifs, le plus influent est
- la différence globale de température gauche-droite du visage,
- suivi de la température faciale maximale,
- et de la température faciale moyenne.
- Plus précisément, la température moyenne de la région de la mâchoire gauche se révèle 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 des régions de la tempe gauche.
Une validation supplémentaire des facteurs du risque coronarien : l’approche combinée confirme également les facteurs de risque traditionnels de maladie coronarienne : taux de cholestérol élevé ; sexe masculin ; tabagisme ; surpoids (IMC) ; glycémie à jeun, ainsi que des marqueurs d'inflammation.
« La prédiction de la maladie coronarienne basée sur l’imagerie thermique suggère de futures applications potentielles et appellent à recherche : en tant que mode d’évaluation de la santé basée sur la biophysiologie, notre approche combinée fournit des informations pertinentes sur la maladie au-delà des mesures cliniques traditionnelles ».
Source: BMJ Health & Care Informatics 3 June, 2024 DOI: 10.1136/bmjhci-2023-100942 Prediction of coronary artery disease based on facial temperature information captured by non-contact infrared thermography
Plus sur l’IA en santé
