Attenzione: questa pagina è una traduzione automatica di questa pagina originariamente in lingua inglese. Si prega di notare in quanto le traduzioni sono generate da macchine, non tutte le traduzioni saranno perfetti. Questo sito web e le sue pagine web sono destinati ad essere letto in inglese. Ogni traduzione del sito e le sue pagine web possono essere imprecise e inesatte, in tutto o in parte. Questa traduzione è fornita per comodità.

L'intelligenza artificiale può contribuire a diagnosticare la malattia di cuore basata sulle foto facciali

Inviando “un selfie„ al medico potrebbe essere un modo economico e semplice di diagnosticare la malattia di cuore, secondo gli autori di nuovo studio pubblicato oggi (venerdì) nel giornale europeo del cuore.

Lo studio è il primo per indicare che è possibile usare un algoritmo d'apprendimento profondo del computer per diagnosticare la coronaropatia (CAD) analizzando quattro fotografie della fronte di taglio di una persona.

Sebbene l'algoritmo debba essere messo a punto più ulteriormente ed essere sperimentato nei più grandi gruppi di persone dalle origini etniche differenti, i ricercatori dicono che ha il potenziale di essere usato come strumento della selezione che potrebbe identificare la malattia di cuore possibile nella gente nella popolazione in genere o nei gruppi ad alto rischio, che potrebbero essere fatti riferimento per ulteriori indagini cliniche.

A nostra conoscenza, questo è il primo lavoro che dimostra che l'intelligenza artificiale può essere usata per analizzare le fronti di taglio per diagnosticare la malattia di cuore. È un punto verso lo sviluppo ad uno di uno strumento basato imparare profondo che potrebbe essere utilizzato per valutare il rischio di malattia di cuore, in ambulatori o per mezzo di pazienti che catturano “i selfies„ per realizzare la loro propria selezione. Ciò ha potuto guidare ulteriore prova diagnostica o una visita clinica.„

Il professor Zhe Zheng, Direttore vice del centro nazionale per le malattie cardiovascolari e vice presidente dell'ospedale di Fuwai, accademia delle scienze mediche cinese ed istituto universitario medico del sindacato di Pechino, Pechino, Repubblica popolare cinese

È continuato: “Il nostro scopo finale è di sviluppare una domanda auto-riferita di comunità ad alto rischio per valutare il rischio della malattia di cuore prima del visualizzare una clinica. Ciò potrebbe essere un economico, semplice ed efficace dell'identificazione dei pazienti che hanno bisogno dell'indagine successiva. Tuttavia, l'algoritmo richiede ulteriore convalida di esterno e di perfezionamento in altre popolazioni ed origini etniche.„

È conosciuto già che determinate funzionalità facciali sono associate con un rischio aumentato di malattia di cuore. Questi includono assottigliandosi o capelli, grinze, piega del lobo di orecchio, xanthelasmata (piccolo, depositi di giallo di colesterolo al di sotto dell'interfaccia, solitamente intorno alle palpebre) e corneae grigi del arcus (giacimenti del colesterolo e del grasso che compaiono come anello opaco grigio o blu nebbioso di bianco, nelle barriere esterne della cornea). Tuttavia, sono difficili affinchè gli esseri umani usino con successo per predire e quantificare il rischio della malattia di cuore.

Prof. Zheng, il professor Xiang-Yang Ji, che è Direttore del cervello ed istituto di cognizione nel dipartimento di automazione all'università Tsinghua, Pechino ed altri colleghi ha iscritto 5.796 pazienti da otto ospedali in Cina allo studio fra luglio 2017 e marzo 2019. I pazienti stavano subendo le procedure della rappresentazione per studiare i loro vasi sanguigni, quali angiografia coronaria o angiografia coronaria di tomografia computerizzata (CCTA). Sono stati divisi a caso in addestramento (5.216 pazienti, 90%) o nei gruppi di convalida (580, 10%).

Gli infermieri formati della ricerca hanno catturato quattro foto facciali con le macchine fotografiche digitali: un frontale, due profili ed una visualizzazione della cima della testa. Egualmente hanno intervistato i pazienti per raccogliere i dati su stato socioeconomico, sullo stile di vita e sull'anamnesi. I radiologi hanno esaminato gli angiogrammi dei pazienti ed hanno valutato il grado di malattia di cuore secondo quanti vasi sanguigni sono stati limitati da 50% o più (? stenosi di 50%) e la loro posizione. Questi informazioni sono state usate per creare, preparare e convalidare l'algoritmo di apprendimento profondo.

I ricercatori poi hanno verificato l'algoritmo sui 1.013 pazienti più ancora da nove ospedali in Cina, iscritta fra aprile 2019 e luglio 2019. La maggior parte dei pazienti in tutti i gruppi era di origine etnica di cinese di Han.

Hanno trovato che l'algoritmo ha superato i metodi di previsione attuali del rischio della malattia di cuore (modello del Diamante-Forrester ed il punteggio clinico del consorzio di cad). Nel gruppo di convalida di pazienti, l'algoritmo ha diagnosticato correttamente la malattia di cuore in 80% tariffa o “sensibilità di casi (di vera ") positiva e la malattia di cuore correttamente diagnosticata non era assente in 61% dei casi (la vera tariffa o “specificità negativa "). Nel gruppo di prova, la sensibilità era 80% e la specificità era 54%.

Prof. Ji ha detto: “L'algoritmo ha avuto una prestazione moderata e le informazioni cliniche supplementari non hanno migliorato la sua prestazione, che i mezzi potrebbero essere usati facilmente per predire la malattia di cuore potenziale basata sulle foto facciali da solo. La maschetta, la fronte ed il radiatore anteriore hanno fornito più informazioni all'algoritmo che altre aree facciali. Tuttavia, dobbiamo migliorare la specificità mentre una tariffa del falso positivo di fino a 46% può causare l'ansia e l'inconveniente ai pazienti come pure potenzialmente sovraccaricare le cliniche di pazienti che richiedono le prove inutili.„

Così come la richiesta della prova in altri gruppi etnici, le limitazioni dello studio comprendono il fatto che soltanto un centro nel gruppo di prova era differente a quei centri che hanno fornito ai pazienti per sviluppare l'algoritmo, che può più ulteriormente limitare il suo generalisabilty ad altre popolazioni.

In un editoriale accompagnante, Charalambos Antoniades, professore di medicina cardiovascolare all'università di Oxford, Regno Unito ed il Dott. Christos Kotanidis, uno studente di DPhil che lavora sotto prof. Antoniades a Oxford, scrive: “In generale, lo studio da Lin et al. evidenzia un nuovo potenziale nei sistemi diagnostici medici ...... che la robustezza dell'approccio di Lin et al. si trova nel fatto che il loro algoritmo di apprendimento profondo richiede semplicemente un'immagine facciale come la sola immissione dei dati, rendente la altamente e facilmente applicabile alla larga scala.„

Continuano: “Facendo uso dei selfies come metodo di vagliatura può permettere ad un semplice eppure al modo efficace filtrare la popolazione in genere verso la valutazione clinica più completa. Un tal approccio può anche essere altamente pertinente alle regioni del globo che sono non alla portata ed avere programmi di 'screening'deboli per la malattia cardiovascolare. Una procedura di selezione che può essere fatta facilmente come catturare un selfie terrà conto un flusso stratificato della gente che è inserita nei sistemi sanitari per la prova diagnostica prima linea con CCTA. Effettivamente, le persone “ad alto rischio„ potrebbero avere un CCTA, che avrebbe permesso la stratificazione affidabile di rischio con l'uso di nuove, metodologie AI a forza per analisi sulla base di immagini di CCTA.„

Evidenziano alcune delle limitazioni che prof. Zheng e prof. Ji egualmente comprendono in loro documento. Questi comprendono la specificità bassa della prova, quello che la prova deve essere migliorata e convalidata in più grandi popolazioni e quello solleva le questioni etiche circa “uso improprio di informazioni per gli scopi discriminatori. La diffusione indesiderata dei dati sensibili della cartella medica, quello può essere estratta facilmente da una foto facciale, rende le tecnologie come quella ha discusso qui una minaccia significativa contro protezione dei dati personale, potenzialmente pregiudicante le opzioni di assicurazione. Tali timori già sono stati espressi sopra uso improprio dei dati genetici e dovrebbero essere rivisitati estesamente per quanto riguarda l'uso di AI nella medicina„.

Gli autori della pubblicazione acconsentono su questo punto. Prof. Zheng ha detto: “Le emissioni etiche nello sviluppare e nell'applicazione delle queste tecnologie novelle è di importanza capitale. Crediamo che la ricerca futura sugli strumenti clinici dovrebbe prestare attenzione alla segretezza, all'assicurazione e ad altre implicazioni sociali per assicurare che lo strumento sia utilizzato soltanto per gli scopi medici.„

Prof. Antoniades ed il Dott. Kotanidis egualmente scrivono in loro editoriale quel cad di definizione As? la stenosi di 50% in un'arteria coronaria principale “può essere un semplicistico e la classificazione piuttosto grezza come si riunisce nelle persone del gruppo non CAD che sono vero in buona salute, ma egualmente la gente che già ha sviluppato la malattia ma è ancora alle fasi iniziali (che potrebbero spiegare la specificità bassa osservata)„.

Source:
Journal reference:

Lin, S., et al. (2020) Feasibility of using deep learning to detect coronary artery disease based on facial photo. European Heart Journal. doi.org/10.1093/eurheartj/ehaa640.