Tra le malattie cardiovascolari, la malattia coronarica (CAD) continua ad essere la principale causa di morte e disabilità cronica al mondo, quindi per la sua individuazione sono necessari strumenti precisi, pratici ed economici. Ad eccezione dei modelli predittivi convenzionali basati su fattori di rischio clinici, alcune caratteristiche del viso sono associate a un aumento del rischio di CAD, che potrebbe fornire un potenziale mezzo per rilevare la malattia.
Approccio innovativo
Ad esempio, alopecia, capelli grigi, rughe del viso, piega del lobo dell’orecchio, xantelasmi (piccoli depositi gialli di colesterolo sotto la pelle, di solito intorno alle palpebre) e arco corneo (depositi di grasso e colesterolo che appaiono come un anello bianco, grigio o blu sui bordi esterni della cornea) sono associati a un aumentato rischio di malattia coronarica e cattiva salute cardiovascolare. Tuttavia, l’uso di tali caratteristiche facciali per il rilevamento di CAD è stato limitato da una varietà di fattori.
Con l’evoluzione dell’intelligenza artificiale, l’algoritmo di apprendimento profondo è diventato uno strumento promettente per la diagnosi e la previsione delle malattie basate sulle fotografie del viso. Pertanto, un team di ricercatori cinesi ha ipotizzato che questo nuovo approccio possa aiutare a integrare le caratteristiche del viso per rilevare CAD.
Per testare la loro ipotesi, i ricercatori hanno condotto uno studio che ha coinvolto quasi 7.000 persone, i cui risultati suggeriscono che l’invio di un selfie al medico potrebbe essere un modo economico e facile per lo screening delle malattie cardiache.
Lo studio è il primo a dimostrare che un algoritmo informatico di deep learning può essere utilizzato per rilevare CAD analizzando quattro fotografie del viso di una persona.
Algoritmo addestrato
Per lo studio, i ricercatori hanno selezionato più di 5.796 persone a cui sono state scattate quattro foto del viso con fotocamere digitali: una frontale, i due profili e una vista della parte superiore della testa.
Inoltre, i ricercatori hanno raccolto dati sullo stato socioeconomico dei partecipanti, nonché sul loro stile di vita e sulla storia medica. Successivamente sono stati suddivisi in modo casuale in gruppi di formazione (5.216 pazienti, 90%) o di convalida (580, 10%).
I radiologi hanno esaminato gli angiogrammi dei pazienti e valutato il grado di malattia cardiaca in base al numero di vasi sanguigni che si erano ridotti del 50% o più e alla loro posizione. Queste informazioni sono state utilizzate per creare, addestrare e convalidare l’algoritmo di deep learning.
I ricercatori hanno quindi testato lo strumento di calcolo su altri 1.013 pazienti e hanno scoperto che l’algoritmo ha superato i metodi esistenti per prevedere il rischio di malattie cardiache.
Nel complesso, l’algoritmo ha rilevato correttamente la malattia cardiaca nell’80% dei casi e ha rilevato correttamente che la malattia cardiaca non era presente nel 61% dei casi, un risultato leggermente migliore del tasso del 54%. trovato in testing.
Sebbene l’algoritmo debba essere ulteriormente sviluppato e testato in gruppi più ampi di persone e di diverse origini etniche, i ricercatori notano che ha il potenziale per essere utilizzato come strumento di screening che potrebbe identificare possibili malattie cardiache nella popolazione generale o in persone di gruppi di età ad alto rischio, che potrebbero essere indirizzati per ulteriori esami clinici.
