Ansigtstermisk billedbehandling i kombination med kunstig intelligens (AI) kan nøjagtigt forudsige tilstedeværelsen af koronararteriesygdom ifølge forskning offentliggjort i BMJ Health & Care Informatics. Denne non-invasive og realtidsmetode er mere effektiv end konventionelle metoder og har potentialet til at forbedre diagnostisk nøjagtighed og arbejdsgang i klinisk praksis. De nuværende retningslinjer for diagnosticering af koronar hjertesygdom er ikke altid nøjagtige eller bredt anvendelige, og andre diagnostiske teknikker kan være tidskrævende og invasive. Termisk billedbehandling, som registrerer temperaturmønstre på overfladen af objekter, er opstået som et lovende værktøj til sygdomsvurdering.

Ved at integrere maskinlæringsteknologi udviklede forskerne en AI-assisteret billedbehandlingsmodel til at forudsige koronararteriesygdom ved hjælp af termisk billedbehandling af ansigtet. Tilgangen var cirka 13% bedre til at forudsige koronararteriesygdom sammenlignet med konventionelle risikovurderinger. Studiet identificerede også traditionelle risikofaktorer for sygdommen. Forskerne påpeger behovet for yderligere undersøgelser med større prøvestørrelser og forskellige populationer for at validere resultaterne og udforske potentielle anvendelser og forskningsmuligheder.