Aujourd’hui, la maladie coronaire obstructive est principalement suspectée sur la base d’une « probabilité prétest » reposant sur la présence de différents facteurs : âge, sexe, nature des symptômes (dyspnée, type de douleur thoracique). En cas de PPT intermédiaire ou élevée de coronaropathie (> 5 %), des examens complémentaires invasifs peuvent être réalisés pour le diagnostic. Afin d’améliorer le pouvoir de prédiction de la probabilité prétest, des chercheurs chinois ont développé un algorithme d’apprentissage profond basé sur les images de thermographie infrarouge faciale sans contact, qu’ils ont évalué et entraîné sur les patients d’un hôpital chinois.
Quatre cent soixante patients éligibles, initialement référés pour un coroscanner ou une coronarographie, ont été inclus de manière prospective dans l’étude (âge moyen = 58,4 ans, écart-type = 10,4 ans ; 27,4 % de femmes). Chaque patient a subi une thermographie infrarouge faciale sans contact. Les images ont été utilisées avec le diagnostic final post-coroscanner ou post-coronarographie pour entraîner le logiciel d’apprentissage profond à prédire la maladie coronaire d’après des caractéristiques des thermogrammes. La performance du logiciel entraîné a ensuite été comparée à la performance de la probabilité prétest seule pour prédire la coronaropathie.
Les résultats de cette comparaison ont été publiés début juin dans BMJ Health & Care Informatics. Le logiciel entraîné avec la thermographie s’avère plus performant (aire sous la courbe [AUC] = 0,804 ; IC95 % = [0,785 ; 0,823]) que celui prédisant la maladie coronaire suivant la probabilité prétest seule (AUC = 0,713 ; IC95 % = [0,691 ; 0,734]). Les caractéristiques les plus prédictives de la maladie coronaire étaient la différence de température entre partie gauche et partie droite du visage, la température faciale maximale et la température faciale moyenne.
Pour les auteurs, cette étude indique que leur modèle d’apprentissage profond basé sur la thermographie infrarouge faciale est prometteur dans la détection de la coronaropathie par rapport aux outils cliniques actuels. Toutefois, concluent-ils, « de futures études incorporant plus de personnes sont nécessaires pour en établir la validité et savoir si ces résultats sont généralisables ».