Alguns atributos faciais estão associados a um aumento do risco de desenvolver doença arterial coronária (CAD, coronary artery disease), como por exemplo a perda de cabelo ou de sua coloração, o surgimento de rugas, o dobramento do lóbulo da orelha, o aparecimento de pequenos depósitos de colesterol na região das pálpebras, e alterações da córnea. Se aproveitando dessa correlação, um grupo de pesquisadores de universidades situadas em Beijing, na China, desenvolveu um modelo de machine learning para fazer o diagnóstico da doença usando fotos de pacientes.
O estudo, publicado há poucos dias, envolveu na fase de desenvolvimento o alistamento de 5800 pacientes de oito hospitais chineses, e depois na fase de testes mais 1000 pacientes de nove localidades, que estavam passando por procedimentos de imageamento para investigar seus vasos sanguíneos. Quatro fotografias do seu rosto foram retiradas, sendo uma frontal, duas de perfil e a última do topo da cabeça. Dados socioeconômicos e clínicos também foram coletados. Seus exames foram analisados por radiologistas, e este resultado foi usado para rotular o dataset. As fotos foram usadas para treinar uma rede neural convolucional. O modelo foi calibrado para produzir alta sensibilidade, atingindo esta métrica no dataset de teste de 0,80, e especificidade de 0,54. A métrica AUC de 0,73 foi maior do que de outros modelos diagnósticos disponíveis na literatura. Os dados dos pacientes não contribuíram para a melhoria do modelo, ou seja, as fotografias isoladamente atingiram um resultado satisfatório no diagnóstico. Os atributos faciais que mais contribuíram para a classificação dos pacientes foram as bochechas, a testa e o nariz.
Os autores reconhecem que o modelo ainda precisa ser melhorado, já que a taxa de falsos positivos de 46% pode gerar alarme desnecessário entre pacientes em análise, que por sua vez pode resultar em exames desnecessários para confirmar o diagnóstico. Além disso, a população do estudo era etnicamente muito homogênea, o que limita seu emprego de forma mais generalizada. Mesmo assim, o estudo aponta em uma direção interessante, já que apresenta um método simples e rápido para detectar sinais que podem indicar problema cardíaco. Um paciente poderia por exemplo enviar selfies para que seu médico analise através do algoritmo, e assim possa lhe apresentar a assistência necessária. Isto é especialmente importante em regiões com carência de programas de seleção para essas doenças.