خوارزمية التعلم الذاتي يمكن أن تتنبأ بفشل القلب

تم تطوير خوارزمية حاسوبية جديدة تعتمد على الذكاء الاصطناعي (AI) يمكنها تحديد التغيرات الدقيقة في مخططات القلب (ECG) وتتنبأ عندما يعاني الفرد من فشل القلب. تم تطوير الخوارزمية في مستشفى ماونت سيناي، ونشرت الأبحاث في مجلة كلية طب القلب الأمريكية: الصور الطبية القلبية.

بنجامين إس غليكسبرغ، دكتوراه في الفلسفة، أستاذ مساعد في علم الوراثة والعلوم الجينومية، وعضو في معهد هاسو بلاتنر للصحة الرقمية في ماونت سيناي، ومؤلف رئيسي للدراسة.

“أظهرنا أن خوارزميات التعلم العميق يمكنها التعرف على مشاكل ضخ الدم على كلا جانبي القلب من بيانات موجة ECG”، قال غليكسبرغ. “عادة، يتم تشخيص هذه الحالات القلبية باستخدام إجراءات مكلفة ومستهلكة للوقت. نأمل أن تمكن هذه الخوارزمية من تشخيص فشل القلب بشكل أسرع”.

فرص جديدة مع الذكاء الاصطناعي

لقد استخدم الأطباء تقليدياً التصوير بالموجات فوق الصوتية، وهو تقنية تصوير، لتقييم ما إذا كان المريض يعاني من فشل القلب. ومع ذلك، هذه الإجراءات تتطلب وقتًا وجهدًا كبيرين وتتوفر فقط في بعض المستشفيات.

يخلق الذكاء الاصطناعي فرصًا جديدة في هذا الصدد، حيث تشير الأبحاث إلى أن مخططات القلب يمكن أن تكون بديلاً فعالاً. تشير الأبحاث الحديثة إلى أن خوارزمية التعلم العميق يمكنها الكشف عن ضعف في البطين الأيسر للقلب. وتوصف الأبحاث الجديدة في ماونت سيناي تطوير خوارزمية تقييم قوة البطين الأيسر وكذلك البطين الأيمن.

جيريش إن نادكارني، دكتوراه في الطب، دكتوراه في الصحة العامة، أستاذ مساعد في الطب في مدرسة إيكاهن للطب في ماونت سيناي، رئيس قسم الطب الرقمي والطبية المبنية على البيانات (D4M)، ومؤلف رئيسي للبحث.

“على الرغم من الجاذبية، إلا أن الأمر كان محيراً للأطباء لاستخدام مخططات القلب لتشخيص فشل القلب”، قال الدكتور نادكارني. “هذا يعود جزئياً إلى أن هناك معايير تشخيصية محددة ل这些 التقييمات، وأنه بعض التغيرات في قراءات ECG صغيرة جدًا بحيث لا يمكن للعين البشرية الكشف عنها”. “تعتبر هذه الدراسة خطوة مثيرة للاهتمام إلى الأمام في العثور على المعلومات المخفية داخل بيانات ECG والتي يمكن أن تؤدي إلى أنماط تشخيصية وعلاجية أفضل باستخدام اختبار بسيط وشائع”.

برمجة واختبار الآلة

برمج الباحثون حاسوباً لقراءة مخططات القلب للمرضى والبيانات المستخرجة من التقارير المكتوبة، حيث تعمل الأخيرة كمجموعة بيانات قياسية للمقارنة مع بيانات ECG. هذا مكن الحاسوب من تحديد القلوب الأضعف.

باستخدام برامج معالجة اللغة الطبيعية (NLP)، يمكن للحاسوب استخراج هذه البيانات من الكلمات المكتوبة. وفي الوقت نفسه، يمكن للشبكات العصبية اكتشاف الأنماط في الصور، والتي يمكن دمجها في الخوارزمية لمساعدتها على التعرف على قوة ضخ الدم.

“كنا نريد دفع حدود الفن من خلال تطوير الذكاء الاصطناعي القادر على فهم القلب بسهولة وبدون تكلفة”، قال الدكتور فايد.

قامت الآلة بتحليل 700,000 مخطط قلب وتقرير مخطط قلب، والتي جاءت من أربعة مستشفيات مختلفة. تم استخدام مستشفى خامس لاختبار أداء الخوارزمية في بيئة تجريبية مختلفة.

“من المزايا المحتملة لهذه الدراسة أنها تضمنت واحدة من أكبر مجموعات مخططات القلب من أحد أكثر السكان تنوعاً في العالم”، قال الدكتور نادكارني.

أظهرت الخوارزمية القدرة الفعالة على توقع المرضى الذين سيتمتعون ببطينين أيسرين صحيين أو أضعف، وكانت دقيقة بنسبة 94٪ في توقع المرضى الذين لديهم نسبة خروج صحية، وهو مقدار السوائل التي يضخها البطين مع كل نبضة. كانت الخوارزمية دقيقة بنسبة 87٪ في توقع المرضى الذين لديهم نسبة خروج أقل من 40٪.

تظل واحدة من المناطق التي لا تزال بحاجة إلى العمل هي توقع المرضى الذين لديهم قلوب أضعف قليلاً. كانت الخوارزمية دقيقة بنسبة 73٪ فقط في توقع المرضى الذين لديهم نسبة خروج بين 40٪ و 50٪.

يمكن للخوارزمية الكشف عن ضعف صمامات القلب اليمنى من مخططات القلب، حيث بلغت نسبة دقتها 84٪ في توقع المرضى الذين لديهم صمامات يمنى ضعيفة.

“تشير نتائجنا إلى أن هذه الخوارزمية قد تساعد الأطباء على تشخيص فشل القلب بشكل صحيح على كلا جانبي القلب”، قال الدكتور فايد.

كانت نقطة أخرى هامة في هذه الأبحاث هي أن الخوارزمية يمكن أن تكون فعالة في الكشف عن ضعف القلب في جميع المرضى، بغض النظر عن العرق والجنس.

“تشير نتائجنا إلى أن هذه الخوارزمية يمكن أن تكون أداة مفيدة لمساعدة الممارسين السريريين على مكافحة فشل القلب الذي يعاني منه مجموعة متنوعة من المرضى”، أضاف الدكتور غليكسبرغ. “نحن في processo التصميم بعناية لتجارب مستقبلية لاختبار فعاليتها في بيئة أكثر واقعية”.