تخطى إلى المحتوى

قلبك قد يرسل إنذارًا خفيًا: ذكاء اصطناعي يلتقط خطر الموت المفاجئ من تخطيط عادي

ببساطة

قد تحمل صورة تخطيط القلب المعتادة إشارات دقيقة إلى أن القلب معرض لتوقف مفاجئ، حتى عندما لا تكشف الفحوص التقليدية عن خطر واضح. درّب باحثون نظامًا ذكيًا على مئات الآلاف من التخطيطات، فتمكن من تمييز فئة أعلى خطرًا، ما قد يساعد مستقبلًا على توجيه الفحوص والعلاج إلى من يحتاجونه فعلًا.

في المستشفى، قد يبدو تخطيط القلب إجراءً روتينيًا لا يستغرق سوى دقائق، لكنه يسجل نمطًا كهربائيًا غنيًا بالمعلومات عن عمل القلب. وتشير دراسة قادها باحثون من جامعة كاليفورنيا في بيركلي إلى أن تحليل هذه الأنماط بالذكاء الاصطناعي قد يكشف أشخاصًا مهددين بالموت القلبي المفاجئ، حتى لو لم يظهروا ضمن الفئات التي تستدعي القلق وفق أساليب الفحص المعتادة.

لا يعني ذلك أن خوارزمية جديدة أصبحت بديلًا عن طبيب القلب، أو أن كل من يصنفه النظام في فئة مرتفعة الخطر سيصاب حتمًا بتوقف القلب. الفكرة أكثر دقة: يمكن لأداة تحليل أن تعثر في تسجيل بسيط على ملامح لا يستطيع الفحص التقليدي التقاطها بسهولة، ثم تلفت انتباه الأطباء إلى أشخاص ربما يحتاجون إلى متابعة أعمق.

إشارات كهربائية تختبئ في الفحص اليومي

تخطيط القلب الكهربائي، المعروف اختصارًا باسم EKG أو ECG، يرصد الإشارات التي تنظم انقباض القلب واسترخاءه. ويظهر التسجيل عادة في صورة موجات وارتفاعات وانخفاضات، لكن هذه الأشكال ليست مجرد خطوط منفصلة؛ إذ قد تحمل علاقاتها وتغيراتها الدقيقة معلومات عن حالة القلب لا تبرز عند النظر إلى قراءة واحدة بالطريقة المعتادة.

اعتمدت الدراسة على تعليم برنامج حاسوبي البحث عن تراكيب في هذه الإشارات ترتبط لاحقًا بحدوث وفاة قلبية مفاجئة. لم يقتصر التدريب على مقارنة تخطيطات أشخاص أصحاء بآخرين لديهم تشخيص قلبي معروف، بل ربط الباحثون التسجيلات بمعلومات شهادات الوفاة، حتى يتمكن النظام من التعرف إلى أنماط ظهرت لدى أشخاص ماتوا لاحقًا لأسباب قلبية مفاجئة.

قاد العمل زياد أوبرماير، الأستاذ المشارك في كلية الصحة العامة بجامعة كاليفورنيا في بيركلي، وهو طبيب طوارئ يجمع في أبحاثه بين الطب والذكاء الاصطناعي وسياسات الصحة. ونُشرت النتائج في مجلة نيتشر. ويشارك أوبرماير كذلك في برنامج الصحة الدقيقة الحاسوبية المشترك بين بيركلي وجامعة كاليفورنيا في سان فرانسيسكو.

تكمن أهمية الإشارة التي تعلمها النظام في أنها لا تعتمد بالضرورة على عيب واضح يمكن للطبيب رؤيته بسهولة في تخطيط القلب. فالبرنامج يتعامل مع مجموعة من السمات الكهربائية مجتمعة، وقد يستخلص من تداخلها نمطًا يشير إلى قابلية أعلى للخطر، رغم أن الباحثين لا يعرفون بعد على وجه الدقة ما التغيرات البيولوجية التي تصنع ذلك النمط.

توقف القلب ليس هو النوبة القلبية

لفهم أهمية التنبؤ، ينبغي التمييز بين النوبة القلبية والتوقف القلبي المفاجئ. تحدث النوبة القلبية عندما ينخفض تدفق الدم إلى جزء من عضلة القلب أو ينقطع بسبب انسداد، بينما ينشأ التوقف القلبي عندما يختل النظام الكهربائي الذي ينسق ضربات القلب، فيعجز القلب عن ضخ الدم بصورة فعالة.

قد يقع التوقف القلبي من دون إنذار واضح، ولهذا يصعب رصد اللحظات السابقة له ودراستها. وتشير المعلومات الواردة في الدراسة إلى أن نحو 90% من الأشخاص الذين يتعرضون لتوقف قلبي مفاجئ خارج المستشفى يموتون خلال دقائق. وقد ينجح الإنعاش القلبي الرئوي واستخدام جهاز مزيل الرجفان الخارجي في إعادة النظم الطبيعي، لكن فرص التدخل تضيق بشدة عندما لا يكون الخطر متوقعًا أو لا يتوفر العلاج سريعًا.

كما أن الوفاة المفاجئة تحرم الباحثين غالبًا من فرصة متابعة ما يحدث في القلب قبل توقفه مباشرة. وقد يكشف تشريح الجثة انسدادًا في الأوعية أو تندبًا أو تغيرات بنيوية أخرى، لكنه لا يعيد بناء النشاط الكهربائي للقلب في الدقائق التي سبقت الوفاة. لذلك يظل العثور على علامات مبكرة لدى أشخاص أحياء تحديًا طبيًا مهمًا.

ويضيف هذا التعقيد سببًا آخر إلى صعوبة التنبؤ: لا تتطابق الحالات بالضرورة في أسبابها أو ملامحها، كما أن الأشخاص الذين يموتون قد لا يكونون قد خضعوا لتقييم قلبي متخصص. وقد تتيح السجلات الروتينية، إذا حُللت على نطاق واسع، فرصة لاكتشاف إشارات كانت موجودة بالفعل في البيانات الطبية من دون أن تكون موضع بحث مباشر.

ما الذي لا تراه طرق التقييم المعتادة؟

يعتمد الأطباء في تقدير بعض مخاطر الموت القلبي المفاجئ على قياس مقدار الدم الذي يضخه القلب مع كل انقباضة، وهو ما يساعد على تقييم كفاءة ضخ الدم. وتُستخدم نتائج هذا التقييم ضمن القرارات المتعلقة بترشيح بعض المرضى لزرع جهاز مزيل الرجفان القلبي، وهو جهاز مزروع يستطيع إطلاق صدمة كهربائية عندما يرصد اضطرابًا خطيرًا في النبض.

لكن الوصول إلى قياس كفاءة الضخ يتطلب في العادة تقييمًا طبيًا أوسع من تخطيط القلب الروتيني. وقد لا يصل كثير من الأشخاص إلى هذا النوع من الفحوص أصلًا، خصوصًا إذا لم تكن لديهم أعراض أو أسباب معروفة تدفع الطبيب إلى الاشتباه بوجود خطر. وهكذا قد تظل إشارات مهمة غير مكتشفة لدى أشخاص لا يدخلون مسار الفحص المتخصص.

وفي الاتجاه المقابل، لا تعني معرفة أن مريضًا ما ينتمي إلى فئة مرتفعة الخطورة أن الجهاز المزروع سيُستخدم حتمًا. فبحسب المادة البحثية، لا يحتاج نحو ثلثي المرضى الذين زُرعت لهم أجهزة مزيلة للرجفان إلى أن يطلق الجهاز صدمة. والزرع إجراء طبي مكلف وتدخلي، لذا فإن تحديد الأشخاص الأرجح استفادة منه بدقة أكبر قد يقلل العلاج غير الضروري، من دون إغفال من يحتاجون إليه.

تظهر هنا معضلة الفحص: إذا كانت المعايير ضيقة، فقد يفلت منها أشخاص معرضون للخطر؛ وإذا اتسعت قائمة المرشحين للعلاج اعتمادًا على مؤشرات غير مؤكدة، فقد يخضع آخرون لإجراء لا يحتاجونه. لذلك لا تكمن قيمة الذكاء الاصطناعي في إصدار حكم نهائي، بل في احتمال تحسين عملية الفرز وتحديد من يستحق تقييمًا إضافيًا.

من مئات الآلاف من التخطيطات إلى اختبار دولي

بدأ تدريب النظام بسجلات تخطيط قلب جُمعت على مدى ست سنوات ضمن منظومة الرعاية الصحية الموحدة في السويد. وشملت قاعدة التدريب أكثر من 440,000 تخطيط. وعند ربط هذه التسجيلات ببيانات شهادات الوفاة، أمكن للباحثين مقارنة الأنماط الكهربائية بين مجموعات مختلفة، ومنها من توفوا لاحقًا بسبب قلبي مفاجئ.

تعلم البرنامج من آلاف التفاصيل التي تظهر في التسجيلات، مثل شكل الموجات وتتابعها والعلاقات بين مكوناتها. ولا يتطلب هذا النوع من التحليل أن يحدد الباحثون مسبقًا أي سمة منفردة ينبغي أن تكون علامة خطر؛ إذ يستطيع النظام البحث عن مجموعات من الخصائص التي تتكرر مع النتيجة المراد توقعها.

بعد التدريب، اختبر الفريق الأداة على بيانات مستقلة من خارج السويد، وهو أمر مهم لمعرفة ما إذا كانت قدرتها ستقتصر على مجموعة المرضى التي تعلمت منها. شملت الاختبارات آلاف السجلات الإضافية من الولايات المتحدة وتايوان. وتضمنت البيانات الأمريكية تخطيطات جُمعت على مدى عامين من منظومة مستشفيات في سان دييغو، إلى جانب مجموعة منفصلة من بيانات المرضى في تايبيه.

يساعد تنوع البلدان والأنظمة الصحية على فحص قابلية تعميم النتائج، لكنه لا يثبت وحده أن الأداء سيكون متطابقًا لدى كل مجتمع أو فئة من المرضى. فالاختلاف في خصائص السكان وطريقة جمع السجلات والرعاية المتاحة قد يؤثر في أداء أي نموذج. ومن هنا تأتي أهمية الاختبار في أكثر من مكان قبل التفكير في استخدام الأداة على نطاق سريري واسع.

استغرق جمع البيانات وتنظيمها قرابة عشر سنوات، بحسب أوبرماير، وشاركت في ذلك جهتان ساعد على تأسيسهما، هما داندليون هيلث ونايتنغيل أوبن ساينس. وتوضح هذه المدة أن تطوير خوارزمية طبية لا يبدأ من كتابة البرنامج فقط؛ فإتاحة السجلات وربطها بطريقة موثوقة وتوفيرها للبحث قد تكون مهمة طويلة بحد ذاتها.

ماذا تعني نسبة 7%؟

عند مقارنة النتائج، رصدت الطرق التقليدية مجموعة من المرضى يبلغ معدل الوفاة القلبية المفاجئة السنوي فيها 4.6%. أما المجموعة التي حددها نظام الذكاء الاصطناعي بوصفها أعلى خطرًا، فبلغ معدل الوفاة السنوي فيها 7%. وبذلك استطاع النظام تحديد فئة كان الخطر المسجل فيها أعلى من الفئة التي تنتجها أساليب التقييم المعتادة.

هذه النسب تصف معدلًا سنويًا على مستوى مجموعات، ولا تعني أن النظام يستطيع الجزم بمصير شخص بعينه. كما أن الفرق بين 4.6% و7% لا يحول التوقع إلى يقين، ولا يثبت أن كل من يظهر في الفئة الأعلى يحتاج تلقائيًا إلى جهاز مزروع. بل يشير إلى أن ترتيب الأشخاص بحسب الخطر قد يصبح أكثر دقة، وهو ما يمكن أن يساعد الطبيب على اختيار الخطوة التالية.

ومن النتائج اللافتة أن الخوارزمية أشارت أيضًا إلى شريحة أوسع من الأشخاص ذوي الخطر المرتفع، بينهم آلاف لم تكن الإرشادات الطبية الحالية ستعتبرهم عادة موضع اشتباه كبير. وكان معظم هؤلاء سيصنفون، وفق الوسائل التقليدية، ضمن الفئات الأقل خطورة نسبيًا. وهذا يثير احتمال أن تكون بعض حالات الخطر مخفية في سجلات يومية لا تثير الانتباه عند تحليلها بالأساليب المعتادة.

لكن توسيع نطاق الاشتباه لا ينبغي أن يساوي توسيع نطاق التدخل تلقائيًا. فالفحص الإضافي، والمتابعة المستمرة، ثم قرار زرع جهاز، مراحل مختلفة تتطلب أدلة متزايدة. لذلك قد تكون القيمة العملية الأولى للأداة هي توجيه بعض المرضى إلى مراقبة أدق، وليس الانتقال مباشرة من نتيجة الخوارزمية إلى إجراء جراحي.

كيف يمكن تحويل الإنذار إلى متابعة؟

يعمل أوبرماير وفريقه مع أنظمة طبية في السويد وتايوان والولايات المتحدة على إدخال الخوارزمية إلى قواعد بيانات تخطيط القلب في المستشفيات. والفكرة المقترحة هي فحص التسجيلات الموجودة بالفعل بحثًا عن مؤشرات تستحق الانتباه، ثم التواصل مع المرضى الذين يظهر لديهم تقدير مرتفع للخطر وعرض متابعة إضافية عليهم.

من الخيارات المطروحة أن يرتدي بعض المرضى رقعة صغيرة تراقب النشاط الكهربائي للقلب بصورة متواصلة. يختلف هذا عن تخطيط يُسجل خلال وقت محدود، إذ يمكن للمراقبة الأطول أن تلتقط اضطرابات متقطعة أو تغيرات يصعب ظهورها في تسجيل قصير. وقد تمنح هذه البيانات الأطباء والباحثين صورة أوضح عن طبيعة الإشارة التي رصدها الذكاء الاصطناعي.

إذا كشفت المتابعة الطويلة أنماطًا ذات صلة، فقد تساعد على فهم الظروف الكهربائية أو البيولوجية التي تجعل قلبًا أكثر عرضة لاضطراب قاتل. وبعد جمع الأدلة اللازمة، قد تدعم المعلومات قرارًا طبيًا بشأن بعض العلاجات الوقائية، ومن بينها جهاز مزيل الرجفان لدى أشخاص يتبين أنهم الأكثر استفادة منه.

هذه الخطوات ما تزال ضمن مسار تطوير الاستخدام السريري، وليست إعلانًا عن فحص متاح على نطاق عام أو علاج ثبتت ملاءمته لكل من يصنفه النظام في الفئة الأعلى. فالانتقال من أداة تنبؤ إلى رعاية تحسن النتائج يتطلب التحقق من دقة التوقع، وتحديد ما ينبغي فعله بعد ظهور النتيجة، وقياس الفوائد والمخاطر على المرضى في الواقع.

اللغز الذي كشفه الذكاء الاصطناعي

لا تقتصر أهمية العمل على فرز المرضى. فالخوارزمية رصدت أنماطًا كهربائية يرى الباحثون أنها مرتبطة بالخطر، لكن تفسيرها البيولوجي لا يزال غير مكتمل. وهذا يفتح بابًا لسؤال علمي: ما الذي يحدث في القلب ليترك أثرًا يمكن التقاطه في تخطيط عادي قبل وقوع اضطراب مميت؟

قد يقود فهم هذه الأنماط إلى تحديد تغيرات لم تكن معروفة أو إلى تحسين طرق تقييم القلب. وإذا تمكن الباحثون من ربط إشارة بعينها بآلية محددة، فسيكون بوسعهم الانتقال من ملاحظة أن بعض التخطيطات تتنبأ بالخطر إلى تفسير سبب ظهورها، وربما البحث عن فرص جديدة للوقاية.

هذه الإمكانية تبرز دورًا مختلفًا للذكاء الاصطناعي في الطب. فهو لا يقتصر على تسريع قراءة نتيجة أو أتمتة مهمة روتينية، بل قد يساعد على اقتراح علاقات معقدة داخل كم كبير من البيانات، ثم يتيح للعلماء اختبارها بتجارب وملاحظات سريرية. ومع ذلك، تظل الخوارزمية أداة لاكتشاف الأنماط، ولا تصبح التفسيرات الطبية حقيقة لمجرد أن البرنامج وجد ارتباطًا بينها وبين نتيجة صحية.

وحتى يكون هذا النهج موثوقًا، ينبغي أن يفهم الأطباء ما الذي تعنيه النتيجة للمريض، وأن تكون خطوات المتابعة واضحة ومتناسبة مع مستوى الخطر. كما يلزم التأكد من أن النظام يعمل بكفاءة في مجموعات متنوعة، وألا يؤدي الاعتماد عليه إلى طمأنة زائفة أو قلق غير مبرر أو فحوص لا ضرورة لها.

الخاتمة

توضح دراسة جامعة كاليفورنيا في بيركلي أن تخطيط القلب الروتيني قد يخفي مؤشرات دقيقة على قابلية حدوث موت قلبي مفاجئ. فقد تعلم نظام ذكاء اصطناعي من أكثر من 440,000 تخطيط سويدي جُمعت خلال ست سنوات، ثم اختُبر على آلاف السجلات الإضافية من الولايات المتحدة وتايوان. وحدد النظام مجموعة بلغ معدل الوفاة السنوي فيها 7%، مقابل 4.6% لدى مجموعة رصدتها الطرق التقليدية، كما أشار إلى أشخاص لم تكن الفحوص المعتادة ستعدهم غالبًا مرتفعي الخطر.

لا تمثل النتائج حكمًا قاطعًا على الأفراد ولا تعني أن أجهزة مزيلة الرجفان ينبغي أن تزرع لكل من يصنفه البرنامج في فئة عالية. لكنها قد تمنح الأطباء وسيلة أفضل لاختيار من يحتاج إلى متابعة أعمق، مثل المراقبة برقعة تسجل نشاط القلب زمنًا أطول. وإذا أثبتت الاختبارات المستقبلية فائدتها وسلامتها، فقد تساعد هذه الطريقة على منع بعض الوفيات، وفي الوقت نفسه تكشف شيئًا جديدًا عن الإشارات التي تسبق اضطراب القلب القاتل.