طريقة جديدة للكشف عن مرض الشريان التاجي

يعد مرض الشريان التاجي السبب الأكثر شيوعًا للوفاة بسبب المرض في جميع أنحاء العالم، حيث يتسبب في 17.9 مليون حالة وفاة سنويًا في جميع أنحاء العالم، وفقا لمنظمة الصحة العالمية.

ويعتبر تصوير الأوعية التاجية حاليًا أفضل طريقة لتأكيد تشخيص مرض الشريان التاجي، ولكنها مكلفة وتتطلب تدخلًا جراحيًا وتشكل مخاطر على المرضى وليست مناسبة للتشخيص المبكر وتقييم مخاطر المرض، وفق ما ذكره موقع ميديكال إكسبريس.

في محاولة لإيجاد طريقة تشخيص أكثر أمانًا وأقل تكلفة وأكثر كفاءة، استخدم فريق بحثي من كلية الطب الصيني التقليدي بجامعة بكين للطب الصيني، وكلية علوم الحياة بجامعة بكين للطب الصيني، وكلية الطب الصيني التقليدي بجامعة هونان للطب الصيني الذكاء الاصطناعي لتطوير خوارزمية تشخيصية تعتمد على تصوير اللسان. نُشر عملهم في Frontiers in Cardiovascular Medicine.

ركزت الأبحاث الحديثة في تطوير نماذج التشخيص لمرض الشريان التاجي على عوامل الخطر السريرية كمتغيرات، كما أثبتت الدراسات الحديثة أن المكونات البيولوجية الإضافية مثل الموجات النبضية ومظهر الوجه قد تلعب دورًا كبيرًا في تشخيص مرض الشريان التاجي.

ومع ذلك، في حين أن أعراض المريض وعلاماته تشكل أساس التشخيص السريري، لاحظ الباحثون أن الطب الصيني التقليدي يتصرف بشكل مختلف، وإن كان فعالًا للغاية.

كيف يفيد الطب الصيني التقليدي هذا العمل الجديد؟

يقول فريق الدراسة: "يستخدم الطب الصيني التقليدي استراتيجيات تشخيصية فريدة وفعالة، وخاصة في مراقبة الظروف الخارجية للمرضى، وتفترض نظرية الطب الصيني التقليدي أن الأمراض الداخلية تتجلى خارجيًا، وبالتالي تسمح للممارسين بقياس شدة الأمراض من خلال الملاحظة".

إن مفتاح مراقبة الطب الصيني التقليدي هو تشخيص اللسان، والذي يتضمن تقييم لون اللسان وطلائه وشكلها. يعمل اللسان، المليء بالأعصاب والأوعية الدموية، كجزء لا يتجزأ من الجهاز القلبي الوعائي، ويمكن أن يتغير مظهره مع تطور الأمراض والحالات الجهازية، وخاصة تلك التي تؤثر على الدورة الدموية. علاوة على ذلك، أثبتت 14 دراسة على الأقل منذ عام 2019 أن مراقبة اللسان هي وسيلة فعالة لتشخيص الأمراض.

باستخدام هذه المعرفة، سعى الفريق إلى التأكد من إمكانية استخدام صور اللسان كأساس حاسم لتشخيص مرض الشريان التاجي بطريقة غير جراحية.

تطوير نموذج تشخيصي

ولإنشاء بنية التعلم الآلي الخاصة بهم، اختار الفريق شبكة ResNet-18، المدربة مسبقًا على مجموعة بيانات من ImageNet، وقاموا ببناء إطارين تشخيصيين للتصميم بمساعدة الكمبيوتر: أحدهما يعتمد على عوامل خطر التصميم بمساعدة الكمبيوتر وحدها، والآخر يشتمل على ميزات عميقة لصور اللسان مع عوامل خطر التصميم بمساعدة الكمبيوتر. وقد أظهرت الخوارزمية المختارة لاستخراج ميزات اللسان، استنادًا إلى إطار عمل Deeplab V3 +، دقة إجمالية تزيد عن 99%.

قام الفريق بتقييم العديد من خوارزميات التعلم الآلي واختار في النهاية XGBoost، والذي أعطى أفضل النتائج في مهمة التصنيف التي تتضمن "الميزات العميقة لصور اللسان" وعوامل الخطر.

بالإضافة إلى ذلك، يوضح الباحثون أنه عندما قارنوا خوارزميات التعلم الآلي - بعضها مبرمج فقط بعوامل الخطر وبعضها الآخر بعوامل الخطر وخصائص صورة اللسان - فقد توصلوا إلى أن "إدراج خصائص صورة اللسان عزز بشكل كبير من أداء الخوارزمية، مما يشير إلى أن إضافة خصائص اللسان كمتغيرات إدخال يساهم بشكل إيجابي في تحسين الخوارزمية".

بين مارس 2019 ونوفمبر 2022، قام الباحثون بتجنيد مرضى ارتفاع ضغط الدم الذين تتراوح أعمارهم بين 18 و85 عامًا من أربعة مستشفيات مختلفة، وفي النهاية قاموا بتجميع مجموعة دراسة مكونة من 244 مريضًا يعانون من ارتفاع ضغط الدم و166 مريضًا إضافيًا يعانون من ارتفاع ضغط الدم جنبًا إلى جنب مع مرض الشريان التاجي.

ومن بين النتائج البارزة، أن خوارزمية تشخيص مرض الشريان التاجي التي ابتكرها الفريق أظهرت أداءً جيدًا بشكل خاص في الأشخاص الذين خضعوا للاختبار والذين تبلغ أعمارهم 65 عامًا أو أكثر، وأعادت نتائج مماثلة للرجال والنساء، مما يدل على قدرة جيدة على التعميم.

كما أظهرت دقة حكم أكبر في الحالات التي تحتوي على ثلاثة عوامل خطر أو أكثر، مما يسلط الضوء على أهمية مراعاة عوامل الخطر المتعددة في تشخيص مرض الشريان التاجي، كما كتب الباحثون.

تشمل قيود الدراسة عدم وجود مرضى من بلدان وأعراق مختلفة؛ وحجم عينة صغير يعتمد فقط على أولئك الذين يعانون من ارتفاع ضغط الدم؛ واستخدام نوع واحد من المعدات لجمع صور اللسان، مما يحد من إمكانية تطبيق نموذج التشخيص مع أجهزة جمع بديلة وفي مواقف مختلفة.

ويقترح الباحثون أن تشمل الأعمال المستقبلية مجموعة سكانية أكبر وأوسع نطاقًا من أجل التحقق من صحة نموذجهم التشخيصي وتحسينه.

كما لاحظوا أن دمج المؤشرات الحيوية الإضافية مع صور اللسان قد يتيح إنشاء نموذج أوسع. ومع ذلك، فإن هذا البحث بمثابة أساس مفيد للخطوات التالية.