نتائج جديدة بشأن التنبؤ بالرجفان الأذيني بعد السكتة الدماغية.. تعرف عليها

يستخدم الباحثون في جامعة ولاية بنسلفانيا، التعلم الآلي وبيانات تخطيط القلب الكهربائي لمساعدة الأطباء على تقديم تنبؤات أكثر دقة.

ويعمل فريق من مهندسي الذكاء الاصطناعي، بالتعاون مع فريق من الأطباء من معهد ولاية بنسلفانيا للقلب والأوعية الدموية، على تطوير خوارزميات جديدة للاستخدام في مراكز الرعاية الصحية، وفي المستشفيات، ولترخيص التكنولوجيا.

وبحسب موقع ميديكال إكسبريس، قال أنكيت ماهيشواري، الأستاذ المساعد في الطب بجامعة ولاية بنسلفانيا، والباحث الرئيسي في المشروع: "بفضل خوارزميات أقوى وقاعدة بيانات أكبر، يمكننا التنبؤ بنتائج أمراض القلب والأوعية الدموية بتكلفة أقل بكثير، وهناك العديد من الأمثلة الأخرى حيث يمكن أن يجعل ذلك الرعاية الصحية أكثر كفاءة وفعالية".

ونشرت مجلة Heart Rhythm دراسة تجريبية أولية أشارت إلى نموذج يمكنه التنبؤ بما إذا كان المريض الذي يعاني من سكتة دماغية ذات سبب غير معروف سيصاب بالرجفان الأذيني (AFib)، أو ضربات القلب غير المنتظمة، من خلال تحليل ضربات قلب واحدة من اختبار قلب رخيص ومشترك نسبيًا، وهو تخطيط كهربية القلب القياسي المكون من 12 سلكًا، والذي يقيس النشاط الكهربائي في القلب.

ترتبط نسبة كبيرة من السكتات الدماغية ذات السبب غير المعروف بالرجفان الأذيني الانتيابي غير السريري الكامن، وهو عبارة عن ضربات قلب غير منتظمة قد تستمر لبضع دقائق ولكن المريض لا يعاني من أي أعراض.

يمكن الوقاية من السكتات الدماغية المرتبطة بالرجفان الأذيني باستخدام مميعات الدم. ويتلخص المعيار الحالي للرعاية في زرع مسجل حلقي، وهو جهاز يوضع تحت الجلد يتتبع نشاط القلب للتحقق من الرجفان الأذيني.

وأوضح ماهيشواري أن هذا يساعد الأطباء في تحديد ما إذا كان ينبغي للمرضى تناول مميعات الدم لمنع السكتات الدماغية في المستقبل.

أراد فريق البحث معرفة ما إذا كان بإمكانهم استخدام تخطيط كهربية القلب القياسي المكون من 12 سلكًا للتنبؤ بالرجفان الأذيني بدلًا من الاعتماد على مسجل الحلقة.

قام الفريق بتجميع مجموعة بيانات صغيرة باستخدام بيانات تخطيط كهربية القلب الموجودة من ولاية بنسلفانيا والتي تضم مرضى يعانون من سكتة دماغية مجهولة السبب، أو سكتة دماغية بدون سبب واضح، والذين زرعت لهم مسجلات الحلقة، بالإضافة إلى بيانات من تخطيط كهربية القلب المكون من 12 سلكًا.

باستخدام خوارزميات التعلم الآلي، تمكن الفريق من بناء نموذج يمكنه أخذ رسم القلب الكهربائي للمريض باستخدام 12 سلكًا والتنبؤ بما إذا كان سيصاب بالرجفان الأذيني أم لا.

وقد نجح النموذج في تصنيف 80% من المرضى في مجموعة الاختبار بشكل صحيح.

وقال ماهيشواري: "تظهر هذه الدراسة التجريبية أنه حتى مع مجموعة أصغر تتراوح بين 200 إلى 300 مريض، يمكننا إنشاء نموذج تنبؤي مفيد".

وأوضح ماهيشواري أن الفريق يهدف بعد ذلك إلى توسيع قاعدة البيانات، مما يسمح بتطبيقات أوسع نطاقًا.

وأضاف أن الباحثين حققوا مستويات عالية من الدقة من خلال تقنيات زيادة البيانات، مما أدى إلى تحسين الأداء التنبؤي.

وقال ماهيشواري: "هدفنا هو تنظيم 1.8 مليون رسم قلب في نظام السجلات الطبية بالجامعة في قاعدة بيانات قابلة للبحث لتسهيل تحليل رسم القلب على نطاق واسع لدعم المشاريع المستقبلية التي تهدف إلى استخدام رسم القلب المكون من 12 سلكًا للتنبؤ بنتائج أمراض القلب والأوعية الدموية وتحسين رعاية المرضى".

التأثيرات الأوسع للنماذج التنبؤية

وقال الباحثون إن النمذجة التنبؤية التي ابتكرها فريق البحث قد تكون مفيدة أيضًا في مجالات أخرى متعلقة بالقلب، بما يتجاوز الرجفان الأذيني فقط.

على سبيل المثال، هناك إمكانية استخدام التعلم الآلي للتنبؤ بموعد استخدام أجهزة تنظيم ضربات القلب لدى المرضى الذين يخضعون لإجراءات استبدال الصمام الأورطي عن طريق القسطرة، كما أوضح ماهيشواري.

هذا النوع من الإجراءات أقل توغلًا ويتضمن تمرير قسطرة عبر الفخذ إلى القلب لاستبدال الصمام الفاشل بصمام من صنع الإنسان.

وقال: "هذا يمكن أن يؤدي إلى اختيار أفضل للمرضى وتحسين النتائج، مما يساعد الأطباء على تحديد من هو الأكثر احتمالا للاستفادة من الإجراء ومن قد يواجه مضاعفات".

وبحسب الباحثين، فإن بيانات تخطيط القلب الكهربائي قد تساعد أيضًا في التنبؤ بوجود آفات في الشرايين التاجية دون الحاجة إلى اختبارات الإجهاد التصويرية، ومن الممكن أن تعمل مثل هذه التنبؤات على تبسيط عمليات التشخيص وخفض التكاليف أيضًا.

وقال ماهيشواري: "تسلط هذه التطورات الضوء على الإمكانات الكبيرة التي تتمتع بها تقنية التعلم الآلي لجعل رعاية القلب أكثر كفاءة".

وأضاف أن العنصر البشري في التعلم الآلي سيظل دائمًا بالغ الأهمية، مؤكدًا أن الفهم البشري للإشارات البيولوجية داخل تخطيط كهربية القلب يحسن فعالية نماذج التعلم الآلي.

وتابع: "إن الأمر يتطلب قدرًا كبيرًا من العمل البشري. وكلما زاد فهمك لعلم الأحياء، يمكنك تصميم الآلة لمساعدتك بشكل أكثر فعالية".