MM-GradCAM: طريقة محسّنة متعددة الوسائط لـ GradCAM باستخدام بيانات تخطيط القلب 1D و2D للكشف عن اضطراب نظم القلب

لماذا تهمك هذه الدراسة القلبية

يمكن أن تؤدي نبضات القلب غير المنتظمة، المعروفة بالاضطرابات النظمية، إلى الإغماء أو السكتات الدماغية أو الوفاة المفاجئة، ومع ذلك غالبًا لا تترك أي علامات تحذيرية قبل فوات الأوان. يعتمد الأطباء على تخطيط القلب (ECG)—الخطوط الشائكة المألوفة التي تتتبع نشاط القلب—لاكتشاف المشكلات. في السنوات الأخيرة، أصبحت البرامج الحاسوبية جيدة جدًا في قراءة هذه الإشارات، أحيانًا بمستوى يضاهي الأخصائيين. لكنها عادةً ما تعمل كصندوق مغلق: تعطي إجابة دون توضيح كيف توصلت إليها. تقدم هذه الدراسة طريقة جديدة لجعل هذه الأدوات القوية أكثر شفافية، مما يساعد الأطباء على رؤية الأجزاء المحددة من تخطيط قلب المريض التي توجهت إليها قرارات الحاسوب.

نظرة داخل الصندوق الأسود

تستخدم العديد من أنظمة الذكاء الاصطناعي الطبية الحديثة التعلّم العميق، وهي تقنية تكتشف الأنماط في البيانات تلقائيًا بدلاً من الاعتماد على قواعد مصممة يدويًا. وبينما يعزز ذلك الدقة في كثير من الأحيان، فإنه يخفي أيضًا عملية الاستدلال، وهو أمر مقلق عندما تكون الأرواح على المحك. لبناء الثقة، لجأ الباحثون إلى طرق «الذكاء الاصطناعي القابل للشرح» التي تُبرز مناطق من الصورة أو الإشارة التي أثرت أكثر في حكم النموذج. أحد أكثر الأدوات استخدامًا في هذا المجال يسمى Grad-CAM، والذي ينشئ خرائط حرارية—تراكبات لونية تُظهر أين كان الانتباه مُركّزًا. وحتى الآن، كانت هذه التفسيرات عادةً محدودة بنوع واحد من المدخلات، مثل إشارة تخطيط القلب الأولية أو صورة، وليس كلاهما معًا.

عرضان لنفس دقة القلب

ركز المؤلفون في هذا العمل على قناة واحدة شائعة الاستخدام من تخطيط القلب تُسمى الفيرس الثاني (Lead II)، مأخوذة من قاعدة بيانات عامة كبيرة تضم أكثر من 10,000 مريض. عُولج كل تسجيل مدته 10 ثوانٍ بطريقتين مختلفتين. أولًا، تم الاحتفاظ به في شكله أحادي البُعد الأصلي، وهو خط بسيط يتتبع الجهد عبر الزمن. ثانيًا، حُوّل إلى صورة بتدرج رمادي—بمعنى آخر شريط تخطيط قلب مرسوم محفوظ كصورة. لكل شكل بنى الفريق نموذج تعلّم عميق مطابق مبني على شبكة عصبية تلافيفية ذات 17 طبقة، وهي معمارية شائعة للتعرّف على الأنماط. تعلّم أحد النماذج من الإشارة 1D، وتعلّم الآخر من الصورة 2D، وكلاهما تم تدريبهما لتصنيف دقات القلب إلى أربع مجموعات نظم: نظم طبيعي، نظم بطيء، مجموعة نظم سريعة، ونظم مرتبطة بالرجفان الأذيني.

دمج تفسيران في واحد

بعد التدريب، طبق الباحثون Grad-CAM بشكل منفصل على النموذج المعتمد على الإشارة والنموذج المعتمد على الصورة. بالنسبة للنموذج 1D، أنتجوا مقاطع ملونة فوق خط تخطيط القلب حيث كان تركيز الشبكة أكبر. بالنسبة لنموذج الصورة، ولّدوا خرائط حرارية تُبرز النقاط الساخنة في صورة تخطيط القلب. ثم قام الأسلوب الجديد، المسمى MM-GradCAM (Grad-CAM متعدد الوسائط)، بمحاذاة هذين العرضين زمنيًا ومكانيًا ودمجهما في تفسير واحد. تُظهر هذه الخريطة الموحدة، على شريط تخطيط قلب موحّد، كلًا من دلائل السلاسل الزمنية والأنماط المعتمدة على الصورة التي دفعت قرار الذكاء الاصطناعي. راجع طبيب قلب العديد من الأمثلة، وقارن المناطق المظللة مع الميزات المعروفة لأنماط النظم المختلفة، مثل غياب موجات P في الرجفان الأذيني أو النبضات السريعة المنتظمة جدًا في بعض النظم السريعة.

مدى دقة النظام في قراءة دقات القلب

على مرضى اختبار لم تُر لهم النماذج من قبل، صنف نموذج الصورة النظم بشكل صحيح بحوالي 97% من الحالات، بينما بلغ دقة النموذج المعتمد على الإشارة حوالي 93%. تفاوت الأداء بحسب نوع النظم، حيث كان نموذج الصورة أفضل عمومًا، لا سيما في الأنماط الأكثر تعقيدًا أو دقة. وفي الوقت نفسه، أظهرت خرائط MM-GradCAM المدمجة أن كل عرض يقدّم شيئًا مختلفًا. في بعض المرضى المصابين بالرجفان الأذيني، غابت المناطق الرئيسية في التفسير المعتمد على الإشارة، بينما ركّزت خريطة الصورة بشكل صحيح على فترات غياب الموجات الطبيعية. في حالات أخرى، مثل بعض النظم السريعة، قدّم تفسير الإشارة صورة أوضح وأكثر اتساقًا سريريًا. من خلال عرض كلا التفسيرين معًا، كشف MM-GradCAM عن نقاط قوة وضعف كانت ستظل خفية لو استُخدم شكل إدخال واحد فقط.

ما يعنيه هذا لرعاية القلب في المستقبل

الرسالة الرئيسية للدراسة ليست فقط أن الحاسوب يمكنه اكتشاف نظم القلب غير الطبيعية بدقة—فالكثير من الأنظمة تفعل ذلك بالفعل—بل أن عملية استدلاله يمكن الآن جعلها أكثر قابلية للفهم من قبل الخبراء البشريين. من خلال الجمع بين تفسيرات معتمدة على الإشارة والصورة في عرض واحد متماسك، يوفّر MM-GradCAM لأطباء القلب وسيلة للتحقق مما إذا كان الذكاء الاصطناعي «ينظر» إلى أجزاء ذات معنى طبي في تخطيط القلب. يمكن أن يُحسّن ذلك الثقة، ويساعد في كشف الأخطاء، ويعمل حتى كأداة تعليمية للمتدربين الذين يتعلمون قراءة النظم المعقدة. وبينما لا تزال الطريقة بحاجة للاختبار على مجموعات مرضى أكثر تنوعًا وفي سير العمل السريري الفعلي، فإنها تشير إلى مستقبل تكون فيه أدوات الذكاء الاصطناعي القوية ليست فقط مزودة بإجابات، بل تُظهر عملها بوضوح.

الاستشهاد: Murat Duranay, F., Murat, E., Yıldırım, Ö. et al. MM-GradCAM: an improved multimodal GradCAM method with 1D and 2D ECG data for detection of cardiac arrhythmia. Sci Rep 16, 7919 (2026). https://doi.org/10.1038/s41598-026-38654-w

الكلمات المفتاحية: اضطراب نظم القلب, تخطيط القلب الكهربائي, التعلّم العميق, الذكاء الاصطناعي القابل للشرح, Grad-CAM