تآزر مستوحى من الأحياء بين الحوسبة النيورومورفية والذكاء القابل للتفسير للرعاية الصحية الشفافة والمنخفضة الكربون

تقنيات مستشفوية أذكى للناس والكوكب

تتجه المستشفيات إلى الذكاء الاصطناعي لقراءة إشارات القلب، واكتشاف الإيقاعات الخطرة، ودعم قرارات الأطباء. لكن خوارزميات اليوم القوية غالبًا ما تتصرف كصناديق سوداء وتحتاج إلى معالجات رسومية مستهلكة للطاقة، مما يتعارض مع أهداف المناخ ويجهد العيادات ذات الإمداد الكهربائي المحدود. تقترح هذه الورقة نوعًا جديدًا من أنظمة مراقبة القلب يهدف لأن يكون قابلًا للفهم من قبل الأطباء وأكثر كفاءة في استخدام الطاقة، مقدمًا طريقًا نحو رعاية صحية رقمية أكثر أمانًا ومنخفضة الكربون.

لماذا يفتقر الذكاء الطبي الحالي إلى المطلوب

يمكن للذكاء الاصطناعي الطبي الحديث أن يضاهي أو يتفوق على أداء الخبراء في مهام مثل قراءة الأشعة السينية أو اكتشاف نبضات قلب غير طبيعية. ومع ذلك، تعمل العديد من النماذج في مراكز بيانات كبيرة أو على وحدات معالجة رسوميات متقدمة تسحب مئات الواطات باستمرار. في وحدة العناية المركزة، يمكن لنظام واحد مبني على GPU يعمل على مدار الساعة أن يستهلك أكثر من 2000 كيلوواط‑ساعة سنويًا. وفي الوقت نفسه، توفر هذه النماذج عادةً القليل من الشفافية حول كيفية التوصل إلى استنتاجاتها، مما يصعّب على الأطباء والمنظمين الوثوق بها. أدوات التفسير الحالية قد تساعد، لكنها غالبًا ما تتطلب حسابات إضافية كثيفة، مما يزيد من استهلاك الطاقة والكمون.

طريق مستوحى من الدماغ إلى حوسبة أكثر لطفًا

يستكشف المؤلفون الحوسبة النيورومورفية، نمطًا من الأجهزة والخوارزميات يحاكي كيف تتواصل الخلايا العصبية البيولوجية باستخدام نبضات كهربائية قصيرة بدلاً من إشارات مستمرة. في إطار عملهم NEXAI‑Health، تُحوَّل إشارات مخطط كهربائية القلب الواردة إلى تيارات متفرقة من النبضات، حيث تُحمل المعلومات بشكل أساسي بزمن حدوث النبضات بدلًا من القيم العددية الكثيفة. هذا التصميم القائم على الأحداث يعني أن الحوسبة تحدث فقط عند الحاجة، مما قد يقلص استهلاك الطاقة مقارنةً بالشرائح التقليدية التي تعمل على كل خطوة زمنية سواء تغيّر الإشارة أم لا.

ضمن هذا الإطار، يبني الفريق شبكات عصبية نابضة مُكيّفة لتصنيف نبضات القلب من قاعدة بيانات MIT‑BIH المعروفة لاضطراب نظم القلب. صمموا الترميز بحيث يطلق نحو 16٪ فقط من أحداث النبض المحتملة فعليًا، محققين توازنًا بين الحفاظ على الميزات الطبية المهمة—مثل شكل القمة الرئيسية للنبضة وتوقيت بين النبضات—وتجنب النشاط المهدر. تشير المحاكاة إلى أن هذا التمثيل المتفرق القائم على النبض يمكنه الحفاظ على معلومات تشخيصية عالية مع تقليص كبير لعدد العمليات التي سيتعين على الأجهزة تنفيذها.

جعل قرارات الآلة أسهل للثقة

لمعالجة مشكلة الصندوق الأسود، يكيّف المؤلفون تقنية تفسير تُدعى الانحدارات المتكاملة (integrated gradients) لتعمل على سلاسل النبض بدلًا من المدخلات العددية التقليدية. عمليًا، ينتج عن ذلك خرائط حرارية لكل نبضة تُبرز نقاط الزمن التي أثّرت بقوة على قرار النظام. والأهم من ذلك أنهم يدمجون التفسير مباشرة في عمل النموذج بدلًا من إضافته لاحقًا، ويكيّفون مدى تفصيل التفسير وفق ميزانية طاقة. عندما يتوفر الكثير من الطاقة، يستخدم النظام العديد من الخطوات الوسيطة لتفسيرات عالية الدقة؛ وعندما تكون الطاقة ضيقة، يلجأ إلى ملخصات أكثر خشونة لكنها لا تزال مفيدة. في الاختبارات، توافقّت هذه التفسيرات مع مناطق ECG المهمة سريريًا، مثل القمة المركزية الحادة وموجة الاسترداد، وحققت درجات عالية على مقاييس كمية للوفاء بالسببية.

التصميم وفقًا لحدود الطاقة الواقعية

بعيدًا عن النموذج نفسه، ترسم الورقة مخططًا لنظام أكبر للنشر المستدام. تربط المحرك النيورومورفي بنموذج طاقة شمسية بسيط وبطارية، ثم تستخدم خوارزمية جدولة تقرر مهام مراقبة المرضى التي تُنفَّذ بناءً على كل من الاستعجال السريري والطاقة المتاحة. في محاكاة استخدمت أكثر من 100000 نبضة قلب معنونة، بلغ الإطار حوالي 95٪ دقة تشخيصية—أفضل قليلًا من قواعد أساسية قوية للتعلم العميق—بينما قلّص الكمون والذاكرة في المحاكاة بما يكفي ليتناسب مع أجهزة متواضعة من فئة الحافة. يقدر المؤلفون وفورات طاقة كبيرة مقارنةً بالأنظمة المعتمدة على GPU، مع التأكيد على أن هذه الأرقام توقعات مستندة إلى مواصفات رقائق نيورومورفية منشورة، وليست قياسات فعلية.

ماذا يعني هذا لمستقبل الرعاية الصحية

لغير المختصين، الخلاصة الأساسية هي أن هذا العمل يعد مخططًا لا منتجًا مكتملًا. تظهر الدراسة أنه، على الأقل في محاكاة برمجية، يمكن لنموذج مستوحى من الدماغ قراءة إشارات القلب بدقة، وتقديم تفسيرات بصرية صديقة للأطباء لأسباب قراراته، ومن الناحية النظرية العمل على قدر ضئيل من الطاقة مقارنةً بالذكاء الاصطناعي السائد اليوم. ومع ذلك، يوضح المؤلفون أنهم لم يبنوا بعد جهازًا نيورومورفيًا فعليًا ولا أجروا تجارب سريرية. لكي يقدم الذكاء الاصطناعي الشفاف والمنخفض الكربون فعليًا في الرعاية الصحية، يجب على الأعمال المستقبلية نقل هذه التصاميم إلى رقائق نيورومورفية حقيقية، والتحقق من السحب الفعلي للطاقة، وإثبات أداء آمن وموثوق عند السرير.

الاستشهاد: Sungheetha, A., R., R.S., Balusamy, B. et al. Biologically inspired neuromorphic-XAI synergy for transparent and low-carbon healthcare intelligence. Sci Rep 16, 10049 (2026). https://doi.org/10.1038/s41598-026-39515-2

الكلمات المفتاحية: الحوسبة النيورومورفية, الذكاء الاصطناعي القابل للتفسير, اضطراب نظم القلب ECG, الرعاية الصحية ذات الكفاءة الطاقية, التشخيص منخفض الكربون