تشخيص وتصنيف أمراض القلب من إشارات تخطيط القلب باستخدام نموذج هجيني ضبابي-شبكي محسن بخوارزميات ميتا-هيوريستيك

لماذا تهم أجهزة مراقبة القلب الأذكى

لا تزال أمراض القلب السبب الرئيسي للوفاة على مستوى العالم، وغالباً ما تقدّم التغيرات الطفيفة في الإيقاع الكهربائي للقلب أول علامات التحذير. يقرأ الأطباء هذه الآثار الكهربائية، المسماة تخطيط القلب (ECG)، لاكتشاف النبضات غير المنتظمة الخطرة، لكن الإشارات مضطربة ومعقدة ومتواصلة بلا انقطاع. تستكشف هذه الورقة طريقة جديدة لتعليم الحواسيب قراءة تخطيطات القلب بطريقة تشبه خبراء القلب، بهدف كشف مشاكل الإيقاع المهددة للحياة بسرعة وموثوقية.

من رقع الصدر إلى نبضات قلب رقمية

يبدأ كل تخطيط قلب بمستشعرات بسيطة موضوعة على الجلد لالتقاط النشاط الكهربائي للقلب. تُظهر الخطوط المتموجة الناتجة كيف تضغط الحجرات العليا والسفلى وتستعيد وضعها مع كل نبضة. يمكن أن تشير التغيرات الطفيفة في شكل وتوقيت هذه الموجات إلى مشاكل مختلفة تماماً: بعضها غير ضار نسبياً، وأخرى مرتبطة بالسكتة أو الوفاة القلبية المفاجئة. ومع ذلك، إشارات تخطيط القلب صغيرة وسهلة التأثر بالحركة والضوضاء الكهربائية، وقد تتغير حتى لدى الأشخاص الأصحاء، مما يصعّب التحليل الآلي الموثوق.

لماذا بعض النبضات غير المنتظمة أخطر

يركز الباحثون على سبع أنماط شائعة موصى بها في معيار دولي لدراسات نظم القلب. وتشمل هذه النبضات الطبيعية، والنبضات الإضافية التي تنشأ في الحجرات العليا، والنبضات الإضافية من الحجرات السفلى، وكتل في توصيل القلب، ونبضات اندماجية تمزج بين مصدرين، ونبضات يصعب تصنيفها. ترتبط النبضات الإضافية من الحجرات السفلى ارتباطاً وثيقاً بإيقاعات سريعة وفوضوية قد توقف القلب، بينما تشير بعض النبضات الإضافية من الحجرات العليا إلى خطر سكتة مستقبلية. إن كشف هذه النبضات الخطرة بين العديد من النبضات الطبيعية أمر حاسم إذا كانت الأنظمة الآلية ستساعد الأطباء على اتخاذ قرارات في الوقت المناسب.

تحويل النبضات إلى صور ليراها الحاسوب

بدلاً من إدخال الخطوط المتموجة الخام مباشرةً إلى برنامج، يقوم الفريق أولاً بتنظيف إشارات تخطيط القلب لإزالة الانجرافات البطيئة والضوضاء الكهربائية. ثم يستخدمون استراتيجية بحث مستوحاة من سلوك قطعان الخيول البرية للعثور على القسم الأكثر انتظاماً وتكراراً في نبضة كل شخص. باستخدام هذا التوقيت المخصص، تُلَفّ كل قطعة قصيرة من التخطيط رياضياً إلى حلقة وتُرسم كصورة ثنائية الأبعاد. تحفظ هذه الصور الأشكال الرئيسية لكل نبضة مع تنعيم الضوضاء والتقلبات العشوائية. في الوقت نفسه، تُقاس ميزات التوقيت التقليدية مثل التباعد بين النبضات وطول الفواصل الرئيسية، مما يمنح رؤية ثانية أكثر تقليدية لإيقاع القلب.

دماغ هجين للتعرّف على الإيقاع

لقراءة هذه الإشارات المُثَرّاة، يبني المؤلفون نموذجاً حاسوبياً هجيناً يمزج فكرتين. أولاً، شبكة عميقة لمعالجة الصور تفحص صور تخطيط القلب على عدة طبقات، وتتعلم التعرف على أنماط بصرية دقيقة مرتبطة بكل نوع إيقاع. ثانياً، طبقة من المنطق الضبابي، التي تعمل بقواعد لطيفة من نوع "إذا كان هذا، فـ...» بدلاً من قرارات نعم/لا الصارمة، تجمع ما تعلمته شبكة الصور مع ميزات التوقيت. استراتيجية بحث أخرى مستوحاة من الحيوان، نموذجها صيد البوما، تضبط جميع أوزان الشبكة وإعدادات قواعد الضبابي معاً، بدلاً من الاعتماد على طرق تعديل تقليدية خطوة بخطوة التي قد تقع في حلول دون المستوى.

كيف أدّى النظام

تم تدريب النموذج واختباره على مجموعة تخطيط قلب عامة معروفة تتضمن نبضات معنونة من خبراء لـ47 شخصاً، ثم فُحص على مجموعة بيانات منفصلة طويلة المدى لقياس مدى التعميم. على قاعدة البيانات الرئيسية، صنّف النموذج بشكل صحيح تقريباً جميع النبضات عبر المجموعات السبع، بدقة إجمالية بلغت 99.71 بالمئة. والأهم من ذلك، ارتفعت حساسيته تجاه الفئات الأخطر، وهي النبضات الإضافية من الحجرات السفلى والعلوية، مقارنةً بالطرق المنافسة الحديثة. تُظهر الفحوصات الإحصائية المفصلة أن الميزات التي يستخدمها لاتخاذ القرارات تتطابق مع مؤشرات طبية معروفة مثل تغيّرات في التباعد بين النبضة والأخرى وأوقات التعافي.

ماذا يعني هذا للمرضى والأطباء

ببساطة، تُظهر هذه الدراسة أن إعادة تشكيل إشارات تخطيط القلب إلى صور ودمجها مع التفكير القائم على القواعد يمكن أن تساعد الحواسيب على التمييز بين نظم القلب الخطرة والحميدة بدرجة عالية من الموثوقية. وبينما لا تحل هذه الأنظمة محل اختصاصيي القلب، يمكن أن تشكل الأساس لأجهزة مراقبة ذكية على السرير، أو أجهزة قابلة للارتداء، أو أدوات الطب عن بعد التي تبرز أنماطاً مقلقة في الوقت الحقيقي، مما يسمح للخبراء البشريين بالتركيز على الحالات الأكثر إلحاحاً.

الاستشهاد: Davani, M., Taghizadeh, M., Pirbonyeh, M.A. et al. Heart disease diagnosis and categorization from ECG signals using hybrid Fuzzy-CNN machine optimized by meta-heuristic algorithms. Sci Rep 16, 16001 (2026). https://doi.org/10.1038/s41598-026-43637-y

الكلمات المفتاحية: رجفان القلب بتخطيط كهربائية القلب, إيقاع القلب, التعلم العميق, المنطق الضبابي, الذكاء الطبي الاصطناعي