تقدم في فحص القلب والأوعية الدموية: تصنيف أصوات القلب باستخدام التعلم العميق مع SMOTE والنمذجة الزمنية

الاستماع إلى القلب بطريقة جديدة

أمراض القلب هي القاتل الأول على مستوى العالم، ومع ذلك في العديد من العيادات ما يزال أداة الفحص الأساسية هي أذن الطبيب وسماعة بسيطة. الأصوات الرقيقة «الهمهمة» المعروفة بالهمهمات يمكن أن تحذّر من مشاكل صمامات خطيرة، لكنها سهلة الفقدان، لا سيما خارج المراكز المتخصّصة. تستكشف هذه الورقة كيف يمكن للحواسب تحليل أصوات القلب المسجّلة لاكتشاف الهمهمات بدقة واتساق أكبر، مما قد يوفّر مستوى فحص مشابه لخبراء في العيادات المزدحمة والبيئات منخفضة الموارد.

لماذا تهم أصوات القلب

كل نبضة قلب تولّد مساراً صوتياً غنياً بينما تنغلق الصمامات ويتدفّق الدم عبر القلب. يتعلّم الأطباء تفسير هذه الأصوات عبر سنوات من التدريب، لكن حتى الممارسين المتمرسين قد يختلفون في التقييم، وغالباً ما يفوت أطباء الرعاية الأولية دلائل هامة. في الوقت نفسه، تسبب أمراض القلب والأوعية الدموية ملايين الوفيات سنوياً، وكثير منها كان يمكن تجنبه بالكشف المبكر. أصبحت الميكروفونات الرقمية تسهّل تسجيل أصوات القلب، لكن تحويل هذه الإشارات إلى تشخيصات موثوقة يتطلّب خوارزميات ذكية قادرة على التعامل مع الضوضاء، اختلافات المرضى، والأنماط الشاذة النادرة لكنها حاسمة.

تحويل النبضات الخام إلى أنماط مفيدة

بنى الباحثون خط أنابيب خطوة بخطوة يحاكي كيف قد يستمع الخبير، لكن بدقة الآلة. أولاً، يكتشفون تلقائياً أحداث النبضة الرئيسية — قمم «لوب-دب» — ويقصرون التسجيل إلى مقتطفات قصيرة مدتها ثانية واحدة مركّزة حول هذه النقاط. هذا يحافظ على الإيقاع الطبيعي للدورة القلبية. بعد ذلك، يحوّلون كل مقتطف إلى وصف مضغوط للطرقة والنبرة باستخدام طريقة مستوحاة أصلاً من السمع البشري. بدلاً من إدخال الصوت الخام إلى النموذج، يستخدمون هذه الأنماط المقطّرة كمدخلات، ما يسهل على الحاسوب التركيز على الفروقات ذات الدلالة الطبية بين الأصوات الطبيعية والهمهمات.

موازنة الهمهمات النادرة والتعلّم عبر الزمن

في العيادات الحقيقية، تسجيلات القلوب السليمة أكثر شيوعاً بكثير من تلك ذات المشاكل الخطيرة. إذا تعلّم الحاسوب بشكل أساسي من النبضات الطبيعية، فقد يصنّف كل شيء كطبيعي ويبدو دقيقاً على الورق. لتجنّب هذا الفخ، يستخدم الفريق تقنية تخلق أمثلة صناعية مصمّمة بعناية لأنماط الهمهمة الأندر، موازنة مجموعة التدريب دون نسخ البيانات. وعلى نفس القدر من الأهمية، يستخدمون نوعاً من الشبكات العصبية المصممة لفهم التسلسلات عبر الزمن، مما يسمح للنظام بالاهتمام بكيفية تطوّر الأصوات عبر كل نبضة بدل التعامل مع كل لحظة معزولة. معاً، تساعد هذه الخيارات النموذج على أن يصبح حساساً للشذوذ ومقاوماً للضوضاء والتباينات بين المرضى.

الاختبار بنزاهة وتجنّب الاختصارات الخفيّة

مشكلة شائعة في الذكاء الاصطناعي الطبي هي «تسريب البيانات»، حيث يؤثر تسجيل نفس المريض عن غير قصد في كل من التدريب والاختبار، ما يجعل الأداء يبدو جيداً بشكل مبالغ فيه. يتصدى المؤلفون لهذا مباشرة بتقسيم بياناتهم على مستوى التسجيل في مجموعة بيانات واحدة وعلى مستوى المريض في أخرى، لضمان عدم وجود مقطع من نفس الشخص في المجموعتين معاً. يقومون بتقييم نظامهم على مجموعتين عامتين كبيرتين من تسجيلات أصوات القلب تختلفان في مدى انتشار الهمهمات وتنوّع التسجيلات. عبر المجموعتين، يميّز النموذج بشكل صحيح بين الأصوات الطبيعية وغير الطبيعية في حوالي 99 من كل 100 حالة، مع عدد قليل جداً من المشكلات الفائتة والتنبيهات الخاطئة. وتُظهر إجراءات فحص إضافية تعيد ترتيب البيانات بطرق متعددة أن هذا الأداء القوي مستقر، وليس نتيجة تقسيمة محظوظة واحدة.

ما الذي قد يعنيه هذا للرعاية اليومية

تُظهر الدراسة أن خوارزميات الاستماع المصمّمة بعناية يمكن أن تضاهي أو تتجاوز العديد من المناهج السابقة للكشف التلقائي عن الهمهمات، حتى تحت قواعد اختبار أشد وأكثر واقعية. باحترام التوقيت الطبيعي لنبضات القلب، وموازنة الحالات النادرة لكنها الحاسمة، والحماية من الاختصارات الخفية في البيانات، يعرض المؤلفون مخططاً قوياً لسماعات القلب الرقمية المستقبلية. وبينما ثمة حاجة لمزيد من العمل للتعامل مع البيئات الحقيقية الصاخبة ولجعل قرارات النظام أسهل لتفسير الأطباء، يشير هذا الإطار إلى مستقبل حيث يمكن لمستشعر صغير ونموذج ذكي أن يساعدا عيادات الخطوط الأمامية على اكتشاف مشاكل القلب الخطيرة مبكراً، بغض النظر عن مكان تواجد المرضى.

الاستشهاد: Ameen, A., Eldesouky Fattoh, I., Abd El-Hafeez, T. et al. Advancing cardiovascular screening: deep learning-based heart-sound classification using SMOTE and temporal modeling. Sci Rep 16, 12063 (2026). https://doi.org/10.1038/s41598-026-45276-9

الكلمات المفتاحية: همهمات القلب, السماعة الرقمية, التعلّم العميق, فحص القلب والأوعية الدموية, تحليل أصوات القلب