تشخيص مرض الشريان التاجي باستخدام معالجة الإشارات وتعلم الآلة لإشارات أصوات القلب: مراجعة منهجية

الاستماع إلى القلب بدلاً من دخول الشرايين

مرض الشريان التاجي، حيث تضيق الأوعية الدموية التي تغذي القلب، يعد من أسباب الوفاة الرائدة على مستوى العالم. اليوم، يؤكد الأطباء هذا المرض عادةً باستخدام فحوصات غازية تُدخَل فيها القساطر إلى القلب أو بواسطة أجهزة تصوير مكلفة. تطرح هذه الدراسة سؤالاً بسيطاً وجذاباً: هل يمكن لتحليل دقيق لأصوات القلب العادية — المسجّلة بواسطة ميكروفونات على الصدر والمفسّرة بواسطة الحواسيب — أن يوفر فحصاً أولياً آمناً وسريعاً للشرايين المسدودة في القلب؟

لماذا تغيّر الشرايين المسدودة صوت القلب

عندما يضيق الشريان التاجي، يُجبر الدم على المرور خلال فتحة أضيق، ما يخلق تدفقاً مُضطرباً وعالِ السرعة. يمكن لهذا الاضطراب أن يولد همهمات خفيفة واهتزازات زائدة، لا سيما خلال طور استرخاء القلب عندما يتدفق الدم عادةً بهدوء أكثر. ونفس فقدان التروية يمكن أن يضعف انقباض القلب بشكل طفيف ويغيّر توقيت وشدة النبضات الرئيسية. كل هذه التغيرات تعيد تشكيل «موسيقى» دقات القلب قليلاً. يمكن للسماعات الإلكترونية الحديثة التقاط هذه الأصوات، التي تُحوّل بعد ذلك إلى إشارات رقمية لتحليلها بالحاسوب.

كيف بحث الباحثون في السجل العلمي

تنقّب المؤلفون في أربع قواعد بيانات طبية رئيسية وفرّزوا أكثر من ألف منشور عن أصوات القلب ومرض الشريان التاجي. بعد إزالة التكرارات والتقارير الصغيرة جداً والأوراق ذات الطرق الضعيفة، انتهوا إلى 40 دراسة شملت معاً 13,814 شخصاً. أكدت تقريباً كل هذه الدراسات وجود أو غياب ضيق شرايين كبير باستخدام تصوير الشرايين التاجية القياسي، ثم قارنت تلك النتائج بما يمكن استنتاجه من أصوات القلب. اعتمد نحو نصف الدراسات على معالجة الإشارة التقليدية — أوصاف رياضية لطاقة الصوت وتردده — بينما استخدم النصف الآخر تعلم الآلة، حيث تتعلم الخوارزميات الأنماط مباشرةً من البيانات.

حدود القياسات الصوتية التقليدية

في النهج القديم، اختار العلماء بعض ميزات الصوت المحددة التي اعتقدوا أنها قد تعكس تضيق الشرايين. شملت المقاييس الشائعة مقدار الطاقة الصوتية في نطاقات ترددية معينة خلال طور استرخاء القلب، أو طول وشدة النبضات الرئيسية. بدت هذه الدراسات واعدة غالباً في مجموعات صغيرة من المرضى، وأبلغت أحياناً أنها استطاعت تحديد المرض بشكل صحيح في أكثر من 70 بالمئة من الحالات. لكن مع زيادة أحجام العينات إلى المئات أو الآلاف، انخفضت الدقة، وغالباً ما هبطت إلى ما دون 70 بالمئة وأحياناً اقتربت من نتيجة قرعة. كما اختبرت العديد من هذه الدراسات طرقها على نفس الأشخاص الذين طوّرت عليهم النماذج، مما يثير شكوكاً حول ما إذا كانت النتائج ستثبت في مرضى جدد.

تعلم الآلة يتعرّف على الأنماط المخفية في القلب

اتخذت الدراسات الأحدث مساراً مختلفاً. بدل الاقتصار على بعض الميزات المختارة يدوياً، سمحت للخوارزميات الحاسوبية بتعلّم أنماط أغنى في الصوت. جمع بعض الباحثين عشرات أو حتى مئات القياسات التقليدية؛ والبعض الآخر أدخل الموجة الصوتية الخام أو صوراً ملونة في زمن-تردد لدورة نبضة القلب في شبكات التعلم العميق. عبر 19 دراسة من هذا النوع، أبلغت معظمها عن حساسية ونوعية أعلى من 80 بالمئة، ما يعني أن الأنظمة حدّدت المرضى المصابين والأصحاء بشكل صحيح في كثير من الأحيان. والأهم من ذلك، أن معظم دراسات تعلم الآلة اختبرت نماذجها على أصوات قلب لأشخاص لم تُستخدم بياناتهم في التدريب، ما يعزز الثقة في قابلية تعميم النتائج. أدّت النماذج التي استمعت إلى دورة دقات القلب كاملةً، بدلاً من التركيز فقط على الطور الانبساطي الهادئ، أداءً أفضل في الغالب — ما يوحي بأن دلائل مفيدة عن مرض الشريان مبعثرة عبر دورة القلب، وليست محصورة بلحظة واحدة.

ماذا قد يعني هذا للرعاية اليومية

عند تجميع الأدلة، تشير النتائج إلى أن تطبيق تعلم الآلة على أصوات القلب يحمل وعوداً حقيقية كمساعدة غير غازية لاكتشاف مرض الشريان التاجي، بينما الحيل الأبسط لمعالجة الإشارة وحدها على الأرجح ليست دقيقة بما يكفي. يحذر المؤلفون، مع ذلك، من أن معظم الدراسات حتى الآن كانت صغيرة ونُفذت في مستشفيات منفردة، وغالباً تحت ظروف تسجيل محكومة بعناية. للانتقال من البحث إلى الاستخدام اليومي — ربما في غرف الطوارئ أو العيادات أو حتى أدوات قائمة على الهواتف الذكية — هناك حاجة إلى تجارب كبيرة متعددة المراكز. سيتعيّن على هذه الدراسات المستقبلية أن تُظهر أن مثل هذه النظم تحافظ على دقتها في مجموعات مرضى متنوعة، وأن تبقى مفهومة للأطباء، وتندمج بسلاسة في مسارات الرعاية. إذا أمكن تجاوز تلك العقبات، فقد يساعد الاستماع الدقيق إلى القلب بمساعدة الذكاء الاصطناعي في يوم من الأيام على كشف مرض الشرايين الخفي قبل وقت طويل من الحاجة إلى فحص غازي.

الاستشهاد: Ainiwaer, A., Konings, T.J., Kadier, K. et al. Coronary artery disease diagnosis with signal processing and machine learning of heart sound signals: a systematic review. npj Digit. Med. 9, 350 (2026). https://doi.org/10.1038/s41746-026-02530-8

الكلمات المفتاحية: مرض الشريان التاجي, أصوات القلب, تعلم الآلة, تشخيص غير جراحي, السماعة الرقمية