التعلم العميق متعدد الرؤى يحسّن اكتشاف الحالات القلبية الرئيسية من تخطيط صدى القلب

لماذا يهم هذا لصحة القلب

تساعد مسوّلات القلب بالموجات فوق الصوتية الأطباء يومياً في تحديد من يحتاج علاجاً عاجلاً ومن يمكنه العودة إلى المنزل بأمان. لكن هذه الفحوصات تلتقط القلب من زوايا متعددة، ولا يمكن لأي إنسان — ولا لأي حاسوب — مراجعة كل إطار بتفصيل مثالي. تُظهر هذه الدراسة كيف أن نوعاً جديداً من الذكاء الاصطناعي يمكنه مراقبة عدة مناظير متحركة في آن واحد، كما يفعل أخصائي القلب الخبير، وبالتالي يصبح أفضل في رصد مشكلات قلبية مهمة.

رؤية عضو ثلاثي الأبعاد بأفلام ثنائية الأبعاد

القلب عضو ثلاثي الأبعاد ومتحرك باستمرار، ومع ذلك يسجل تخطيط الصدى القياسي القلب على شكل عشرات أو حتى مئات الأفلام المسطحة ثنائية الأبعاد. تكشف كل زاوية جدراناً وبطينات وصمامات مختلفة. يقوم طبيب القلب ذهنياً بتركيب هذه المناظر ليكوّن صورة ثلاثية الأبعاد قبل أن يقرر ما إذا كان القلب يضخ بشكل جيد، أو يسترخي بشكل سليم بين النبضات، أو يتسرّب عبر صماماته. ومع ذلك، تنظر معظم أدوات الذكاء الاصطناعي الحالية إلى منظور واحد في كل مرة أو إلى صورة ثابتة واحدة في كل مرة، ما قد يجعلها تفوت بسهولة اضطراباً يظهر فقط من زاوية أخرى.

تعليم الذكاء الاصطناعي للمشاهدة من زوايا متعددة

صمم الباحثون شبكة عصبية عميقة «متعددة الرؤى» يمكنها استقبال ثلاثة مقاطع فيديو بالموجات فوق الصوتية من زوايا مختلفة في آن واحد. داخل الشبكة، تتابع الطبقات المبكرة كل فيديو عبر الزمن لتتعلم أنماط الحركة في تلك الزاوية. ثم تجمع مجموعة خاصة من الطبقات المعلومات عبر الرؤى، مما يسمح للنظام بملاحظة، على سبيل المثال، كيف أن تجويفاً قلبياً يبدو طبيعياً في منظر واحد قد يبدو متوسّعاً أو ضعيفاً في منظر آخر. هذا يعكس طريقة تحقق القارئ البشري من القرائن عبر المناظير، لكن الذكاء الاصطناعي يستطيع القيام بذلك لكل إطار من كل فيديو بانتباه ثابت.

اختبار النظام

لمعرفة ما إذا كانت هذه المقاربة متعددة الرؤى مفيدة حقاً، دربت الفريق الشبكة على عشرات الآلاف من تخطيطات صدى القلب لمرضى بالغين عولجوا في جامعة كاليفورنيا، سان فرانسيسكو. ركزوا على ثلاثة أنواع من التشخيصات. الأول كان أي حجم غير طبيعي أو وظيفة ضخه للبطينات الرئيسية. الثاني كان مشكلة أكثر دقة تسمى خلل الانبساط، حيث يسترخي القلب بشكل غير كافٍ بين النبضات — وهي حالة لا يستطيع الأطباء عادةً تقييمها من الأفلام التقليدية التي تعرض السطوع فقط. الثالث كان تسرب كبير في الصمامات الرئيسية، يُرى باستخدام إشارات الموجات الملونة التي تُظهر تدفّق الدم.

لكل من هذه المهام، بنى العلماء أنظمة مقارنة اتبعت القاعدة الحالية: نماذج ذكاء اصطناعي لرؤية واحدة مُدرَّبة على زاوية فيديو واحدة فقط، و"متوسط" بسيط يجمع مخرجات ثلاثة نماذج أحادية المنظر منفصلة. عبر كل الاختبارات، كانت الشبكة متعددة الرؤى أدق. مقياس شائع يُسمى المساحة تحت منحنى خاصية التشغيل المستقبِل (AUC)، الذي يلخص مدى قدرة الاختبار على فصل الحالات المريضة عن السليمة، تحسّن بنحو 0.06 إلى 0.09 مقارنة بأفضل نموذج أحادي المنظر. حتى النماذج المتوسطة، التي أدّت بالفعل أفضل من أي منظر مفرد بمفرده، بقيت متأخرة عن الشبكة المصممة خصيصاً متعددة الرؤى.

التحقق من الأداء في العالم الحقيقي

للتأكد من أن النظام لم يُعد فقط وفق عادات مستشفى واحد، اختبر المؤلفون نماذجهم المدربة على تخطيطات صدى من معهد مونتريال للقلب في كندا، جمعت بعد سنوات وتم تفسيرها بقواعد قياس مختلفة قليلاً. بالرغم من هذه الاختلافات، أظهرت الشبكة متعددة الرؤى مرة أخرى أداءً قوياً لمشاكل الحجرات وتسرب الصمامات، وهبوطاً طفيفاً فقط في خلل الانبساط. كما قسم الفريق البيانات حسب العمر والجنس ونوع جهاز الموجات فوق الصوتية المستخدم، فوجدوا أن الدقة ظلت مرتفعة بثبات عبر المجموعات.

الاطلاع داخل الصندوق الأسود

باستخدام تقنيات تصور تُبرز مناطق الصورة التي أثرت أكثر في قرارات الذكاء الاصطناعي، أكد الباحثون أن الشبكة كانت تميل للتركيز على هياكل ذات معنى طبي: جدران الضخ للقلب لمشاكل الحجرات، الحجرة العلوية اليسرى لخلل الانبساط، وأنسجة الصمام إضافة إلى إشارات التدفق لتسرب الصمامات. وبينما تقدم مثل هذه الأدوات نافذة تقريبية فقط إلى «تفكير» النظام، فإنها تساعد على طمأنة الأطباء أن الذكاء الاصطناعي لا يستند في استنتاجاته إلى شوائب عشوائية أو إلى تسميات محفورة في الصور.

ماذا يعني هذا للرعاية المستقبلية

للغير متخصصين، الرسالة الأساسية هي أن تعليم الذكاء الاصطناعي لمراقبة القلب من عدة زوايا في وقت واحد يجعله أفضل في التمييز بين الطبيعي والغير طبيعي، وحتى يمكّن تشخيصات جديدة لا يستطيع القراء البشريون عادةً استخلاصها من نفس الفيديوهات الخام. وتشير الدراسة إلى أن أنظمة الموجات فوق الصوتية المستقبلية قد تُمكن من تعليم الآلة لوضع علامة تلقائياً على الفحوص التي يحتمل أن تحتوي مشاكل خطيرة ليتسنى للأطباء مراجعتها أولاً، مع إسناد دراسات أكثر روتينية إلى أولوية أدنى. وعلى نطاق أوسع، تقدم الدراسة نموذجاً لاستخدام الذكاء الاصطناعي متعدد الرؤى مع أنواع عديدة من التصوير الطبي، مما قد يحسّن سرعة وموثوقية التشخيصات في أنحاء الجسم.

الاستشهاد: Barrios, J.P., Ansari, M.U., Olgin, J.E. et al. Multiview deep learning improves detection of major cardiac conditions from echocardiography. Nat Cardiovasc Res 5, 234–245 (2026). https://doi.org/10.1038/s44161-026-00786-7

الكلمات المفتاحية: تخطيط صدى القلب, التعلم العميق, التصوير القلبي, أمراض الصمامات, خلل الانبساط