إطار تعلم عميق مرن بالنسبة للزوايا للتحليل الآلي لصدى القلب ثنائي الأبعاد

لماذا تحتاج فحوصات القلب إلى مساعدة

فحوصات الموجات فوق الصوتية للقلب هي حجر زاوية في طب القلب الحديث، لكن استخراج معلومات موثوقة منها عادة ما يتطلب سنوات من التدريب. في العيادات المزدحمة وغرف الطوارئ أو الأماكن النائية، لا تتوفر هذه الخبرة دائماً، ما قد يؤخر تقديم الرعاية للمصابين بمشكلات قلبية. تدرس هذه الدراسة ما إذا كان بإمكان الذكاء الاصطناعي قراءة مقاطع فيديو مألوفة لصدى القلب من أي زاوية معيارية تقريباً، مما يجعل تقييمات قلبية عالية الجودة ممكنة حتى عندما يلتقط الصور مستخدمون أقل خبرة بأجهزة محمولة.

طريقة جديدة لقراءة صور القلب المتحركة

بنى الباحثون إطار تعلم عميق يمكنه تحليل مقاطع فيديو قصيرة من صدى القلب ثنائي الأبعاد — صور متحركة بالأبيض والأسود للقلب النابض. على عكس الأدوات الحاسوبية التقليدية التي تتطلب زاوية كاميرا محددة جداً، يقبل هذا النظام عدة مناظر شائعة طالما أن التجويف الضاغط الرئيسي، البطين الأيسر، ظاهر في الصورة. من هذه المناظر المتباينة، يقدّر الذكاء الاصطناعي ثلاثة أمور: مدى كفاءة ضخ القلب للدم (كسر القذف البطيني الأيسر أو LVEF)، عمر المريض، وجنس المريض. الفكرة الأساسية هي تحرير الموجات فوق الصوتية من متطلبات الزاوية الصارمة بحيث تظل القياسات جيدة حتى عندما تكون الصور أقل من مثالية.

اختبار النظام على أنواع متعددة من المرضى

لفحص مدى فعالية الإطار، درّبه الفريق على عشرات آلاف من صور الصدى القياسية من عيادات Mayo Clinic في مينيسوتا وويسكونسن. ثم اختبره على مجموعات مستقلة عدة: مزيد من المرضى من أريزونا وفلوريدا، مجموعة بيانات عامة كبيرة من ستانفورد، ومجموعتين من صور الموجات المحمولة. جاءت إحدى مجموعات المحمول من مرضى خضعوا لفحص بجهاز قياسي وفحص محمول خلال نفس الزيارة. وجاءت الأخرى من مستشفيات في الولايات المتحدة وإسرائيل، حيث سجّل كل من فنيي الموجات فوق الصوتية الخبراء والمبتدئين — ممرضات ومقيمون طبيون تلقوا دورة تدريبية قصيرة وبرمجية إرشاد في الوقت الحقيقي — صوراً محمولة.

ما مدى دقة تقديرات الذكاء الاصطناعي لوظائف القلب والخصائص الجسمية؟

عبر هذه المجموعات المتنوعة من البيانات، تابعت تقديرات LVEF التي قدّمها الذكاء الاصطناعي عن كثب القيم المحسوبة بواسطة القُرّاء الخبراء، مع اختلافات نموذجية تقل عن عشر نقاط مئوية في الغالبية العظمى من الحالات. كما أداها كان جيداً في مسألة عملية مهمة: تحديد ما إذا كان ضخ القلب منخفضاً بوضوح أم لا. لكل من الأجهزة القياسية والأجهزة المحمولة، كان أداء النظام في الإشارة إلى القلوب ذات LVEF المنخفض بشكل ملحوظ مشابهاً لأداء الأخصائيين البشر. والأهم أن النتائج بقيت قوية عندما أُخذت الصور بواسطة أجهزة محمولة، وحتى عندما كانت تلك الأجهزة مُشغّلة بواسطة مبتدئين يستخدمون برمجية إرشاد. في أقلية صغيرة فقط من الحالات اختلفت تقديرات LVEF من المقاطع المأخوذة بواسطة مبتدئين اختلافاً ذا دلالة عن المقاطع المأخوذة بواسطة خبراء لنفس المريض.

دلائل خفية عن العمر والجنس داخل حركة القلب

بعيداً عن قوة الضخ، كان الذكاء الاصطناعي مفاجئاً في دقة تخمين عمر الفرد وجنسه من صدى القلب وحده. طابقت الأعمار المقدّرة العمر الحقيقي بدرجة كبيرة، سواء أتت الصور من أجهزة قياسية أو أجهزة محمولة. كما كانت تصنيفات الجنس دقيقة للغاية عبر جميع مجموعات الاختبار. وبينما تُعرف هذه الخصائص في السياق السريري بالفعل، فإن القدرة على استنتاجها بشكل موثوق من حركة القلب تشير إلى أن صور الموجات فوق الصوتية تحتوي على نماذج دقيقة لتأثيرات الشيخوخة والاختلافات البيولوجية لا يقيّمها الإنسان عادةً بشكل كمي. يقترح المؤلفون أن حالات عدم التطابق بين العمر المقدر بواسطة الذكاء الاصطناعي والعمر الفعلي، على سبيل المثال، قد تعكس في يوم ما «عمر القلب البيولوجي» وتساعد في تحديد الأشخاص ذوي الخطر القلبي الوعائي الأعلى.

ماذا يعني هذا لمستقبل رعاية القلب

تُظهر هذه الدراسة أن إطار عمل واحداً للذكاء الاصطناعي يمكن أن يحوّل مجموعة واسعة من مقاطع صدى القلب الروتينية إلى معلومات سريرية مفيدة من دون اشتراط زوايا كاميرا مثالية أو مشغلين خبراء. من خلال قياس وظيفة الضخ بدقة واستخراج دلائل أوسع عن خصائص المريض من كل من الفحوصات القياسية والمحمولة، قد يدعم هذا النهج فرزاً أسرع في العيادات وقسم الطوارئ وحتى في العناية ما قبل المستشفى. وعلى الرغم من أن العمل يحتاج بعد إلى اختبارات في مجموعات أكثر تنوعاً عرقياً وإثنياً وفي بيئات العالم الحقيقي الأقل تحكماً، فإنه يشير إلى مستقبل حيث يمكن لمزيد من مقدمي الرعاية المزودين بأجهزة محمولة بسيطة الحصول على رؤى موثوقة عن صحة القلب عند سرير المريض.

الاستشهاد: Anisuzzaman, D.M., Malins, J.G., Jackson, J.I. et al. A view-flexible deep learning framework for automated analysis of 2D echocardiography. npj Cardiovasc Health 3, 17 (2026). https://doi.org/10.1038/s44325-025-00100-7

الكلمات المفتاحية: تخطيط صدى القلب, الذكاء الاصطناعي, الموجات فوق الصوتية المحمولة, كسر القذف, تصوير القلب والأوعية الدموية