גישה רב‑מפלגית מובהרת לחשיפת מנבאים מרכזיים לסיכון לשבץ מתוך ECG, EMG, לחץ דם ואותות נשימה

מדוע אותות הנשימה והלב חשובים לסיכון לשבץ

שבץ מגיע במהירות אך בדרך כלל מתפתח בשקט במשך שנים. רופאים יודעים שלחץ דם גבוה, הפרעות בקצב הלב והרגלי חיים מגבירים את הסיכון, ובכל זאת קשה לחזות מי באמת בסכנה. מחקר זה מראה שאופן הנשימה — ובעיקר אופן שבו הגוף מטפל בפחמן הדו‑חמצני — נושא רמזים נסתרות לגבי סיכון לשבץ. על‑ידי שילוב אותות נשימה, לב, שריר ולחץ דם במודל בינה מלאכותית מוסברת, המחברים חושפים דרכים חדשות לזהות מטופלים בסיכון גבוה ולעזור לרופאים להבין מדוע האלגוריתם מקבל את החלטתו.

האזנה לאותות השקטים של הגוף

במקום להשתמש בסריקות מוח יקרות והלא מתאימות למעקב רציף, החוקרים פנו למדידות חשמליות ולחץ פשוטות שנלקחו מ‑64 מתנדבים, חלקם עברו שבץ איסכמי וחלקם לא. הם הקליטו שבעה אותות בזמן הישיבה ובהתייצבות: פעילות לב (שני ערוצי ECG), פעילות השריר ברגל (שני ערוצי EMG), לחץ דם מקופסית באצבע, ושני אותות נשימה מהפה — פחמן דו‑חמצני בנשיפה וקצב זרימת האוויר. מדידות אלה דומות לאלה שניתן לאסוף ממוניטורים ליד המיטה בבתי חולים או ממכשירים לבישים מתקדמים, מה שהופך את הגישה לפרקטית לבדיקות שגרתיות.

הפיכת גלים גולמיים לדפוסים שהמחשב יכול לקרוא

הצוות קטע את הקלטת העשרה הדקות של כל אדם לרבעים רבים של 14 שניות עם חפיפה חלקית — מספיק זמן ללכוד מספר נשימות ודפיקות לב חוזרות. עבור כל קטע הם חישבו טווח רחב של תיאורים מספריים פשוטים — ממוצעים, תנודתיות, תדירות חציית האפס וכיצד האנרגיה שלהם מתפלגת על פני תדרים שונים. תכונות אלה מסכמות את "הסגנון" של כל אות בלי לשמור את גל המלא, מה שמקטין עלות חישוב ורעש. כל התכונות משבעת האותות נערמו יחד כדי לייצג דגימה בודדת של אופן התנהגות הגוף בתקופה הקצרה ההיא.

מודל פשוט בהשראת המוח שמתעלה על רשתות עמוקות

במקום להשתמש ברשת נוירונים עמוקה ומורכבת, המחברים בחרו במודל מאד פשוט: פרספטרון חד‑שכבתי. המודל לוקח את כל התכונות המספריות, מכפיל כל אחת במשקל שנלמד, מחבר אותן ומעביר את התוצאה דרך פונקציית דחיסה כדי להפיק הסתברות של "שבץ" או "ללא שבץ". למרות הפשטות שלו, המודל הגיע לדיוק של כ‑85–88 אחוזים, כשעליו מתעלה על שיטות מתוחכמות יותר כמו רשתות חוזרות וקונבולוציה, רשתות מאגר תהודה אנסמבליות וממייני למידת מכונה פופולריים כאשר כולם נבדקו על אותם נתונים. חשוב: כאשר אותות הנשימה (פחמן דו‑חמצני וזרימת אוויר) הוסרו, הדיוק ירד לכ‑59 אחוזים בערך — ירידה מובהקת סטטיסטית — מה שמראה שנתוני נשימה מוסיפים מידע קריטי שאותות אחרים לבדם אינם קופצים עליו.

פתיחת הקופסה השחורה: אילו אותות באמת חשובים

רופאים צודקים בזהירות כלפי בינה מלאכותית קופסה‑שחורה, ולכן הצוות השתמש בשלוש כלי הסבר — SHAP, LIME ו‑Anchors — כדי לראות על אילו תכונות המודל נשען ביותר. שלושתם הצביעו על תכונות נשימה, ובמיוחד אלו המופקות מפחמן הדו‑חמצני, כגורמים מרכזיים בתחזיות. SHAP, מסביר מבוסס תורת המשחקים, דירג את רמת הפחמן הדו‑חמצני הממוצעת בנשיפה, תנודתו ולחץ הדם הממוצע כשלושת התורמים המובילים בקביעת האם דגימה נראית ככזו שמגיעה ממטופל עם שבץ. רמת פחמן דו‑חמצני ממוצעת גבוהה ולחץ דם גבוה נטו לדחוף את המודל לכיוון "שבץ", בעוד שתבניות פחמן דו‑חמצני בלתי סדירות יותר הראו סיכון נמוך יותר. כדי לשפוט איזה מסביר מהימן יותר, המחברים ביצעו מבחן מיוחד: הסרת התכונות שבכל שיטה ציינה ובחינת מידת הירידה בביצוע המודל. SHAP גרם לירידה הגדולה ביותר, וזכה בכך בתואר הפרשן האמין ביותר.

משמעויות עבור מטופלים ורופאים

ללא‑מומחים, התמצית ברורה: אופן הנשימה וסילוק פחמן הדו‑חמצני עשויים להיות מרמזים לגבי סיכון לשבץ בגודל דומה ללחץ הדם או לקצב הלב. עבודה זו מציעה שמערכות ניטור שגרתיות שיאספו גזי נשימה, לחץ דם, אותות לב ושריר יכולות להיות מקושרות ל‑AI פשוט ושקוף כדי לסמן אנשים שזקוקים למעקב צמוד הרבה לפני שאירוע שבץ מתרחש. מאחר שהמודל גם מדויק וגם מוסבר, קלינאים יכולים לראות אילו היבטים בפיזיולוגיה של המטופל מניעים את הערכת הסיכון, מה שתומך באמון ובטיפול ממוקד. עדיין דרושים מחקרים רחבים יותר, אך התוצאות מדגישות מדדי נשימה הקשורים לפחמן הדו‑חמצני כסמנים מבטיחים למניעת שבץ.

ציטוט: Krayem, J., Wong, L., Tham, L.K. et al. Explainable multi-modal approach for uncovering key predictors of stroke-risk from ECG, EMG, blood pressure, and respiratory signals. Sci Rep 16, 6906 (2026). https://doi.org/10.1038/s41598-026-37777-4

מילות מפתח: סיכון לשבץ, אותות נשימה, פחמן דו‑חמצני, בינה מלאכותית מוסברת, ECG ולחץ דם