חיזוי תוצאות בדיקת מאמץ קרדיו‑ריאלי בלב מולד באמצעות אינטגרציה של נתונים מולטימודליים ולמידה גיאומטרית

מדוע המחקר הזה על הלב חשוב

לאנשים שנולדו עם פגמים בלב, לגדול ולהגיע לבגרות משמעותו לעתים קרובות התמודדות עם אי‑וודאות: האם ליבי יעמוד בעומסי החיים היומיומיים, באימון או בניתוח גדול? מחקר זה בודק האם מידע שנאסף כבר בטיפול שגרתי — רישומי חשמל לב ומכתבי מרפאה — ניתן לשילוב וניתוח בעזרת טכניקות חישוב מודרניות כדי לחזות עד כמה הלב והריאות של החולה יתפקדו במאמץ, מבלי להסתמך תמיד על בדיקה מפרכת.

להבין כושר מהנשימה ומהדופק

רופאים משתמשים לעתים קרובות בבדיקה מיוחדת על מסילה או אופניים, שנקראת בדיקת מאמץ קרדיו‑ריאלי, כדי לראות כמה חמצן האדם מסוגל לצרוך וכמה ביעילות הוא מפנה פחמן דו‑חמצני. מדידות אלה מספקות תמונת מצב חזקה של הכושר הכללי וסיכון עתידי לבריאות, במיוחד במבוגרים עם מומים מולדים של הלב. עם זאת, הבדיקה גוזלת זמן, דורשת ציוד מיוחד, ואינה זמינה לכל מטופל או לכל בית חולים.

לאסוף יחד מידע מפוזר על מטופלים

החוקרים אספו כמה סוגי מידע מ‑436 מבוגרים עם מומים מולדים של הלב שנמצאו במעקב במרכז מומחה בסקוטלנד. הם דיגיטליזציה של למעלה מארבעה אלפים אלקטרוקרדיוגרמות תקניות ב‑12‑הובלות — הקלטות קצרות של הפעילות החשמלית של הלב — וכן המירו מכתבי מרפאה ודוחות מאמץ לטופס מובנה שניתן לקריאה על‑ידי מחשב. מתוך מסמכי הטקסט הללו חילצו פרטים מרכזיים על אבחנות כל אדם, ניתוחי לב ותרופות, תוך הסרת מידע מזהה. עבור 258 חולים שעברו בדיקות מאמץ, התרכזו בשתי מדידות ליבה שידוע כי הן מנבאות הישרדות: צריכת החמצן המקסימלית (peak VO2) וכמה נשימה נדרשת לפינוי פחמן דו‑חמצני.

למצוא דפוסים בגיאומטריה במקום בכוח גס

מכיוון שמומים מולדים של הלב יחסית נדירים ומגוונים מאד, הצוות לא יכל להסתמך על מערכי נתונים עצומים כמו אלה שבהם מאומנים רבים ממערכות הבינה המלאכותית המודרניות. במקום זאת הם ייצגו כל ECG כתקציר של האופן שבו האותות מההובלות השונות משתנים יחד — טביעת אצבע מתמטית של דפוס החשמל של הלב. טביעות אצבע אלה מקבלות צורה של מטריצות שחלוף (covariance), שאותן ניתחו באמצעות כלים מענף המתמטיקה שנקרא גיאומטריה של רימן. במונחים פרקטיים זה איפשר למדוד דמיוּת בין אותות לב ברגישות גבוהה יותר וליצור דוגמאות סינתטיות מציאותיות חדשות על‑ידי "ערבוב" חלקי של דפוסים קיימים של מטופלים, מה שעזר למודל הממוחשב ללמוד מתוך מדגם קטן ולא מאוזן.

לשזור מילים וגלים לחיזויים טובים יותר

המחקר השווה כמה גישות לחיזוי ביצועי מאמץ מתוך הנתונים הללו. מודלים שהשתמשו רק במדידות ECG בסיסיות, כגון ערכי מרווח וקצב סטנדרטיים המדווחים בדפי תוצאה שגרתיים, הופיעו בצורה חלשה. כאשר החוקרים הזינו במקום זאת את טביעות האצבע העשירות של ה‑ECG, דיוק החיזוי השתפר באופן ניכר. השיפור הגדול ביותר נצפה כאשר שילבו את אותן טביעות אצבע של ECG עם מידע שנשלף ממכתבי המרפאה, כך שהמודל "ידע" גם כיצד התנהג החשמל של הלב וגם אילו מצבים, ניתוחים ותרופות היו לאדם. עם איחוד נתונים זה ובנוסף להגברה מבוססת גיאומטריה, הערכות המחשב לצריכת החמצן המקסימלית הראו קורלציה מתונה טובה עם תוצאות הבדיקה בפועל, והתקדמו לעומת שיטות פשוטות הן בחיזוי רציף והן בקיבוץ מטופלים לרמות סיכון.

מה משמעות הדבר עבור מטופלים וצוותי טיפול

העבודה עדיין אינה מחליפה בדיקת מאמץ, והמחברים מכירים בכך שדיוק הסיווג שלהם עדיין צנוע מדי לשימוש בהחלטות קליניות ישירות. עם זאת, תוצאותיהם מראות שמודלים שעוצבו בקפידה, המכירים במבנה הנתונים ומשלבים גם רישומי לב וגם מידע סיפורתי קליני, יכולים לחזות באופן משמעותי עד כמה אדם עם מום מולד של הלב יעמוד בעומס פיזי. בעתיד, עם מערכי נתונים גדולים ומגוונים יותר, כלים דומים עשויים לסייע לזהות מטופלים שכושרם מתדרדר לפני שהסימפטומים ניכרים, לתמוך בהחלטות לגבי ניתוח או שינויים באורח החיים, ולהרחיב הערכה מתקדמת של סיכון לבתי חולים שאין בהם מתקני בדיקת מאמץ מלאים.

ציטוט: Alkan, M., Veldtman, G. & Deligianni, F. Predicting cardiopulmonary exercise testing outcomes in congenital heart disease through multimodal data integration and geometric learning. Sci Rep 16, 9910 (2026). https://doi.org/10.1038/s41598-026-38687-1

מילות מפתח: מומים מולדים של הלב, בדיקת מאמץ קרדיו‑ריאלי, אלקטרוקרדיוגרם, למידת מכונה, חיזוי סיכון