אבחון ומיון מחלות לב מתוך אותות ECG באמצעות רשת היברידית Fuzzy-CNN שמותאמת על-ידי אלגוריתמים מטה-היוריסטיים

למה מוניטורים חכמים יותר חשובים

מחלות לב נותרות הגורם המוביל לתמותה ברחבי העולם, ושינויים זעירים בקצב החשמלי של הלב מספקים לעתים את אותות האזהרה הראשונים. רופאים קוראים את עקבות החשמל האלה, המכונות ECG, כדי לזהות פעימות לא סדירות מסוכנות, אך האותות רעשניים, מורכבים וללא הפסקה. מאמר זה בוחן דרך חדשה ללמד מחשבים לקרוא ECG כמו קרדיולוגים מומחים, במטרה ללכוד במהירות ובאמינות בעיות קצב מסכנות-חיים.

מהדבקות חזה לפעימות דיגיטליות

כל ECG מתחיל עם חיישנים פשוטים שמוצמדים לעור כדי לקלוט את הפעילות החשמלית של הלב. הקווים הגלים שנוצרים מראים כיצד העליות והחדרים מתכווצים ומתאוששים בכל פעימה. שינויים עדינים בצורת ובתזמון הגלים יכולים להעיד על בעיות שונות: חלקן יחסית חסרות-פגע, אחרות קשורות לשבץ או מוות פתאומי של הלב. עם זאת, אותות ECG קטנים, רגישים לתנועה ולרעש חשמלי, ויכולים להשתנות גם אצל אנשים בריאים, מה שמקשה על ניתוח אוטומטי מהימן.

למה חלק מהפעימות הלא סדירות מסוכנות יותר

החוקרים מתמקדים בשבע תבניות נפוצות המומלצות על-ידי תקן בינלאומי ללימוד קצב הלב. אלו כוללות פעימות נורמליות, פעימות נוספות שמקורן בעליות, פעימות נוספות שמקורן בחדרים, חסימות במעגל החשמלי של הלב, פעימות מיזוג שמשלבות שני אותות, ופעימות שקשה לסווג. פעימות נוספות שמקורן בחדרים מקושרות בקשר הדוק לקצבים מהירים וכאוטיים שעשויים לעצור את הלב, בעוד שפעימות נוספות מסוימות שמקורן בעליות מאותתות על סיכון עתידי לשבץ. זיהוי נכון של פעימות מסוכנות אלה בין רבות נורמליות הוא קריטי אם מערכות אוטומטיות אמורות לסייע לרופאים לקבל החלטות בזמן.

הפיכת פעימות ל־תמונות שהמחשב יכול לראות

במקום להזין קווים מקורקעים ישירות לתוכנית, הצוות מנקה תחילה את אותות ה‑ECG להסרת שיפוע אטי ורעשי רשת חשמלית. לאחר מכן הם משתמשים באסטרטגיית חיפוש בהשראת התנהגות עדרי סוסים פראיים כדי למצוא את הסגמנט החוזר הסדיר ביותר של פעימות כל אדם. עם תזמון מותאם זה, כל מקטע קצר של ECG נעטף מתמטית ללולאה ומוצג כתמונה דו־ממדית. תמונות אלה משמרות את הצורות המרכזיות של כל פעימה תוך כדי החלקת רעש ושינויים אקראיים. במקביל נמדדות תכונות תזמוניות קלאסיות כמו המרווחים בין פעימות ואורכי פרקי זמן מרכזיים, מה שנותן מבט שני, מסורתי יותר על קצב הלב.

מוח מעורב לזיהוי קצב

כדי לקרוא אותות מועשרים אלה, המחברים בונים מודל מחשב היברידי שמערבב שתי גישות. ראשית, רשת תמונה עמוקה סורקת את תמונות ה‑ECG במספר שכבות, ולומדת לזהות דפוסים ויזואליים עדינים הקשורים לכל סוג קצב. שנית, שכבת לוגיקה מטושטשת, שעובדת עם כללים רכים של "אם-אז" במקום החלטות חדה של כן או לא, משלבת את מה שלמדה רשת התמונות עם התכונות התזמוניות. אסטרטגיית חיפוש נוספת בהשראת בעלי חיים, המדמה ציד פומות, מכוונת בקפידה את כל המשקלים של הרשת והגדרות הכללים המטושטשים יחד, במקום להסתמך על שיטות כוונון סדרתיות סטנדרטיות שעלולות להיתקע בפתרונות חלשים.

כמה טוב המערכת פועלת

המודל מאומן ונבחן על מאגר ECG ציבורי ידוע הכולל פעימות מתוייגות על-ידי מומחים מ‑47 אנשים, ולאחר מכן נבדק על מערך נתונים ארוך טווח נפרד כדי להעריך את ההשתמעויות. במאגר הראשי הוא מסווג נכון כמעט את כל הפעימות בשבע הקבוצות, עם דיוק כולל של 99.71 אחוזים. וחשוב מכך, הרגישות שלו למחלקות המסוכנות ביותר — פעימות נוספות מהחדרים ומהעליות — משתפרת ביחס לשיטות מתחרות עדכניות. בדיקות סטטיסטיות מפורטות מראות שהתכונות שבהן הוא משתמש בקבלת ההחלטות תואמות סימנים רפואיים ידועים כמו שינויים במרווח בין פעימות וזמני התאוששות.

מה זה אומר למטופלים ולרופאים

במילים פשוטות, עבודה זו מראה שהפיכת אותות ECG לתמונות ושילובן עם חישוב מבוסס כללים יכולה לסייע למחשבים להבחין בין קצבים מסוכנים לחסרי-פגע באמינות גבוהה מאוד. אמנם היא לא מחליפה קרדיולוגים, אך מערכת כזו יכולה לשמש בסיס למוניטורים חכמים ליד המיטה, מכשירים לבישים או כלי טלרפואה שמציינים דפוסים מדאיגים בזמן אמת, ומאפשרים למומחים האנושיים להתמקד במקרים הדחופים ביותר.

ציטוט: Davani, M., Taghizadeh, M., Pirbonyeh, M.A. et al. Heart disease diagnosis and categorization from ECG signals using hybrid Fuzzy-CNN machine optimized by meta-heuristic algorithms. Sci Rep 16, 16001 (2026). https://doi.org/10.1038/s41598-026-43637-y

מילות מפתח: פרפורי ECG, קצב לב, למידה עמוקה, לוגיקה מטושטשת, בינה מלאכותית רפואית