העצמת גילויים גנטיים והערכות סיכון קרדיווסקולרי על ידי חיזוי אלקטרוקרדיוגרמות מתוך גנוטיפ

לקרוא את הלב מתוך הגנים שלנו

מרבית האנשים לעולם לא יעברו מבחן קצב לב מוקדם בחיים, אך כמעט לכל אחד יש כיום דנ"א המאוחסן בפרויקטים גדולים של מחקר. המחקר הזה שואל שאלה העזה: האם נוכל להשתמש ברשומות הגנטיות הללו כדי לחזות איך ייראה נתיב הלב של אדם — וממנו להעריך את סיכון עתידי למחלות לב? אם כן, רופאים עשויים יום אחד להזהיר אנשים מפני בעיות קרדיווסקולריות שנים לפני הופעת תסמינים, באמצעות דגימת דם או רוק בלבד.

מדוע אותות הלב חשובים

מחלות קרדיווסקולריות הן הגורם המוביל לתמותה ברחבי העולם. בדיקה פשוטה וללא כאב הנקראת אלקטרוקרדיוגרמה (ECG) מקליטה את הפעילות החשמלית של הלב ויכולה לחשוף הפרעות קצב מסוכנות או נזק לשריר הלב. תכונות עדינות רבות של ECG, כגון גובה ורוחב הגלים, תורשתיות במידה מסוימת. מחקרים גדולים מצביעים על כך ש-40–70% מההבדלים בין ה-ECG של אנשים ניתן לשייך לגנטיקה. למרבה הצער, בביו-בנקים גדולים כמו UK Biobank רק כעשרה אחוז מהמשתתפים מחזיקים גם בנתוני דנ"א וגם בהקלטות ECG. הדבר מקשה על גילוי כל הגורמים הגנטיים שמאחורי מחלת הלב או על שימוש במידע ECG לחיזוי סיכון מוקדם בקנה מידה רחב.

להדריך רשת נוירונים לדמיין ECG

החוקרים פיתחו מודל למידה עמוקה בשם CapECG שלומד לתרגם וריאנטים גנטיים של אדם ל-169 מדדי ECG מפורטים. הם אימנו אותו על יותר מ-37,000 אנשים ממוצא אירופי שהיו להם גם נתוני דנ"א וגם ECG מסוג 12-עופרת ב-UK Biobank. מאחר שהגנום מכיל מיליוני סמנים צפופים מבחינה תורשתית, הם קיבצו תחילה וריאנטים סמוכים לבלוקים שנוטים להיות מורשים יחד והשתמשו בשיטה בשם LD-PCA לכווץ כל בלוק למספר רכיבים מרכזיים. לאחר מכן CapECG מיישם מנגנון "תשומת לב" כדי לשקול אילו בלוקים חשובים ביותר, ורשת נוירונים בסגנון קפסולה כדי ללכוד דפוסים מורכבים ומרובדים בין שינויים גנטיים ותכונות ECG.

כמה טוב המודל קורא את טביעת הלב הגנטית

במערך בדיקה פנימי של 7,422 אנשים, התכונות החזויות של CapECG תאמו את המדידות האמיתיות עם קורלציה ממוצעת של כ-0.62 עבור 102 התכונות שנמצאו בתור ברורות בתור תורשתיות. כמה תכונות חזויות היטב במיוחד, עם קורלציות מעל 0.8. אחד המוקדים במחקר היה זווית QRS-T המרחבית, מדידה תלת־ממדית של האופן שבו ההפעלה וההתאוששות החשמלית של הלב מסתדרות במרחב. זווית זו נקשרה להפרעות קצב מסוכנות ולמוות לב פתאומי. CapECG חזה זווית זו עם קורלציה סביב 0.65, ובדיקות סטטיסטיות הראו שהערכים החזויים והתצפיתיים הסכימו זה עם זה בקירבה, במיוחד עבור תכונות עם השפעה גנטית חזקה יותר.

גילוי רמזים גנטיים נסתרים וחיזוי מחלות

לאחר האימון, יישמו את CapECG על כמעט 390,000 משתתפי UK Biobank שהיו להם דנ"א אך לא הקלטות ECG, ובפועל "אימפוטו" את ה-ECG שלהם מתוך הגנים בלבד. הצוות ערך אז מחקרי אסוסיאציה גנטיים בקנה מידה רחב על תכונות ה-ECG החזויות הללו. עבור הזווית המרחבית QRS-T הם גילו 133 אתרים גנטיים משמעותיים, כולל 33 שמצאו חפיפה עם מחקר גדול קודם שכלל יותר מ-118,000 אנשים — הרבה יותר חפיפה מאשר השימוש בקבוצת ה-ECG המוחלשת והקטנה יותר של מדידות אמיתיות בלבד. רווחים דומים הופיעו עבור מרווח QT, מדד מרכזי שקשור להפרעות קצב מסוכנות. ניתוח ברמת הגן הדגיש עשרות גנים המעורבים באיתות חשמלי של הלב ושליטה בקצב, והצביע על מועמדים נוספים שלא היקשרו בעבר לתפקוד הלב.

מנתיבי חיזוי לחולי לב עתידיים

החוקרים לאחר מכן בנו מודל למידה עמוקה נוסף, DeepCVD, שמשתמש ב-169 תכונות ה-ECG החזויות של CapECG, בתוספת גיל ומין, להערכת סיכון של אדם לשש מחלות קרדיווסקולריות עיקריות, כולל יתר לחץ דם, התקף לב ומפרפור עליות. מאומן על מאות אלפי משתתפים עם פרופיל גנטי, DeepCVD השיג דיוק ממוצע (AUC) של כ-0.80 בקבוצת בדיקה חריגת — טוב משמעותית בהשוואה לשיטת ניקוד סיכון פוליגנית סטנדרטית שהסתמכה רק על דנ"א וגורמים בסיסיים והגיעה לכ-0.71. מודל בן-זוג, DeepCVD-Age, השתמש באותם קלטים לחיזוי הגיל שבו אדם יכול להיות מאובחן עם המצבים הללו; תחזיותיו קיבלו קורלציה חזקה למדי (כ-0.74) עם הגילים הממשיים הרשומים במסד הנתונים, ופעלו בצורה סבירה גם באנשים ממוצא לא-אירופי.

מה זה עשוי להעניק למטופלים

במילים פשוטות, עבודה זו מראה שמערכת למידת מכונה יכולה ללמוד מספיק מתוך שילוב של נתוני דנ"א ו-ECG כדי "לדמיין" ECG עבור אנשים שמעולם לא עברו את הבדיקה. התכונות החזויות הללו מספיקות לא רק כדי לגלות גנים חדשים המעורבים בקצב ובמבנה הלב, אלא גם כדי להכות בציונים גנטיים נפוצים בתחזית מי ילך ויפתח מחלת לב ומתי בערך. למרות שהשיטה עדיין דורשת בדיקות באוכלוסיות עצמאיות ושיפורים נוספים, היא מצביעה על עתיד שבו בדיקת גנטיקה פשוטה יכולה לספק חלון לבריאות הלב של אדם לאורך חייו, הרבה לפני שהנתיב הראשון החריג יופיע על צג הקליניקה.

ציטוט: Lin, S., Yang, Y. & Zhao, H. Empowering genetic discoveries and cardiovascular risk assessment by predicting electrocardiograms from genotype. npj Digit. Med. 9, 255 (2026). https://doi.org/10.1038/s41746-026-02438-3

מילות מפתח: חיזוי סיכון קרדיווסקולרי, גנטיקה של אלקטרוקרדיוגרמה, למידה עמוקה ברפואה, מחקרים מקיפים של אסוסיאציה גנומית, נתוני ביואנק