Simetrik projeksiyon atraktör yeniden yapılandırma yöntemi kullanarak sinüs ritmi elektrokardiyogramlarıyla paroksismal atriyal fibrilasyonun sınıflandırılması

Bu kalp ritmi çalışması neden önemli

Atriyal fibrilasyon, sessizce bir kişinin inme ve erken ölüm riskini artırabilen yaygın bir kalp ritmi sorunudur. Paroksismal atriyal fibrilasyon adı verilen ve kısa ataklar halinde gelip giden bir türü özellikle yanıltıcıdır; bu yüzden hastalar doktorlarına başvurduğunda elektrokardiyogramları (EKG) tamamen normal görünebilir. Bu çalışma kışkırtıcı bir soruyu gündeme getiriyor: EKG normal görünse bile, gizli ritim sorunlarının bilgisayarlarca tespit edilebilecek ince bir parmak izi taşıyor mu — ve bu, hastaların haftalar süren rahatsız edici kalp izlemelerinden kurtulmasını sağlayabilir mi?

Günlük bir kalp testinde gizli ipuçları

Hekimler genellikle atriyal fibrilasyonu kalbin elektriksel aktivitesini kaydeden bir EKG’de bir epizodu yakalayarak teşhis eder. Atakları kısa ve seyrek olan kişilerde standart testler — hatta 30 günlük taşınabilir izleyiciler bile — sık sık problemi kaçırır. Bu çalışmanın araştırmacıları, kalbin normal atış halinde olduğu 10 saniyelik kısa bir EKG’nin yine de paroksismal atriyal fibrilasyon öyküsü olanları ortaya koyup koyamayacağını incelediler. Eğer mümkünse, bir poliklinikte veya acil serviste yapılan rutin bir test, bir sonraki atağı beklemeden riskli hastaları işaretleyebilir.

Kalp atışlarını geometrik şekillere dönüştürmek

Bu gizli ipuçlarını aramak için ekip, Simetrik Projeksiyon Atraktör Yeniden Yapılandırma (SPAR) adı verilen bir sinyal işleme yaklaşımı kullandı. Hekimlerin genellikle incelediği keskin zirveler ve dalgalar gibi tanıdık EKG işaretlerine odaklanmak yerine, bu yöntem tekrarlayan tüm kalp atışını zamandaki bir desen olarak ele alır. Her bir atışı birkaç noktada örnekler ve bu değerleri birbirine karşı çizerek tek boyutlu sinyali iki boyutlu bir geometrik resme — atraktör olarak adlandırılan bir şekle — dönüştürür. Kalbin elektriksel sinyalinin atıştan atışa nasıl yükselip düştüğündeki ve değiştiğindeki ince farklılıklar, orijinal EKG göze normal görünse bile bu atraktör desenlerinin şekil, boyut ve yoğunluğunda belirgin hale gelir.

Bilgisayarları riskli desenleri tanımaya eğitmek

Araştırmacılar, belgelenmiş atriyal fibrilasyon epizodları olan kişiler ile bilinen ritim sorunu olmayan ve yaş ve cinsiyet açısından dengelenmiş dikkatli eşleştirilmiş kontrolleri içeren büyük bir açık EKG veritabanından yararlandı. Her 10 saniyelik normal ritimli iz için tüm 12 derivasyondan atraktör görüntüleri oluşturuldu ve bu şekiller, merkezden farklı yönlerde ve uzaklıklarda noktaların nasıl yoğunlaştığını tanımlayan sayısal özetlere dönüştürüldü. Bu özetler, veri kümesindeki en yakın komşularına göre sınıflandırma yapan bir yöntem ve if‑then kurallarıyla bir karar ağacı oluşturan bir diğer standart makine öğrenimi yaklaşımı olmak üzere iki yaklaşıma beslendi. Ekip ayrıca hangi EKG derivasyonunun en iyi çalıştığı ve günlük klinik cihazlarda yaygın olan daha düşük örnekleme hızlarının performansı düşürüp düşürmediği gibi gerçek dünya kullanımı için önemli pratik soruları da test etti.

Yöntem ne kadar iyi çalıştı

Farklı ayar kombinasyonları arasında en iyi yapılandırma, 125 hertz’de örneklenen EKG’lerden alınan ve noktaların daire etrafında nasıl yoğunlaştığını tanımlayan atraktör özelliklerini kullanan ve en yakın komşular yöntemiyle sınıflandırılan özelliklerdi. Bu koşullar altında sistem, paroksismal atriyal fibrilasyonlu ve olmayan kişileri yaklaşık %81 doğrulukla ayırt etti. Gerçekten sağlıklı kontrolleri tanımada oldukça güvenilirdi (yaklaşık %95 özgüllük) fakat etkilenen tüm hastaları yakalamada daha sınırlıydı (yaklaşık %67 duyarlılık). Karar ağacı yaklaşımı duyarlılığı yaklaşık %73’e çekti ama yanlış alarmlardan kaçınma yetisini biraz azalttı. Önemli olarak, yöntem yalnızca 10 saniye normal ritim verisi gerektirdi ve duyarlılığı önceki çalışmalarda bildirilen 30 günlük uzun süreli kalp izlemenin bildirdiğinin yaklaşık iki katıydı.

Kimler fayda sağlar ve hangi konular üzerinde çalışılması gerekiyor

Araştırmacılar performansın farklı yaş grupları arasında oldukça stabil olduğunu ancak erkeklerde kadınlara göre biraz daha iyi olduğunu buldular; bu muhtemelen temel veri kümesindeki dengesizlikleri yansıtıyor. Bazı hastalarda mevcut olan diğer kalp koşulları doğruluğu düşürme eğilimindeydi ve belgelenmiş fibrilasyon epizodu ile normal ritimli EKG arasındaki zamanlamanın da önemli olduğu görüldü. Bu bulgular, daha büyük ve daha çeşitli hasta grupları ile diğer tanıların ve kayıt zamanlarının dikkatli takibiyle yapılacak gelecekteki çalışmaların aracı daha da iyileştirebileceğini ve nerede en iyi çalıştığını — örneğin kliniklerde, acil servislerde veya giyilebilir cihazlarda — netleştirebileceğini gösteriyor.

Daha erken, daha kolay tespiti hedefleyen bir adım

Hastaların anlayacağı ifadeyle kilit mesaj şudur: standart, hızlı bir kalp testi, hekimlerin şu anda görebildiğinden daha fazla bilgi barındırıyor olabilir. Normal görünen kalp atışlarını geometrik desenlere dönüştürüp algoritmaların bu şekilleri çok sayıda hasta arasında karşılaştırmasına izin vererek, bu çalışma yalnızca birkaç saniye normal ritim kullanarak paroksismal atriyal fibrilasyon öyküsü olan kişileri işaretlemenin mümkün olabileceğini gösteriyor. Yöntem henüz mükemmel olmasa da, daha hızlı ve daha konforlu tarama yolunda umut verici bir yaklaşım sunuyor; bu da inme riski taşıyan kişileri daha erken belirlemeye ve kimlerin daha yakın takip veya önleyici tedavi alması gerektiğini yönlendirmeye yardımcı olabilir.

Atıf: Creasy, S., Lip, G.Y.H., Tse, G. et al. Classification of paroxysmal atrial fibrillation using sinus rhythm electrocardiograms using the symmetric projection attractor reconstruction method. Sci Rep 16, 9705 (2026). https://doi.org/10.1038/s41598-026-37491-1

Anahtar kelimeler: atriyal fibrilasyon, elektrokardiyogram, makine öğrenimi, kalp ritmi, erken tespit