Tıbbi Nesnelerin İnterneti’nde güvenilir kalp ritmi için izinsiz giriş tespitiyle hafif ve yorumlanabilir uç zekâ AI

Akıllı kalp monitörlerinin yalnızca doğrulukla yetinmemesi gerekmesinin nedenleri

Sürekli kalbimizi izleyen giyilebilir cihazlar, doktorların tehlikeli ritim problemlerini bulma biçimini değiştiriyor; ancak bugünkü sistemlerin üç büyük zayıf noktası var: genellikle ağır bulut hesaplamasına bağımlılar, kararlarını açıklayamıyorlar ve sinyalleri değiştirerek kandırılabiliyorlar. Bu makale, basit elektroniklere sığacak kadar küçük, doktorların anlayabileceği kadar şeffaf ve verilerin kendisi güvensiz görünüyorsa uyarmaya yetecek kadar ihtiyatlı olacak şekilde tasarlanmış CLARITY-AI 2.0 adlı bir kalp ritmi izleme yaklaşımını tanıtıyor.

Hastane makinelerinden günlük giyilebilir cihazlara

Kalp ritim bozuklukları veya aritmiler, ciddi kalp sorunlarının önde gelen uyarı işaretlerindendir. Geleneksel izleme, sınırlı süreyle takılan hacimli çok kanallı kayıt cihazları kullanır ve nadir fakat tehlikeli olayları kolayca kaçırabilir. Buna karşılık, akıllı yamalar ve saatler gibi tıbbi Nesnelerin İnterneti (MIoT) cihazları EKG sinyallerini sürekli olarak iletebilir. Birçok araştırma grubu bu sinyalleri okumak için derin öğrenmeye yöneldi; etkileyici doğruluklara ulaşıldı fakat bunun bedeli, güçlü donanım gerektiren ve birer kara kutu gibi davranan büyük modeller oldu. Bu modeller hangi kalp atımının hangi kısmının önemli olduğunu ya da temel sinyalin güvenilir olup olmadığını göstermeden “anormal atım” gibi yanıtlar veriyor.

Atımları okumak için daha hafif, daha şeffaf bir yol

CLARITY-AI 2.0 farklı bir yol izliyor. Ham EKG izlerini devasa bir sinir ağına vermek yerine, önce her kalp atımını klinik olarak tanıdık basit özellikleri tanımlayan 40 sayıdan oluşan sıkıştırılmış bir sete dönüştürüyor. Bunlar arasında atımın ana zirvesinin genişliği, başlıca tepelerin yüksekliği, atım enerjisinin farklı frekans bantlarına nasıl dağıldığı ve son atımların zaman içindeki düzenliliği gibi özellikler bulunuyor. Ardından ince bir makine öğrenmesi modeli bu özellikleri birleştirip atımın normal mi şüpheli mi olduğuna karar veriyor. Her özellik açık bir anlama sahip olduğu için doktorlar modelin akıl yürütmesini kendi pratikte kullandıkları ölçümlerle ilişkilendirebiliyor.

Açıklamalar ve saldırı farkındalığı ile güven inşa etmek

Sistemin çalışmasını göstermek için her özelliğin kararı “normal” veya “anormal”e doğru ne kadar ittiğini puanlayan yaygın bir açıklama yöntemi kullanılıyor. Bu puanlar sonra bir dil modeli tarafından kısa, yapılandırılmış metin raporlarına dönüştürülüyor; böylece klinisyen gerçekteki sayılara dayanan “atım, çok geniş bir ana zirve ve alışılmadık bir toparlanma dalgası nedeniyle işaretlendi” gibi ifadeler görüyor. Yazarlar ayrıca gerçek dünya cihazlarının saldırganların sahte sinyaller enjekte edebileceği veya pilleri boşaltabileceği düşmanca ağlarda çalıştığını kabul ediyor. Bu nedenle CLARITY-AI 2.0, hem ağ davranışını hem de sinyal desenlerini inceleyerek gelen verinin manipüle edilme olasılığını tahmin eden yerleşik bir izinsiz giriş algılayıcı içeriyor. Sistem hem bir ritim kararı hem de bir güven skoru üretiyor; böylece doktor düşük güven skorunu ekstra dikkatle ele alabiliyor.

Çok küçük donanımda işe yaradığını kanıtlamak

Ekip yaklaşımlarını standart EKG veri tabanlarında test etti ve bunu derin öğrenme modelleriyle karşılaştırdı. Klasik bir aritmi kıyaslamasında, CLARITY-AI 2.0 anormal atımları tespit etmede güçlü bir sinir ağına neredeyse eşdeğer performans gösterirken, önceki hafif yöntemleri geride bıraktı. Kritik olarak, hobi elektroniğinde sık kullanılan çok mütevazı bir mikrodenetleyicide konuşlandırıldığında yeni sistem, depolamanın yaklaşık on ikide birini, belleğin onda birini kullandı ve sinir ağına kıyasla on kattan fazla daha hızlı çalıştı; tüm bunlar çok daha az enerji tüketirken gerçekleşti. Ek testler, tek bir veri seti üzerinde eğitilmiş aynı modelin daha önce görmediği diğer büyük EKG koleksiyonlarında da iyi performans gösterdiğini ortaya koydu; bu da el yapımı özelliklerin tek bir çalışmanın özelliklerinden ziyade kalp davranışının genel desenlerini yakaladığını düşündürüyor.

Doktorlar açıklamalara nasıl yanıt verdi

Şeffaf bir sistem yalnızca uzmanlar açıklamaları güvenilir bulursa yardımcı olur; bu yüzden yazarlar uygulamadaki kardiyologlarla küçük bir kullanıcı çalışması yürüttü. Doktorlar hem normal hem de anormal atımlar için örnek raporları inceledi. Çoğu açıklamaları açık ve kendi EKG yorumlarıyla uyumlu buldu ve birçok doktor hangi özelliklerin her kararı yönlendirdiğini görmenin sistemi tanı yardımcı bir araç olarak değerlendirmede onları daha rahat ettirdiğini söyledi. Paralel olarak, izinsiz giriş modülü güvenlik amaçlı ayrılmış veri setlerinde kıyaslandı; burada simüle edilmiş saldırıları hızlı ve düşük hata oranlarıyla tespit ederken basit uç donanımının kısıtlarına da uyduğu görüldü.

Günlük kalp izlemesi için bunun anlamı

Düz bir ifadeyle, CLARITY-AI 2.0, hızlı, pil dostu, kararlarını bir doktorun anlayacağı dilde gerekçelendirebilen ve verinin kendisinin şüpheli göründüğü durumların farkında olan giyilebilir dostu bir kalp monitörü inşa etmenin mümkün olduğunu gösteriyor. Çerçeve kendi başına tedavi yönlendirebilmesi için hâlâ daha büyük klinik denemelere ihtiyaç duysa da, bu yaklaşım günlük kalp sensörlerinin sadece alarm vermekle kalmayıp neden çaldıklarını ve okumalarının ne kadar güvenilir olduğunu da açıklayacağı bir geleceğe işaret ediyor.

Atıf: Khalid, M.I., Hussain, A., Hussain, N. et al. Lightweight and interpretable edge intelligence AI with intrusion detection for trustworthy cardiac arrhythmia in medical IoT. Sci Rep 16, 14843 (2026). https://doi.org/10.1038/s41598-026-43578-6

Anahtar kelimeler: kalp aritmisi, tıbbi IoT, giyilebilir EKG, açıklanabilir AI, izinsiz giriş tespiti