استخدام الذكاء الاصطناعي في الكشف عن متلازمة QT الطويلة

حوالي 40٪ من الأشخاص المصابين بمتلازمة QT الطويلة المؤكدة وراثيًا (LQTS) لا يظهرون قراءة مميزة في تخطيط القلب الكهربائي (ECG). تعرف هذه القراءة بفترة QT (QTc) المطولة المصححة لمعدل ضربات القلب، عند قراءة تخطيط القلب المكون .ذلك يسمح بمجال كبير للتحسين في التشخيص المبكر لـ LQTS، والذي يمكن أن يسبب للمرضى الموت القلبي المفاجئ (SCD). هنا يأتي دور استخدام الذكاء الاصطناعي في الكشف عن متلازمة QT الطويلة.

فترة كيو تي المعروفة طبياً ب QT interval

فترة كيو تي (بالإنجليزية: QT interval)‏، في طب القلب، هي فترة الزمن ما بين بداية موجة Q ونهاية موجة T في مخطط كهربية القلب. بشكل عام، تمثل فترة كيو تي زمن إزالة الاستقطاب وعودة الاستقطاب الكهربائي في كلا البطينين الأيمن والأيسر. فترة QT مطولة هي وصمة بيولوجية لاضطرابات نظمية تسرعية بطينية مثل تورساد دي بوانت وتشكل عامل اختطار للموت المفاجئ.

صعوبة التشخيص

في حالة عدم تطابق التشخيص بين ذوي الخبرة من مقدمي الرعاية الصحية مع أجهزة الكمبيوتر، كان البحث عن حل مطلوباً. معالجة تخطيط القلب عن طريق الذكاء الاصطناعي كانت أكثر دقة من قراءة الخبير المعالج في تحديد الأشخاص الذين لديهم LQTS.

يمكن أن ينتج عن مخطط كهربية القلب معلومات أكثر بكثير من القراءات التقليدية المصممة لالتقاطها.

الذكاء الاصطناعي للكشف متلازمة

كان التقييم بالذكاء الاصطناعي أفضل في التمييز بين المرضى الذين يعانون من المتلازمة و أولئك الذين يتمتعون بصحة جيدة.

دقة البرنامج

علاوة على ذلك، كان AI-ECG دقيقًا بنسبة 80 ٪ في التنبؤ بالنمط الجيني LQTS المحدد للمرضى من بين المجموعات الفرعية الثلاثة الرئيسية: LQT1 و LQT2 و LQT3.

كتب مؤلفو التقرير: “إن AI-ECG قد يساعد في تحديد الأفراد الذين يظهرون بصحة جيدة والمعرضين لخطر عدم انتظام ضربات القلب المرتبطة بـ LQTS”.

عادة ، يتم التعرف على المرضى الذين يعانون من LQTS عن طريق تخطيط كهربي للقلب المكون من 12 جهاز استشعار. مما يدل على فترات راحة QTc> 470 مللي ثانية. ومع ذلك،بي 30 ٪ -40 ٪ من الأفراد الذين يعانون من LQTS المؤكد وراثيًا، فإن QTc في حالة الراحة أمر طبيعي، كما أوضح المؤلفون. لذلك استخدام الذكاء الاصطناعي في الكشف عن متلازمة QT الطويلة هو هدف كان يسعى له العلماء.

على الرغم من أن معظم المرضى يظلون بدون أعراض وأن خطر إصابتهم بفقر الدم المنجلي منخفض. إلا أن تحديد هؤلاء المرضى أمر مهم بحيث لا يتم اعطاءهم الأدوية المعروفة بإطالة فترة QT كأثر جانبي.

المرضى الذين يعانون من متلازمة QT طويلة وراثيًا، وقيم QTc طبيعية يتم اكتشافهم في الغالب عن طريق الاختبارات الجينية المتتالية، حالياً .

وقال إن ذلك يمكن أن يتغير لأن نموذج AI-ECG كان أداؤه أفضل من QTc وحده، لمرضى LQTS مع فترات QT طبيعية.

“السهولة” التي تمكنت بها خوارزميات ECG للشبكة العصبية العميقة بالذكاء الاصطناعي من تحسين قراءات تخطيط القلب القياسية مذهلة. فعند تزويدها ببيانات التدريب الصحيحة، تفتح ثروة من الاحتمالات.

حاليًا، يتم تدريب الأطباء على قراءة مخطط كهربية القلب بطريقة معينة. لإلقاء نظرة على الموجة T، والفاصل الزمني للعلاقات العامة، وفترة QT، وما إلى ذلك.

ومع ذلك، نموذج التعلم الآلي الخاضع للإشراف لا يفعل ذلك. ربما يبحث في بعض الأشياء نفسها التي يبحث عنها الأطباء. لكنه ربما يبحث أيضًا في المعلومات في طريقة تخطيط القلب بما يتجاوز ما يعرف البشر أنه يبحث عنه. وهذا حقًا هو المكان الذي تكمن فيه الإمكانات.

هذا مجرد غيض من فيض فيما يتعلق باستخدام التعلم الآلي لإيجاد معلومات جديدة في تطوير قراءة و تحليل تخطيط القلب.

التطبيق العملي

تم تطبيق نظام AI-ECG للدراسة على أكثر من 9000 مخطط كهربائي للقلب من 2059 مريضًا. بما في ذلك 967 الذين ثبتت إصابتهم بـ LQTS عن طريق التنميط الجيني. و 1092 الذين لم يظهروا أي علامة على LQTS بالقراءة التقليدية وتم رفضهم على أنهم أصحاء.

تم تدريب النموذج باستخدام 60٪ من المرضى. و قاموا بالتحقق من صحته في 10٪ من المرضى و اختبر على الـ 30٪ المتبقية. أثبت برنامج الذكاء الاصطناعي للكشف عن متلازمة LQTS نجاحه .

على الرغم من أن التقييم بالذكاء الاصطناعي قام بعمل جيد في الكشف عن LQTS المخفي وتمييز المتغيرات الوراثية LQTS. لكن،لا يمكن لنظام التعلم الآلي أن يكشف للعلماء ما “يراه” بالضبط من بين 60000 نقطة بيانات في مخطط كهربية القلب. والتي يميز المرضى الذين يعانون من LQTS عن أولئك الذين لا يعانون.

العقل البشري في تحدي مع البرنامج

يسعى العلماء إلى معرفة ما الذي مكن البرنامج من العثور على شخص لديه طفرة. لكن دماغ الذكاء الاصطناعي لا يكشف أسراره.

يأخذ الذكاء الاصطناعي بيانات مخطط كهربية القلب كمدخلات ويقسمها إلى أجزاء صغيرة ، ويتبادلها لتحديد الأنماط والتفاعلات. ولأنه يستخدم أي مجموعة من التفاعلات بين المدخلات، يصبح من الصعب على المخترعين الذين دربوا النموذج أن يفهموا كيف وصل بالفعل إلى نهايته.

على الرغم من أن نموذج AI-ECG يخضع لمزيد من التحقق من صحة المرضى المسجلين حديثًا في Mayo Clinic. يشير التقرير إلى أنه يجب التحقق من صحته في مرضى مشابهين في عيادة القلب . يمكن بعد ذلك اختبار أدائها في الأشخاص الأصحاء من عامة السكان وربما تكييفها للاستخدام كأداة الذكاء الاصطناعي للكشف عن متلازمة LQTS.

مصدر المقال.