Automated detection of pediatric congenital heart disease from phonocardiograms using deep and handcrafted feature fusion
تقدم هذه الورقة نموذجاً لدمج الميزات العميقة والمصممة يدوياً يحلل تسجيلات تخطيط صدى القلب من 751 مريضاً من الأطفال لتحقيق دقة بنسبة 92% في الكشف الآلي ومنخفض التكلفة عن أمراض القلب الخلقية، مما يوفر أداة فحص واعدة للمناطق ذات الموارد المحدودة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
المشكلة الكبيرة: البحث عن عيوب القلب في غرفة صاخبة
تخيل أنك تحاول سماع زقزقة عصفور محدد في غابة عاصفة. هذا هو بالضبط ما يواجهه الأطباء عند الاستماع إلى قلب طفل.
أمراض القلب الخلقية (CHD) هي عيوب ولادة حيث يكون هيكل القلب "مكسوراً" أو مشوهاً قليلاً. وهي تصيب حوالي 1 من كل 100 طفل. "المعيار الذهبي" لاكتشاف هذه العيوب هو تخطيط صدى القلب (السونار للقلب)، لكن هذا الجهاز باهظ الثمن، وثقيل الوزن، ويتطلب خبيراً مدرباً بدرجة عالية لتشغيله. وفي مناطق كثيرة من العالم، خاصة المناطق الفقيرة، تكون هذه الموارد نادرة.
يعتمد الأطباء غالباً على السماعة الطبية للاستماع إلى "النفخات" (أصوات حفيف غير طبيعية) التي تشير إلى وجود مشكلة. ومع ذلك، فإن هذا يشبه محاولة العثور على إبرة في كومة قش أثناء ارتداء قفازات سميكة؛ فالأطفال يبكون، ويسعلون، ويتحركون، مما يخلق ضوضاء خلفية تطغى على أصوات القلب الخافتة. علاوة على على ذلك، ليس كل الأطباء لديهم نفس "الأذن" لهذه الأصوات؛ فقد يسمع أحدهم مشكلة بينما يغفل عنها آخر.
الحل: كمبيوتر "فائق السمع"
قام مؤلفو هذه الورقة البحثية ببناء برنامج كمبيوتر (ذكاء اصطناعي) يعمل كـ مساعد فائق السمع. مهمته هي أخذ التسجيلات الفوضوية والصاخبة من السماعة الرقمية وتحديد: "هل هذا القلب سليم، أم أن به عيباً؟"
لم يكتفوا ببناء نوع واحد من المستمعين، بل بنوا فريقاً هجيناً يجمع بين طريقتين مختلفتين في "السمع":
- المحقق "صانع اليدوي" (الميزات التقليدية):
تخيل هذا كمعلم موسيقى قديم يعرف تماماً ما الذي يبحث عنه. تم برمجة الكمبيوتر لقياس أشياء محددة يدوياً حول الصوت، مثل:
- تباين معدل ضربات القلب: مدى تغير الوقت بين ضربات القلب (مثل عازف الطبل الذي يسرع أو يبطئ الإيقاع).
- المركز الطيفي (Spectral Centroid): مدى "سطوع" أو "حدة" الصوت.
- الانقطاع الطيفي (Spectral Roll-off): مقدار الطاقة ذات التردد العالي في الصوت.
- معاملات ميل (MFCCs): هذه طريقة متطورة تعني أن الكمبيوتر يترجم الصوت إلى خريطة تحاكي كيفية سماع الأذن البشرية لدرجة الصوت والنغمة.
- الفنان "التعلم العميق" (ميزات الذكاء الاصطناعي):
تخيل هذا كفنان موهوب نظر إلى ملايين صور أصوات القلب وتعلم كيفية رصد الأنماط التي قد تغفل عنها العين (أو الأذن) البشرية. لقد استخدموا شبكة عصبية تلافيفية أحادية الأبعاد (1D CNN). تخيل هذا كمجموعة من المرشحات (الفلاتر) التي تمسح الموجة الصوتية، بحثاً عن أشكال وأنماط معقدة لا تتناسب مع النموذج "السليم".
كيف جمعوا بينهما: الدمج (Fusion)
إن سحر هذه الورقة البحثية يكمن في دمج الميزات (Feature Fusion). فبدلاً من ترك "المحقق" و"الفنان" يعملان بشكل منفصل، جعل الباحثون يعملان معاً.
- يأخذ الكمبيوتر القياسات المحددة من "المحقق".
- يدمجها مع التعرف على الأنماط المعقدة من "الفنان".
- يتم لصقهما معاً في "تقرير درجات" واحد كبير (متجه الميزات) الذي يتم تغذيته إلى صانع القرار النهائي.
هذا يشبه امتلاك فريق حيث يتأكد شخص من الحسابات ويتأكد الآخر من الفن، ثم يصوتان معاً على الإجابة النهائية. يساعد هذا النهج الكمبيوتر على التعامل مع التسجيلات الصاخبة والفوضوية بشكل أفضل من استخدام طريقة واحدة فقط.
البيانات: الاستماع إلى 751 طفلاً
لتدريب هذا الفريق، ذهب الباحثون إلى المستشفيات في بنغلاديش. حيث سجلوا أصوات القلب من 751 طفلاً (تتراوح أعمارهم من شهر واحد إلى 16 عاماً).
- استخدموا سماعة رقمية خاصة (EKO DUO) حاصلة على اعتماد هيئة الغذاء والدواء (FDA).
- استمعوا إلى أربعة مواضع مختلفة على الصدر (مثل التحقق من أربع نوافذ مختلفة في منزل): الصمام المترالي، والأبهري، والرئوي، وثلاثي الشرفات.
- التحدي: كانت البيانات "صاخبة" (أطفال يبكون، يتحركون) و"غير متوازنة" (كان هناك عدد أكبر من الأطفال المرضى في مجموعة البيانات مقارنة بالأصحاء، مما قد يخدع الكمبيوتر). استخدم الباحثون حيلًا رياضية خاصة لضمان عدم قيام الكمبيوتر بمجرد التخمين بأن الطفل "مريض" في كل مرة للحصول على درجة عالية.
النتائج: فريق ذو درجات عالية
اختبر الباحثون نموذجهم على مجموعة من الأطفال لم يروهم من قبل. وإليكم كيف كان أداؤهم:
- الدقة (Accuracy): 92%. (من بين كل 100 طفل، أصاب في 92 منهم).
- الحساسية (Sensitivity): 91%. (نجح في إيجاد 91 من أصل 100 طفل يعانون فعلياً من عيوب في القلب. وهذا أمر بالغ الأهمية حتى لا يتم تفويت أي طفل مريض).
- النوعية (Specificity): 91%. (حدد بشكل صحيح 91 من أصل 100 طفل سليم كأطفال أصحاء. وهذا أمر بالغ الأهمية حتى لا يُرسل الأطفال الأصحاء إلى المستشفى دون داعٍ).
- "بطاقة الدرجات" (AUROC): 96%. وهذا هو مجموع الدرجات الذي يوضح أن النموذج ممتاز في التمييز بين المجموعتين.
لماذا يهم هذا (وفقاً للورقة البحثية)
تدعي الورقة أن هذه الطريقة هي أداة فحص فعالة من حيث التكلفة. نظرًا لأنها تستخدم سماعة رقمية (وهي رخيصة ومحمولة) وتعمل على أجهزة كمبيوتر عادية، فيمكن استخدامها في الأماكن التي لا تتوفر فيها أجهزة السونار الكبيرة.
وجد المؤلفون أيضاً أن متوسط النتائج من المواضع الأربعة للاستماع على الصدر كان هو الأفضل. إذا استمعوا إلى موضع واحد فقط وقالوا "نعم" إذا بدا أي موضع سيئاً، فقد ارتكبوا الكثير من الأخطاء (إنذارات كاذبة). وإذا اشترطوا أن تبدو جميع المواضع سيئة، فقد فاتهم الكثير من الحالات. نهج "المتوسط" وجد التوازن المثالي.
ما لم يدّعوه
- لم يدّعوا أن هذا يحل محل الطبيب أو جهاز السونيد. بل هو أداة فحص للمساعدة في اتخاذ القرار بشأن من يحتاج إلى مزيد من الاختبارات.
- لم يدّعوا أنه يعمل بشكل مثالي على كل نوع من أنواع عيوب القلب (لقد ميزوا فقط بين "العيوب الخلقية" و"غير العيوب الخلقية"، وليس الأنواع المحددة مثل "ثقب في القلب" مقابل "تسرب في الصمام").
- أشاروا إلى وجود قصور: فقد تم تدريب النموذج على بيانات من بلد واحد (بنغلاديش) وباستخدام جهاز محدد. وهم يقترحون أن العمل المستقبلي يجب أن يختبر النموذج على بيانات من دول أخرى وأجهزة أخرى لمعرفة ما إذا كان لا يزال يعمل.
باختصار: قام الباحثون ببناء برنامج كمبيوتر ذكي يجمع بين قياسات الصوت التقليدية والتعرف على الأنماط عبر الذكاء الاصطناعي الحديث. يستمع البرنامج إلى قلوب الأطفال عبر سماعة رقمية ويمكنه تحديد ما إذا كان الطفل على الأرجح يعاني من عيب في القلب بدقة تصل إلى 92%، مما يوفر أملاً محتملاً للمناطق التي يصعب فيها العثور على معدات طبية متقدمة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.