ملخص تقني: DeepArrhythmia

تعريف المشكلة

يهدف اكتشاف عدم انتظام ضربات القلب على مستوى النبضة (Beat-level ECG) إلى تصنيف كل نبضة قلب فردية ضمن تسجيل ما إلى فئة محددة (طبيعي، نبضات فوق بطينية مبكرة، نبضات بطينية مبكرة، أو نبضات اندماجية). وبينما حققت الأنظمة الآلية الحالية تقدماً كبيراً، إلا أنها غالباً ما تتعامل مع النبضات كحالات محلية معزولة، باستخدام نوافذ قصيرة متمحورة حول النبضة أو عينات نبض معزولة كمدخلات. هذا النهج محدود جوهرياً لأن التصنيف على مستوى النبضة ليس عملية محلية بحتة؛ إذ إن الأدلة اللازمة لتصنيف نبضة ما غالباً ما تمتد إلى ما وراء المركب المستهدف لتشمل سياق الإيقاع المحيط به.

على سبيل المثال، يتطلب التمييز بين النبضات البطينية المبكرة (VEBs) والنبضات فوق البطينية المبكرة (SVEBs) غالباً تحليل التوقيت (الحدوث المبكر، فترات التوقف التعويضية) والاتساق المورفولوجي (الشكلي) بالنسبة للنبضات المجاورة، بدلاً من مجرد الشكل المحلي لمركب QRS. كما أن النماذج النهائية (end-to-end) الحالية التي تعالج سياقات أطول تفشل غالباً في ربط تنبؤاتها صراحةً بمرتكزات فسيولوجية (مثل مواقع ذروة R، أو قياسات الفترات الزمنية المحددة)، مما يجعل من الصعب التحقق مما إذا كان القرار مدعوماً بإشارات ECG المعترف بها. علاوة على ذلك، فإن الحصول العشوائي على أدلة فسيولوجية غنية لجميع القطع يعد أمراً غير فعال؛ فبالنسبب للقطع السهلة، لا تضيف القياسات الإضافية سوى تكلفة حوسبية دون تحسين الدقة، بينما في الإشارات المشوشة، قد تؤدي الأدلة المساعدة إلى إدخال الضجيج.

المنهجية: DeepArrhythmia

إن DeepArrhythmia هو إطار عمل متعدد الوسائط يعتمد على الأدوات، مصمم لتصنيف النبضات بناءً على سياق القطعة (segment-contextualized). يعمل الإطار على قطع ECG مكونة من 10 ثوانٍ تحتوي على نبضات متعددة، ويدمج إشارات ECG الخام، وصور الموجات المصورة، والأدلة الفسيولوجية المهيكلة من خلال وكيل متعدد الوسائط مركزي.

البنية الأساسية

يقوم الإطار بفصل القياس الفسيولوجي عن تكامل الأدلة باستخدام أدوات متخصصة:

1. كاشف الذروة (Peak Detector): نموذج 1D-UNet++ يقوم بتحديد مواقع ذرى R لتحديد حالات النبض. تعمل هذه الذرى كمرتكزات زمنية لمحاذاة الميزات العددية، والتحليل المورفولوجي، والمخرجات المهيكلة النهائية.
2. مستخرج الميزات (Feature Extractor): يولد قياسات إيقاع ومورفولوجيا عددية صريحة (مثل فترات RR، وRR المعياري، وسعة ذروة R، والإحصاءات من الرتب العليا، وموصفات المورفولوجيا العددية) لكل نبضة.
3. محلل المورفولوجيا (Morphology Analyzer): نموذج لغوي بصري (VLM) تم تدريبه عبر تقطير المعرفة (باستخدام نموذج لغوي كبير معلم) لتوليد مبررات مورفولوجية نصية بناءً على عينات صور متمحورة حول النبضة وميزات عددية. يوفر هذا دليلاً نصياً يركز على المورفولوجيا ويكون قابلاً للتفسير.
4. الوكيل المركزي متعدد الوسائط (Central Multimodal Agent): يعتمد على نموذج لغوي كبير (Qwen3.5-4B) يستهلك رموز الإشارة (signal tokens)، ورموز الصور (image tokens)، ومخرجات الأدوات المتسلسلة لإنتاج تنبؤات على مستوى النبضة.

الاستحواذ الانتقائي للأدلة الموجه بالثقة

الابتكار الرئيسي هو حاسب الثقة (Confidence Calculator)، الذي يعمل كأداة لبوابة الأدلة. يعمل النظام في حالتين من الأدلة:

• حالة الأدلة الدنيا ($E_{min}$): تحتوي على الإشارة، الصورة، ومرتكزات النبض.
• حالة الأدلة الغنية ($E_{rich}$): تعزز $E_{min}$ بالميزات العددية والتحليل المورفولوجي النصي.

يقوم النظام أولاً بتوليد تنبؤ أولي تحت حالة الأدلة الدنيا. ثم يحسب درجة ثقة على مستوى القطعة ($C_{seg}$) عن طريق متوسط أقصى احتمالات الفئات لجميع النبضات في القطعة.

• إذا كانت $C_{seg} \geq \tau$ (عتبة محددة لمجموعة البيانات)، يعيد النظام تنبؤ الأدلة الدنيا.
• إذا كانت $C_{seg} < \tau$، يقوم النظام باستدعاء مستخرج الميزات ومحلل المورفولوجيا بشكل انتقائي للحصول على أدلة غنية قبل إنتاج تنبؤ منقح.

يعمل سياسة التوجيه هذه على موازنة المقايضة بين القرارات غير المدعومة بالأدلة الكافية في القطع الصعبة المعتمدة على الإيقاع، وبين القرارات المفرطة في الأدلة حيث لا تضيف الأدوات الإضافية سوى التكلفة أو الضجيج.

استراتيجية التدريب

تستخدم DeepArrʰhythmia عملية ضبط دقيق (SFT) مقنعة (masked) على مرحلتين:

1. المرحلة 1 (التخصص): يتم تدريب وكيلين متخصصين في كل فرع. يتعلم أحدهما التنبؤ تحت الأدلة الدنيا، بينما يتعلم الآخر التنبؤ تحت الأدلة الغنية. يؤسس هذا التنسيق النحوي للمخرجات والمحاذاة بين مرتكزات النبض وتسميات الفئات.
2. المرحلة 2 (التوجيه): يتم تدريب وكيل موجه على مجموعة بيانات منفصلة لتعلم سياسة الاستحواذ الموجهة بالثقة. يتم تدريب النموذج على اتخاذ القرار بشأن التوقف بعد الأدلة الدنيا أو استدعاء أدوات إضافية بناءً على درجة الثقة المحسوبة.

المساهمات الرئيسية

1. التنبؤ السياقي للقطعة: أعاد المؤلفون صياغة التصنيف على مستوى النبضة كتنبؤ محاذٍ للقمة داخل قطع متعددة النبضات، مما يسمح للقرارات بدمج المورفولوجيا المحلية مع سياق الإيقاع المحيط (التوقيت، فترات التوقف التعويضية، الاتساق عبر النبضات).
2. الوكيل متعدد الوسائط المرتكز على الأدوات: يفصل الإطار بين القياس وتكامل الأدلة. توفر الأدوات المتخصصة أدلة وسيطة مهيكلة (قياسات عددية وأوصاف نصية) تعمل كمدخل للتنبؤ وكدليل قابل للتدقيق للتفسير.
3. الاستحواذ الانتقائي الموجه بالثقة: يقترح البحث استخدام ثقة النموذج كبوابة للأدلة للاستحواذ الانتقائي على أدلة فسيولوجية أغنى فقط عند الضرورة، مما يعالج القيمة الهامشية غير الموحدة لهذه الأدلة عبر القطع المختلفة.

النتائج التجريبية

تم تقييم الإطار على أربع مجموعات بيانات عامة: MIT-BIH Arrhythmia، وMIT-BIH Supraventricular، وINCART، وVitalDB Arrhythmia، باستخدام تقسيمات منفصلة للمرضى لضمان التعميم.

• الأداء: حققت متغيرات DeepArrhythmia أفضل أداء أو تساوت في الأفضل عبر جميع مجموعات البيانات والمقاييس (Macro-F1 و Micro-F1) مقارنة بالتعلم الآلي التقليدي (SVM)، والتعلم العميق (CNNs, Transformers, TCNs)، والنماذج اللغوية البصرية (VLMs) الموجودة.
• القيمة السياقية: تظهر النتائج أن سياق مستوى القطعة والتأسيس الفسيولوجي المهيكل يحسن بشكل كبير التصنيف على مستوى النبضة. تفوق الإطار على نماذج الدمج غير الوكيلية (non-agentic fusion baselines)، مما يشير إلى أن بنية النموذج تلعب دوراً مركزياً في ترجمة الأدلة غير المتجانسة إلى تنبؤات دقيقة.
• الاستحواذ الانتقائي: حقق النموذج الموجه بالثقة باستمرار أداءً يماثل أو يتجاوز خط الأساس البسيط للتوجيه مع تقليل الاعتماد على الأدلة غير المفيدة. أظهر التحليل أن الأدلة الأغنى حسنت الأداء بشكل أساسي في القطع ذات الثقة المنخفضة (الصعبة)، بينما استفادت القطع ذات الثقة العالية بشكل أقل، مما يؤكد صحة استراتيجية الاستحواذ الانتقائي.
• القابلية للتفسير: أظهر التقييم البشري من قبل الخبراء للمراجعات المورفولوجية المولدة درجات عالية في الصحة الفسيولوجية والفائدة السريرية. وُجد أن التفسيرات المولدة كانت أمينة للأدلة المستخدمة، كما اتضح من اختبارات الاضطراب المستهدفة حيث أدى تعطيل الإشارات المستشهد بها (مثل عرض QRS، وفترات RR) إلى تدهور الدقة بشكل كبير.

الأهمية والادعاءات

يزعم البحث أن DeepArrhythmia تقدم بديلاً عملياً للاستدعاء الدائم لجميع الأدوات، محققة توازناً ملائماً بين الدقة والكفاءة. ومن خلال فصل القياس عن التكامل، ينتج الإطار تنبؤات أكثر دقة وقابلية للتفسير، مع الاحتفاظ بالأدلة الوسيطة لتحليل الأخطاء والمراجعة من قبل الخبراء.

يضع المؤلفون DeepArrhythmia ليس كنظام تشخيصي مستقل، بل كإطار عمل لدعم القرار المساعد. تكمن الأهمية في تشغيل عقود من التقدم في معالجة الإشارات الفسيولوجية (الكواشف، مستخرجات الميزات) من خلال دمجها في حلقة استدلال موحدة يديرها نموذج لغوي بصري (VLM). يسمح هذا النهج بدمج المعرفة المجالية القابلة للتوسع مع الحفاظ على التنسيق عبر الوسائط.

يقر البحث بوجود قيود، بما في ذلك:

• تباين الأداء عبر الفئات، لا سيما بالنسبة للنبضات الاندماجية النادرة.
• الحساسية تجاه السياق الزمني غير المكتمل وجودة الإشارة المنخفضة.
• محدودية التعميم عبر مجموعات البيانات المختلفة، مما يشير إلى الحاجة إلى توجيه أكثر قوة يعتمد على الوعي بعدم اليقين في العمل المستقبلي.
• الطبيعة الاسترجاعية للدراسة، مما يعني أن الفائدة المستقبلية عبر مختلف المؤسسات والأجهزة لا تزال بحاجة لإثبات.

يخلص المؤلفون إلى ضرورة استخدام الإطار للمساعدة، وليس لاستبدال الحكم السريري، مع التركيز في العمل المستقبلي على التحقق متعدد المراكز وتقييم سير العمل المستقبلي.