Evaluating the Incremental Value of AI-Derived ECG Features Beyond Automated ECG Reports and Clinical Data for 30-Day Mortality: A MIMIC-IV Cohort Study
تُظهر هذه الدراسة القائمة على مجموعة بيانات MIMIC-IV أنه بينما تتفوق سمات تخطيط القلب المستمدة من الذكاء الاصطناعي بشكل كبير على قياسات الشكل التقليدية في التنبؤ بالوفيات خلال 30 يوماً، فإن قيمتها الإضافية فوق التقارير الآلية الحالية والبيانات السريرية الأساسية ضئيلة وغير مؤكدة، مع تماثل الأداء العام الذي يعطي الأولوية لمجموعات فرعية مختلفة من المرضى.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل
في كل عام، يدخل الملايين من الناس إلى المستشفيات ويتم فحص قلوبهم باختبار بسيط وغير مؤلم يسمى تخطيط كهربية القلب، أو (ECG). تسجل هذه الآلة النشاط الكهربائي للقلب كخط متعرج على الشاشة، مما يلتقط لقطة لكيفية نبض القلب في تلك اللحظة تحديداً. لعقود من الزمن، اعتمد الأطباء على هذه الخطوط لرصد المشكلات، بحثاً عن أشكال محددة تشير إلى نوبة قلبية أو حالات خطيرة أخرى. واليوم، يمكن للحواسيب قراءة هذه الخطوط تلقائياً، حيث تقيس ارتفاع وعرض الموجات وتكتب تقريراً قصيراً يلخص ما تراه. ولكن مع ازدياد قوة الذكاء الاصطناعي، بدأ الباحثون يطرحون سؤالاً صعباً: هل ترى هذه النماذج الحاسوبية المعقدة الجديدة شيئاً تغفله التقارير القياسية وملاحظات الأطباء الخاصة؟ وتحديداً، هل يمكن لنظام التعلم العميق، المدرب على التعرف على الأنماط الدقيقة للموجات الكهربائية الخام، أن يتنبأ بمن قد يموت خلال شهر بشكل أفضل من الأدوات التي نستخدمها يومياً؟
لقد وضع فريق من الباحثين هدفاً للإجابة على ذلك من خلال النظر في مجموعة ضخمة من السجلات الطبية من مستشفى في بوسطن. ركزوا على أكثر من 25,000 شخص بالغ خضعوا لتخطيط كهربية القلب أثناء وجودهم في المستشفى. ولكل شخص، جمع الباحثون ثلاثة أنواع مختلفة من المعلومات لمعرفة أي منها هو الأفضل في التنبؤ بما إذا كان المريض سيتوفى خلال ثلاثين يوماً. النوع الأول كان البيانات الخام نفسها، والتي تم إدخالها في نموذج ذكاء اصطناعي متطور تم تدريبه على ملايين نبضات القلب لفهم شكل الموجات. النوع الثاني كان مجموعة من خمسة عشر قياساً محدداً يمكن للباحث حسابها يدوياً من نفس الموجات، مثل مدة بعض النتوءات والانخفاضات في الخط. النوع الثالث كان التقرير الآلي الفعلي الذي يولده حاسوب المستشفى للطبيب، جنباً إلى جنب مع تفاصيل أساسية عن المريض مثل عمره وجنسه وأي تاريخ طبي معروف لديه قبل وصوله إلى المستشفى.
قارن الباحثون مدى جودة كل من هذه الأساليب في ترتيب المرضى حسب درجة الخطورة. ووجدوا أن نموذج الذكاء الاصطناعي كان بالفعل أفضل في رصد الخطر من القياسات البسيطة التي تُحسب يدوياً. فعندما نظروا فقط إلى موجات القلب، حدد نموذج الذكاء الاصطناعي المرضى الذين سيموتون بدقة أكبر بنسبة 7.5 بالمئة تقريباً مما فعلته القياسات الأساسية. وظلت هذه الفجوة قائمة حتى عندما أضافوا عمر المريض وجنسه وتاريخه الطبي إلى المزيج، وإن تقلصت الميزة قليلاً. وفي هذه المقارنة المحددة، كان الذكاء الاصطناعي يرى بوضوح شيئاً لم تره القياسات البسيطة.
ومع ذلك، تغيرت القصة عندما قارن الباحثون بين الذكاء الاصطناعي والتقرير الكامل المؤتمت للمستشفى. هذا التقرير هو ما يراه الطبيب فعلياً على شاشة حاسوبه؛ فهو يتضمن القياسات الأساسية بالإضافة إلى قائمة طويلة من التصريحات التشخيصية والملخصات التي ينتجها برنامج المستشفى الخاص. وعندما وضع الباحثون الذكاء الاصطناعي المتقدم في مواجهة هذا التقرير الأكثر ثراءً واكتمالاً، تلاشت الميزة تقريباً. لم يكن أداء نموذج الذكاء الاصطناعي أفضل بشكل ملحوظ من التقرير الآلي القياسي، وفي بعض الاختبارات، كان الفرق صغيراً جداً لدرجة أنه قد يكون ناتجاً عن الصدفة. وهذا يشير إلى أن تقرير المستشفى القياسي يلتقط بالفعل معظم المعلومات المفيدة الكامنة في موجات القلب، مما يترك مجالاً ضئيلاً جداً لما يمكن للذكاء الاصطناعي الجديد أن يضيفه فوق ذلك.
ولعل الاكتشاف الأكثر إثارة للدهشة كان يتعلق بمن يتم وضعهم تحت المراجعة. في مستشفى حقيقي، لا يستطيع الأطباء مراجعة سجل كل مريض؛ بل يتعين عليهم اختيار من يجب فحصهم عن كثب. قام الباحثون بمحاكاة سيناريو حيث يمكنهم فقط مراجعة أعلى 5 بالمئة من المرضى المصنفين كأعلى خطورة. ووجدوا أن نموذج الذكاء الاصطناعي والتقرير القياسي اختارا تقريباً نفس عدد المرضى الذين سيموتون، لكنهما اختارا أشخاصاً مختلفين تماماً. فقد حدد الذكاء الاصطناعي 136 مريضاً فاتهم التقرير القياسي، لكنه أيضاً أغفل 95 مريضاً كان التقرير القياسي قد رصدهم. وهذا يعني أنه حتى لو كان للأداتين نفس الكفاءة في التنبؤ بالوفاة في المتوسط، فقد يوجهان الأطباء للنظر إلى مجموعات مختلفة من الناس. فقد تنقذ إحدى الأداتين حياة مريض عبر رصد شخص فات الأداة الأخرى، بينما قد تفقد الأداة الأخرى مريضاً كان قد أمسكت به الأولى.
كما بحثت الدراسة في مدى ارتباط هذا النجاح بكون الذكاء الاصطناعي قد تم تدريبه مسبقاً على كمية هائلة من بيانات القلب. واختبروا ما إذا كان بإمكان شبكة حاسوبية جديدة وغير مدربة أن تؤدي بنفس الكفاءة إذا أُعطيت نفس القدر من الوقت للتعلم من المرضى المحددين في هذه الدراسة. ووجدوا أنه عندما توفرت بيانات وفيرة للتعلم منها، كان الذكاء الاصطناعي المدرب مسبقاً والشبكة الجديدة غير المدربة يؤديان بشكل متطابق تقريباً. ولم تظهر ميزة التدريب المسبق على ملايين نبضات القلب إلا عندما حاول الباحثون التعلم من كميات صغيرة جداً من البيانات. وهذا يعني أن قوة هذه النماذج المتقدمة قد تعتمد بشدة على حجم البيانات المتاحة لتعليمها، وليس فقط على تعقيد النموذج نفسه.
أخيراً، اختبر الباحثون ما إذا كانت هذه النتائج ستصمد في بيئة مختلفة تماماً. فقد أخذوا النماذج التي تم تدريبها على بيانات المستشفى الأمريكية وطبقوها على مجموعة من المرضى في البرازيل لم يسبق لهم التعامل مع النظام الأمريكي من قبل. وحتى في هذه المجموعة السكانية الجديدة، مع نظام رعاية صحية مختلف وأفق زمني أطول يصل إلى سنة واحدة بدلاً من ثلاثين يوماً، ظل نموذج الذكاء الاصطناعي يحتفظ بميزة صغيرة على القياسات الأساسية. ومع ذلك، تقلصت الفجوة بشكل كبير عند مقارنته بالتقارير المؤتمتة الكاملة، مما يعزز فكرة أن الأدوات القياسية تقوم بعمل جيد جداً بالفعل.
ويخلص الباحثون إلى أنه بينما يمكن للذكاء الاصطناعي استخراج معلومات قيمة من موجات القلب التي تغفلها القياسات البسيطة، فإن قدرته على التحسين من التقارير الكاملة والمؤتمتة للمستشفيات تظل محدودة وغير مؤكدة. إن القيمة الحقيقية لهذه الأدوات الجديدة قد لا تكمن في مجرد التنبؤ بمن سيموت، بل في كيفية تغيير نوعية المرضى الذين يختار الأطباء فحصهم. ولأن الذكاء الاصطراولي والتقارير القياسية يعطيان الأولوية لمرضى مختلفين، فإن استخدام الذكاء الاصطناعي قد يعني أن بعض الأفراد المعرضين لخطر عالٍ سيحصلون على اهتمام كان سيغيب عنهم لولا ذلك، بينما قد يُغفل آخرون كان من الممكن رصدهم. وقبل أن تصبح هذه الأدوات جاهزة لتغيير طريقة عمل المستشفيات، هناك حاجة لمزيد من البحث لفهم بالضبط أي المرضى سيستفيدون من هذا التحول، وما إذا كانت تكلفة تشغيل هذه الأنظمة المعقدة تستحق الفرق في عدد الأرواح التي يتم إنقاذها.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.