A MetaFormer framework with position-aware circular convolution for myocardial infarction detection

إن قلب الإنسان مضخة لا تهدأ، لكن إيقاعه هو أيضاً شفرة كهربائية معقدة. فعندما يقطع انسدادٌ تدفق الدم إلى عضلة القلب، وهي حالة تُعرف باسم احتشاء عضلة القلب، تتغير الإشارات الكهربائية التي تنتقل عبر الصدر بطرق دقيقة وحرجة. وقد اعتمد الأطباء لفترة طويلة على تخطيط كهربائية القلب، أو ما يُعرف بـ (ECG)، لقراءة هذه الإشارات. يستخدم هذا الاختبار لصقات لاصقة توضع على الجلد لتسجيل النشاط الكهربائي للقلب في شكل سلسلة من الخطوط المتموجة على الشاشة. ولعقود من الزمن، كانت الطريقة القياسية لتشخيص النوبة القلبية هي قيام الطبيب بالنظر إلى هذه الخطوط، وتفسير الأشكال والتوقيت لرصد المشكلات. ورغم أن هذا الفحص البصري هو المعيار الذهبي، إلا أنه بطيء، وعرضة للخطأ البشري، ويواجه صعوبة في مواكبة الحجم الهائل من البيانات التي تولدها المستشفيات الحديثة. ومع تزايد الحاجة إلى تشخيص أسرع وأكثر موثوقية، توجه العلماء إلى الحواسيب للمساعدة في قراءة لغة القلب، آملين في بناء أنظمة يمكنها رصد النوبة القلبية بسرعة الآلة وبصيرة الخبير.

في دراسة حديثة، طور باحثون من جامعة بنغبو الطبية وجامعة تيانجين في الصين نموذجاً حاسوبياً جديداً صُمم للكشف عن احتشاء عضلة القلب بدقة مذهلة. لقد تناولوا المشكلة من خلال إنشاء نظام يحاكي الطريقة التي تعال بها نماذج الذكاء الاصطناعي المتقدمة المعلومات، ولكن مع لمسة خاصة لجعله أسرع وأكثر كفاءة. ويكمن جوهر ابتكارهم في طريقة جديدة تجعل الحاسوب "يرى" بها إشارة تخطيط القلب. فبدلاً من مجرد مسح الإشارة في قطع صغيرة ومعزولة مثل الكاميرا التقليدية، يستخدم نظامهم تقنية تسمى "الالتفاف الدائري المدرك للموضع". تخيل إشارة تخطيط القلب كشريط طويل من الورق؛ تسمح هذه الطريقة للحاسوب برؤية الشريط بأكته من خلال ربط نهاية الشريط ببدايته مفاهيمياً، مما يخلق حلقة مستمرة. وهذا يمكّن النموذج من فهم كيفية ارتباط إشارة في لحظة معينة بإشارة بعيدة في الزمن، مما يلتقط السياق الكامل لضربة القلب دون الضياع في التفاصيل.

ولصقل هذه الرؤية الواسعة، أضاف الباحثون طبقة ثانية من الذكاء تركز على الأهمية المحددة لأجزاء مختلفة من الإشارة. وقد دمجوا ذلك مع وحدة بوابة ثنائية الاتجاه (bidirectional gate recurrent unit)، وهي نوع من أنظمة الذاكرة التي تقرأ النشاط الكهربائي للقلب للأمام وللخلف في الزمن. تتيح هذه القراءة ثنائية الاتجاه للنموذج فهم قصة ضربة القلب ليس فقط كما تحدث، بل أيضاً في علاقتها بما سبقها وما سيعقبها. ومن خلال نسج هذين النهجين معاً، أنشأ الفريق إطار عمل يمكنه التمييز بين إيقاع القلب السليم والأنماط الفوضوية للنوبة القلبية بدقة عالية. وقد اختبروا نموذجهم على قاعدة بيانات ضخمة من تسجيلات المرضى الحقيقية، وبالتحديد بالبحث في بيانات من المعهد الفيزيائي التقني الفيدرالي (Physikalisch-Technische Bundesanstalt)، وهو مستودع رئيسي لبيانات القلب الطبية.

كانت نتائج اختبارهم مذهلة؛ فقد حدد النموذج الجديد النوبات القلبية بشكل صحيح في 99.5% من الحالات التي حللها، وحدد إيقاعات القلب السليمة بشكل صحيح في 99.4% من الحالات. وقد تفوق هذا الأداء على استراتيجيات الذكاء الاصطناي الرائدة الأخرى التي اختبرها الباحثون جنباً إلى جنب، بما في ذلك النماذج القائمة على التعلم العميق القياسي وشبكات المحولات (transformer networks). وبعيداً عن الدقة، أثبت النظام الجديد أنه أكثر كفاءة بشكل ملحوظ؛ فقد تطلب موارد حوسبة وقوة معالجة أقل بكثير من منافسيه، مما يجعله أداة أكثر عملية للاستخدام في البيئات الواقعية، بما في ذلك الأجهزة الصغيرة والمتنقلة حيث تكون الطاقة محدودة. كما قدم الباحثون برهاناً رياضياً لإثبات أن عملية تعلم النموذج مستقرة ولن تصبح مضطربة بمرور الوقت، مما يضمن أن أداءه العالي يتسم بالموثوقية.

يمثل هذا العمل خطوة كبيرة للأمام في دمج نقاط القوة لمختلف أنواع الذكاء الاصطناعي. فمن خلال الجمع بين القدرة على رؤية الصورة الكبيرة والدقة في التفاصيل المحلية، ابتكر الباحثون أداة تتسم بالقوة والكفاءة في آن واحد. وبينما أُجريت الدراسة باستخدام بيانات من مصدر واحد وركزت تحديداً على النوبات القلبية، فإن نجاح هذا النهج يشير إلى مسار واعد للتشخيص الطبي المستقبلي. ويقر الفريق بأن هناك حاجة لمزيد من الاختبارات على مجموعات متنوعة من المرض_ين وأنواع مختلفة من أمراض القلب، لكن نتائجهم الحالية تثبت أنه من الممكن بناء نظام يقرأ الشفرة الكهربائية للقلب بمستوى من الوضوح والسرعة يمكن أن ينقذ الأرواض يوماً ما من خلال رصد النوبات القلبية في وقت أبكر من أي وقت مضى.