تخيل عالماً يمكن فيه مراقبة صحتك دون سلك واحد، أو مستشعر، أو لاصقة تلتصق بجلدك. هذا هو الوعد الذي تقدمه تقنية تسمى "التصوير الضوئي عن بُعد لحجم الدم" (remote photoplethysmography)، وهي طريقة تحول كاميرا فيديو عادية إلى أداة طبية. فمن خلال مراقبة التغيرات الطفيفة، غير المرئية تقريباً، في لون بشرتك الناتجة عن ضخ قلبك للدم عبر وجهك، تستطيع هذه الأنظمة استخراج إشارة النبض. إنها فكرة قوية للطب عن بُعد والرعاية الصحية المنزلية، مما يسمح للأطباء بفحص العلامات الحيوية للمريض من مسافة بعيدة، أو تمكين أجهزة تتبع اللياقة البدنية التي لا تتطلب ارتداء جهاز. ومع ذلك، عانت هذه التقنية لسنوات من مشكلة جوهرية: إشارة القلب ضعيفة للغاية، ومن السهل أن يطغى عليها ضجيج حركات الرأس، أو تغير الإضاءة، أو عيوب الضغط الرقمي للفيديو. وقد ظل إعادة بناء إشارة نبض واضحة ودقيقة من مثل هذه البيانات الفوضوية يمثل عقبة كبيرة في مجال الاستشعار الصحي الذكي.

تقدم دراسة جديدة حلاً مصمماً لاختراق هذا الضجيج، مما يوفر طريقة أكثر موثوقية لقراءة النبض من الفيديو. فقد طور الباحثون نظاماً يتعامل مع الفيديو ليس مجرد تسلسل من الصور، بل كتفاعل معقد بين الزمان والمكان واللون، وكلها محكومة بإيقاع قلب الإنسان. وبدلاً من محاولة فرض نموذج رياضي واحد لحل المشكلة بأكملها دفعة واحدة، بنى الفريق إطار عمل يعمل في مرحلتين متكاملتين. أولاً، يقوم بإنشاء تخمين أولي مستقر لموجة نبضات القلب من خلال الوزن الدقيق للأجزاء الأكثر موثوقية في الوجه في أي لحظة معينة. بعد ذلك، يستخدم عملية ثانية للتنقية لتصحيح الأخطاء والتشوهات الصغيرة التي تفلت حتماً من المرحلة الأولى. يسمح هذا النهج المزدوج للنظام بالحفاظ على الإيقاع الثابت للقلب مع التقاط التفاصيل الدقيقة والمتعرجة لموجة النبض التي غالباً ما تُفقد في الطرق الأخرى.

يعتمد جوهر هذا النظام الجديد على طريقة متطورة للنظر إلى الوجه. فبدلاً من التعامل مع الوجه ككتلة واحدة من البكسلات، قسم الباحثون الوجه إلى شبكة من المناطق الصغيرة. ثم قاموا بتحليل كل منطقة على حدة، متسائلين عن مقدار الجلد المرئي، ومدى سطوعه، وما إذا كان يتحرك. يتيح ذلك للنظام تجاهل المناطق غير الموثوقة، مثل بقعة من الجلد مخفية بواسطة يد، أو منطقة غسلها انعكاس ضوء ساطع، مع التركيز اهتمامه على الجبهة والخدين حيث تكون إشارة النبض في أقوى حالاتها. والأهم من ذلك، أن النظام لا ينظر فقط إلى لون البشرة؛ بل ينظر أيضاً إلى كيفية تغير هذا اللون من إطار إلى آخر ويقارن هذه التغيرات بالأنماط الفسيولوجية المعروفة. ومن خلال الجمع بين هذه المصادر المختلفة للمعلومات، يبني النظام صورة "مرجحة بالثقة" لنبضات القلب، مما يضمن أن النتيجة النهائية مبنية على أقوى الأدلة المتاحة.

وللتعامل مع التوقيت المعقد لنبضات القلب، قدم الباحثون طريقة تفهم كيف ترتبط أجزاء الوجه المختلفة واللحظات الزمنية المختلفة ببعضها البعض. فقد وجدوا أن نبضات القلب تخلق استجابة متزامنة عبر الوجه بأكمله، حيث يرتفع حجم الدم وينخفض في نمط منسق. يقوم نظامهم بنمذجة هذه الاتصالات عالية الرتبة، مدركاً أن التغير في الخد الأيسر مرتبط بتغير في الخد الأيمن، وأن هذه التغييرات تتكرر في دورة محددة. وهذا يسمح للنظام بالتمييز بين الإيقاع الحقيقي للقلب وبين الضجيج العشوائي أو الحركة التي قد تبدو كنبض ولكنها تفتقر إلى البنية الدورية الصحيحة. ومن خلال حقن هذه المعرفة بالدورية القلبية مباشرة في آلية الانتباه، يصبح النظام أفضل بكثير في تجاهل الإنذارات الكاذبة الناتجة عن الحركة أو تغيرات الإضاءة.

يكمن الابتكار الرئيسي الثاني في كيفية توليد النظام لموجة نبضات القلب النهائية. فغالباً ما حاولت الطرق السابقة التنبؤ بإشارة النبض بأكملها في خطوة واحدة، مما أدى في كثير من الأحيان إلى نسخة "منعمة" من نبضات القلب تفتقر إلى التفاصيل المهمة مثل القمم والوديان الحادة لموجة النبض. أما النهج الجديد فيقسم هذه المهمة؛ فهو ينتج أولاً إيقاعاً مهيمناً ومستقراً يعمل كمرساة موثوقة. ثم يستخدم عملية تنقية لتعلم التصحيحات المحددة اللازمة لتحويل تلك المرساة إلى موجة عالية الدقة. تعمل خطوة التنقية هذه كآلية ضبط دقيق، حيث تصحح انزياحات الطور الصغيرة والأخطاء المورفولوجية التي فاتتها التنبؤات الأولية. المخرج النهائي هو مزيج من المرساة المستقرة والتصحيح المنقح، مما يحافظ على كل من الإيقاع الثابت والشكل المعقد للنبض.

اختبر الباحثون هذا النظام على ثلاث مجموعات بيانات مختلفة، تتراوح من التسجيلات المختبرية المحكومة إلى مقاطع الفيديو الملتقطة بهواتف محمولة في ظروف واقعية. في البيئة الأكثر انضباطاً، حقق النظام متوسط خطأ قدره 0.04 نبضة في الدقيقة فقط، وهو مستوى من الدقة يكاد لا يمكن تمييزه عن المعيار المرجعي. وحتى في فيديوهات الهواتف المحمولة الأكثر تحدياً، حيث كان الأشخاص يمشون أو يتحدثون أو يتحركون تحت ظروف إضاءة متغيرة، حافظ النظام على معدل خطأ منخفض، متفوقاً بشكل كبير على الأساليب الحالية. كما أظهرت الدراسة أن النظام يمكنه التعميم بشكل جيد على بيانات جديدة غير مرئية، حيث نجح في تقدير معدلات ضربات القلب من فيديوهات لم يرها من قبل دون الحاجة إلى إعادة تدريبه. وهذا يشير إلى أن النظام قد تعلم القواعد الأساسية لكيفية تأثير القلب على لون الجلد، بدلاً من مجرد حفظ أنماط محددة من بيانات التدريب.

وبعيداً عن مجرد عدّ الضربات، أثبت النظام قدرته على إعادة بناء الشكل الفعلي لموجة النبض. فعندما قارن الباحثون الموجات المعاد بناؤها بالإشارات الحقيقية، وجدوا أن توقيت القمم والشكل العام متشابهان بشكل ملحوظ. وهذا تمييز حاسم، حيث أن شكل موجة النبض يحتوي على معلومات قيمة حول صحة القلب والأوعية الدموية لا يمكن لعدد معدل ضربات القلب البسيط توفيرها. لقد تمكن النظام من الحفاظ على هذه التفاصيل حتى عندما كان الفيديو مليئاً بالضجيج أو عندما كان الشخص يتحرك، مما يشير إلى أن التصميم ثنائي المسار يفصل بفعالية بين الإشارة الفسيولوجية الحقيقية وبين التداخل.

كما استكشفت الدراسة كيف يتصرف النظام في الظروف الصعبة، مثل عندما يكون الشخص ماشياً أو عندما تكون الإضاءة قاسية. ووجدوا أنه بينما تؤدي الحركة والأضواء الساطعة إلى حدوث أخطاء، فإن قدرة النظام على حجب المناطق غير الموثوقة والتركيز على الأجزاء الأكثر استقراراً في الوجه تحافظ على الأداء القوي الإجمالي. وكانت الأخطاء التي حدثت غالباً تتركز في عدد قليل جداً من المتواليات الصعبة للغاية، مما يشير إلى أن النظام يتعامل مع الغالبية العظمى من سيناريوهات العالم الحقيقي بموثوقية عالية. علاوة على ذلك، أظهر الباحثون أن خرائط الانتباه الخاصة بالنظام قامت بتحديد مناطق الجلد في الجبهة والخدين بشكل صحيح، مما أكد أنه كان يستخدم بالفعل الإشارات الفسيولوجية التي صُمم لإيجادها، بدلاً من الاعتماد على ارتباطات زائفة.

في النهاية، يمثل هذا العمل خطوة مهمة للأمام لجعل المراقبة الصحية بدون تلامس أمراً عملياً ودقيقاً. فمن خلال الجمع بين الفهم العميق للإيقاعات الفسيولوجية وعملية فك تشفير مرنة ثنائية المرحلة، نجح الباحثون في إنشاء نظام يتسم بالدقة والمرونة في آن واحد. إنه لا يخمن معدل ضربات القلب فحسب، بل يعيد بناء النبض بمستوى من الدقة يفتح الباب لتطبيقات صحية أكثر تقدماً. وتشير النتائج إلى أنه مع الجمع الصحيح بين معالجة الإشارات والتعلم الآلي، يمكن للكاميرا العادية أن تصبح بالفعل أداة قوية لفهم جسم الإنسان، مما يقربنا من مستقبل تكون فيه مراقبة الصحة سلسة، وغير مزعجة، ومتاحة للجميع.