هوش مصنوعی و کشف خطر مرگ ناگهانی قلبی در نوار قلب معمولی

یک نوار قلب معمولی را تصور کنید؛ همان قله‌ها و فرودهای کوچکی که پزشکان هر روز بررسی می‌کنند، اما رازی در دل خود دارد که فقط یک ماشین می‌تواند آن را بشنود. شاید کمی نمایشی به نظر برسد. اما برای پژوهشگران دانشگاه کالیفرنیا، برکلی، این امضای خاموش واقعی بود.

این گروه با استفاده از یک سامانه یادگیری ماشین که روی بیش از ۴۴۰ هزار الکتروکاردیوگرام گردآوری شده از نظام سلامت سوئد طی شش سال آموزش دیده بود، الگوهای الکتریکی ظریفی را در نوار قلب‌های معمول شناسایی کرد که با افزایش چشمگیر خطر مرگ ناگهانی قلبی ارتباط دارند. این مطالعه که در نشریه نیچر منتشر شده است، نشان می‌دهد سرنخ‌های پنهان در آزمایش‌های پزشکی آشنا ممکن است افرادی را مشخص کند که در حالت عادی از چشم نظام درمان دور می‌مانند.

این مدل الگوهای خود را با پیوند دادن نوارهای قلب به سوابق فوت آموخت و سپس حدس‌هایش را روی مجموعه‌داده‌های مستقل از سن‌دیگو و تایپه آزمود. هوش مصنوعی ظرایفی در شکل موج‌ها پیدا کرد که پزشکان معمولا آن‌ها را به صورت کمی اندازه‌گیری نمی‌کنند. اینکه این سیگنال‌ها از نظر فیزیولوژیک دقیقا چه معنایی دارند، هنوز روشن نیست. با این حال، همبستگی مشاهده‌شده قابل توجه است: هوش مصنوعی گروهی از بیماران را شناسایی کرد که خطر سالانه مرگ ناگهانی قلبی در آن‌ها حدود ۷ درصد بود، در حالی که این رقم برای افرادی که بر اساس شاخص رایج کسر جهشی پرخطر تشخیص داده می‌شوند، حدود ۴.۶ درصد است.

چرا این موضوع اهمیت دارد؟ امروزه تصمیم‌گیری درباره دفیبریلاتورهای کاردیوورتر کاشتنی، دستگاه‌های کوچکی که می‌توانند با شوک الکتریکی قلب را به ریتم طبیعی بازگردانند، تا حد زیادی به این وابسته است که قلب در هر ضربان چه مقدار خون را بیرون می‌فرستد. این عدد که کسر جهشی نام دارد، مفید است اما دقت محدودی دارد. بسیاری از دستگاه‌های کاشته‌شده هرگز فعال نمی‌شوند. بسیاری از قربانیان ایست قلبی ناگهانی نیز پیش از حادثه تحت غربالگری جدی‌تر قرار نگرفته بودند. اگر نوار قلب معمولی بتواند آسیب‌پذیری پنهان را آشکار کند، پزشکان می‌توانند به بیمارانی برسند که در غیر این صورت نادیده گرفته می‌شدند.

زیاد اوبرمایر، نویسنده اصلی مطالعه و دانشیار دانشگاه کالیفرنیا، برکلی، این کار را فراتر از یک ابزار پیش‌بینی بهتر می‌داند. به باور او، این رویکرد می‌تواند شیوه تفکر پزشکان درباره خطر را تغییر دهد، زیرا سیگنال‌های مبهم را پیش از وقوع فاجعه، قابل مشاهده و قابل اقدام می‌کند.

چالش بعدی، تبدیل پیش‌بینی به پیشگیری است. این گروه با نظام‌های سلامت در سوئد، تایوان و ایالات متحده همکاری می‌کند تا الگوریتم را روی آرشیو نوار قلب بیمارستان‌ها اجرا کند. بیمارانی که این ابزار آن‌ها را پرخطر تشخیص می‌دهد، می‌توانند پایش پیوسته با ابزارهای پوشیدنی دریافت کنند تا طوفان الکتریکی پیش از فروپاشی عملکرد قلب ثبت شود؛ داده‌هایی که شاید در نهایت سازوکار پشت این الگو را آشکار کند.

اما احتیاط ضروری است: اینکه استفاده از این رویکرد مبتنی بر هوش مصنوعی برای هدایت درمان واقعا جان بیماران را نجات می‌دهد یا نه، هنوز باید در کارآزمایی‌های آینده‌نگر ثابت شود.

گردآوری داده‌ها برای این پروژه نزدیک به یک دهه زمان برد؛ یادآوری مهمی از اینکه هوش مصنوعی بالینی قابل اعتماد با مجموعه‌داده‌های بزرگ و به‌هم‌پیوسته آغاز می‌شود، داده‌هایی که اغلب به‌سختی به دست می‌آیند. در حال حاضر، چشم‌انداز روشن است: یک آزمایش آشنا، با تفسیر دوباره، می‌تواند دامنه پیشگیری را گسترش دهد و دریچه‌ای تازه پیش روی پزشکان بگذارد تا لحظات پیش از توقف بی‌هشدار برخی قلب‌ها را بهتر ببینند.

اگر این ایده فراگیر شود، نوار قلب‌های معمولی شاید روزی کاری فراتر از تشخیص بیماری فعلی انجام دهند؛ آن‌ها می‌توانند هشدارهایی آرام درباره آینده بدهند و به بیماران و پزشکان زمان لازم برای اقدام را هدیه کنند.