یک نوار قلب معمولی فقط چند ثانیه طول میکشد و سالهاست پزشکان از آن برای بررسی ضربان و فعالیت الکتریکی قلب استفاده میکنند. اما پژوهشگران امپریال کالج لندن حالا نشان دادهاند که همین نوار قلب ساده ممکن است اطلاعات بسیار بیشتری در خود داشته باشد؛ اطلاعاتی که حتی متخصص قلب هم با نگاه معمولی به نمودار نمیتواند آنها را ببیند.
پژوهشگران یک سیستم هوش مصنوعی ساختهاند که میتواند یک ECG یا نوار قلب را در کمتر از دو ثانیه بررسی کند و به دنبال نشانههای پنهان نارسایی قلبی و بیماری دریچههای قلب بگردد. این فناوری با عنوان «فوقبشری» توصیف شده، نه به این معنا که جای پزشک را میگیرد، بلکه به این دلیل که میتواند الگوهایی را در سیگنال قلب پیدا کند که با تفسیر معمول انسانی قابل تشخیص نیستند.
هوش مصنوعی دقیقاً چه چیزی را در نوار قلب میبیند؟
#نکته جذاب این فناوری این است که برای انجام آزمایش جدید به بیمار نیاز ندارد. همان ECG استانداردی که در بیمارستانها و مراکز درمانی انجام میشود، وارد الگوریتم میشود و هوش مصنوعی به دنبال نشانههایی میگردد که با بیماریهای قلبی ارتباط دارند.
تیم تحقیقاتی امپریال کالج لندن این مدلها را با مجموعه بسیار بزرگی از نوارهای قلب آموزش داده است؛ بیش از ۱.۶ میلیون ECG از برزیل که به سوابق پزشکی بیماران متصل بودند و چند میلیون نوار قلب دیگر از آمریکا در فرایند توسعه مدل مورد استفاده قرار گرفتند.
ایده اصلی این است که بیماری فقط زمانی که علائم واضح ایجاد میکند در دادههای قلبی ظاهر نمیشود. ممکن است تغییرات بسیار ظریفی در فعالیت الکتریکی قلب ایجاد شود که برای چشم انسان قابل تشخیص نباشد، اما یک مدل هوش مصنوعی بتواند ارتباط میان این تغییرات و بیماری را از دل حجم عظیمی از دادهها پیدا کند.
نتیجه آزمایش روی بیش از ۶۵ هزار بیمار چه بود؟
#در ارزیابی انجامشده روی بیش از ۶۵ هزار ECG از بیماران بیمارستانی در آمریکا، این سیستم توانست تا ۸۱ درصد از افرادی را که دچار کاهش عملکرد پمپاژ قلب بودند شناسایی کند. در مورد نوعی بیماری دریچه قلب نیز میزان شناسایی به ۹۰ درصد رسید.
این اعداد در نگاه اول بسیار چشمگیرند، اما یک نکته مهم وجود دارد: این نتایج به معنی آن نیست که هوش مصنوعی میتواند با دیدن نوار قلب، بیماری قلبی را با قطعیت تشخیص دهد.
هدف اصلی این سیستم غربالگری و اولویتبندی بیماران است. یعنی اگر الگوریتم در ECG یک بیمار نشانههایی مشکوک پیدا کند، پزشک میتواند آن فرد را برای آزمایشهای دقیقتر مانند اکوکاردیوگرافی در اولویت قرار دهد.
چرا این موضوع میتواند مهمتر از خود هوش مصنوعی باشد؟
#مشکل فقط تشخیص بیماری نیست؛ گاهی بیمار باید مدت زیادی منتظر بماند تا بررسی دقیقتری روی قلبش انجام شود.
اکوکاردیوگرافی اطلاعات ساختاری بسیار بیشتری درباره قلب ارائه میدهد، اما دسترسی به آن در برخی سیستمهای درمانی میتواند با صف انتظار همراه باشد. پژوهشگران امپریال کالج میگویند این فناوری میتواند افرادی را که احتمال بیماری در آنها بیشتر است، زودتر شناسایی کند تا برای انجام اسکنهای تکمیلی در اولویت قرار بگیرند.
در چنین مدلی، هوش مصنوعی قرار نیست جای متخصص قلب را بگیرد. اتفاقاً نقش آن بیشتر شبیه یک فیلتر هوشمند در ابتدای مسیر تشخیص است؛ از میان تعداد زیادی ECG، موارد مشکوک را بیرون میکشد تا پزشک وقت و امکانات بیشتری برای بررسی آنها اختصاص دهد.
یک ECG دهثانیهای میتواند اطلاعات بیشتری داشته باشد
#ECG معمولی حدود ۱۰ ثانیه زمان میبرد و یکی از رایجترین آزمایشهای پزشکی در جهان است. مشکل اینجاست که انسان فقط میتواند بخش محدودی از اطلاعات موجود در سیگنال الکتریکی قلب را مستقیماً تفسیر کند.
پژوهشگران امپریال کالج از همین محدودیت استفاده کردهاند. به جای اینکه آزمایش جدیدی طراحی کنند، تلاش کردهاند اطلاعات پنهان در همان آزمایش قدیمی را استخراج کنند. دانشگاه امپریال میگوید مدلهای این گروه علاوه بر بیماریهای قلبی، در پژوهشهای دیگر برای شناسایی برخی بیماریهای غیرقلبی مانند دیابت و بیماری کلیوی نیز بررسی شدهاند.
این مسیر میتواند اهمیت زیادی داشته باشد، چون اگر یک آزمایش ارزان و در دسترس بتواند بهعنوان یک ابزار غربالگری اولیه عمل کند، لازم نیست همه بیماران برای هر احتمال بیماری مستقیماً سراغ آزمایشهای پیچیدهتر بروند.
اما «فوقبشری» بودن به معنی بیخطا بودن نیست
#یکی از جذابترین بخشهای این خبر، اصطلاح «Superhuman AI» است؛ عبارتی که از سوی پژوهشگران برای توصیف توانایی سیستم در پیدا کردن نشانههایی به کار رفته که پزشک از روی همان ECG نمیتواند آنها را تشخیص دهد.
با این حال، نباید این عبارت را با «دقت ۱۰۰ درصد» یا «تشخیص بهتر از پزشک در همه شرایط» اشتباه گرفت.
مرورهای علمی جدید درباره AI-ECG نیز به محدودیتهایی مانند تفاوت جمعیتهای مورد مطالعه، عدم توازن دادهها، کمبود داده درباره بیماریهای نادر و نیاز به اعتبارسنجی خارجی اشاره کردهاند. بنابراین عملکرد یک مدل در یک جمعیت مشخص لزوماً به این معنا نیست که دقیقاً همان عملکرد را در همه کشورها و گروههای بیماران خواهد داشت.
این نکته برای استفاده واقعی از چنین فناوریهایی بسیار مهم است؛ زیرا یک الگوریتم پزشکی باید نهفقط روی دادههای آزمایشگاهی، بلکه روی بیماران و شرایط متفاوت نیز عملکرد قابل اعتماد خود را نشان دهد.
قدم بعدی؛ آوردن هوش مصنوعی به بیمارستانها
#این پروژه دیگر صرفاً یک آزمایش دانشگاهی نیست. شرکت Cardiovolt.ai بهعنوان یک شرکت زایشی از امپریال کالج لندن شکل گرفته تا مدلهای AI-ECG توسعهیافته توسط تیم تحقیقاتی را به ابزارهای بالینی تبدیل کند. این شرکت در حال دنبالکردن مسیر دریافت مجوزهای لازم در بریتانیا، اروپا و آمریکا است.
هدف اولیه شرکت این است که وقتی فردی برای ECG مراجعه میکند، همان نوار قلب علاوه بر تفسیر معمول، توسط هوش مصنوعی نیز بررسی شود. اگر الگوریتم احتمال یک مشکل پنهان را تشخیص دهد، بیمار برای بررسیهای دقیقتر به مسیر مناسب هدایت خواهد شد.
این یعنی شاید در آینده، هوش مصنوعی نه به شکل یک دستگاه عجیبوغریب، بلکه پشت همان دستگاه ECG معمولی بیمارستان حضور داشته باشد.
آینده تشخیص قلب شاید با یک آزمایش جدید شروع نشود
#شاید مهمترین نکته این پروژه همین باشد: برای استفاده از هوش مصنوعی الزاماً لازم نیست آزمایش پزشکی جدیدی اختراع شود.
ممکن است دادهای که همین حالا هر روز در بیمارستانها تولید میشود، اطلاعات بیشتری در خود داشته باشد که هنوز بهطور کامل از آن استفاده نمیکنیم. ECG یکی از نمونههای روشن این موضوع است و پژوهشهای دیگری نیز در سال ۲۰۲۶ نشان دادهاند که هوش مصنوعی میتواند از سیگنالهای ECG برای ارزیابی ریسکها و بیماریهای مختلف استفاده کند.
اگر این فناوریها پس از اعتبارسنجیهای بیشتر وارد بیمارستانها شوند، نقش ECG هم میتواند تغییر کند؛ از آزمایشی که عمدتاً ضربان و ریتم قلب را بررسی میکند، به ابزاری برای غربالگری سریعتر بیماریهایی که در نگاه اول دیده نمیشوند.
البته هنوز تا جایی که یک نوار قلب بهتنهایی جایگزین تشخیص متخصص قلب یا تصویربرداری شود فاصله زیادی وجود دارد. اما همین که یک آزمایش ۱۰ ثانیهای بتواند با کمک هوش مصنوعی سرنخهایی از بیماری پنهان در اختیار پزشک قرار دهد، میتواند یکی از کاربردهای مهم و واقعاً عملی هوش مصنوعی در پزشکی باشد.
