توصل باحثون أمريكيون إلى تطوير نموذج للذكاء الاصطناعي قادر على التنبؤ بمخاطر الإصابة بأمراض القلب قبل ظهور أعراضها بسنوات، من خلال تحليل تخطيط كهربائي للقلب يُسجّل أثناء النوم، في تقدم علمي قد يفتح آفاقاً جديدة للكشف المبكر عن اضطرابات القلب والأوعية الدموية.
وكشفت دراسة حديثة، دعمها المعهد الوطني الأمريكي للصحة (NIH)، أن تقنيات التعلم العميق تستطيع تحليل الإشارات الكهربائية للقلب خلال مراحل النوم المختلفة، وتحديد الأشخاص الأكثر عرضة للإصابة بالرجفان الأذيني وفشل القلب، فضلاً عن تقدير مخاطر الوفاة خلال السنوات العشر التالية للفحص.
دراسة شملت أكثر من 38 ألف مريض
واعتمد الباحثون على بيانات 38,195 مريضاً خضعوا لفحوص النوم في ثلاثة مراكز طبية أمريكية، حيث استخدموا تسجيلات تخطيط القلب أحادية القناة، إلى جانب معلومات عن مراحل النوم، لتدريب نموذج الذكاء الاصطناعي واختبار قدرته على التنبؤ بالمخاطر الصحية المستقبلية.
وجرى تطوير النموذج باستخدام بيانات 15,809 مرضى من مستشفى ماساتشوستس العام في بوسطن، ثم اختباره على مجموعتين مستقلتين شملتا 9,810 مرضى من مستشفى جامعة إيموري في أتلانتا، و12,576 مريضاً من مركز بيث إسرائيل ديكونيس الطبي في بوسطن.
وأظهرت النتائج أن النموذج استطاع تصنيف المرضى إلى مجموعات متفاوتة الخطورة، مع استمرار فعالية تقديراته حتى بعد مراعاة عوامل الخطر التقليدية، مثل العمر والجنس والسمنة والسكري وارتفاع ضغط الدم، إضافة إلى اضطرابات النوم وانقطاع التنفس أثناءه.
التنبؤ بمخاطر القلب قبل ظهور الأعراض
وأوضحت الدراسة أن النموذج أظهر قدرة واعدة على التنبؤ بالرجفان الأذيني وفشل القلب والوفاة لأي سبب، فيما لا تزال دقته في التنبؤ بالنوبات القلبية والسكتات الدماغية بحاجة إلى مزيد من التحسين.
وقال القائم بأعمال مدير المعهد الوطني للقلب والرئة والدم في الولايات المتحدة، الدكتور ديفيد غوف، إن النهج الجديد قد يساعد على اكتشاف الأشخاص المعرضين لأمراض القلب قبل سنوات من ظهور الأعراض السريرية.
وأشار إلى أن الخطوة التالية تتمثل في تقييم مدى قدرة هذه التقنية على تحسين وسائل التنبؤ التقليدية، تمهيداً لإمكانية دمجها مستقبلاً في فحوص النوم المستخدمة بالمستشفيات.
تحسين دقة التنبؤ بالذكاء الاصطناعي
وأظهرت النتائج المنشورة في مجلة SLEEP أن إضافة تقديرات الذكاء الاصطناعي إلى عوامل الخطر المعروفة حسّنت أداء التنبؤ بالرجفان الأذيني بنحو 4 إلى 6 نقاط مئوية، وبفشل القلب بنحو 8 إلى 9 نقاط مئوية، وبالوفاة بنحو 4 إلى 7 نقاط مئوية، وفق أحد المقاييس الإحصائية المستخدمة لتقييم دقة النماذج. وأكد الباحث المشارك في الدراسة، غاري كليفورد، من كلية الطب بجامعة إيموري، أن النتائج تشير إلى إمكانية الاستفادة من البيانات المسجلة خلال فحوص النوم لتحديد المرضى الأكثر عرضة للمخاطر، بما يسمح باتخاذ إجراءات وقائية مبكرة وتحسين القرارات الطبية.
فحص أبسط وأقل تكلفة
وتكمن إحدى أبرز مزايا التقنية الجديدة في اعتمادها على قناة واحدة لتسجيل النشاط الكهربائي للقلب، بدلاً من تخطيط القلب التقليدي الذي يستخدم 12 اشتقاقاً كهربائياً. ويرى الباحثون أن هذا الأسلوب قد يتيح مستقبلاً استخدام أجهزة استشعار بسيطة ولاصقات طبية منخفضة التكلفة لجمع البيانات اللازمة خلال ليلة نوم واحدة، دون الحاجة إلى إجراءات تشخيصية معقدة. وتُسجل الإشارات الكهربائية للقلب بالفعل أثناء فحوص اضطرابات النوم، لكن هذه البيانات لا تُستخدم عادةً لتقدير مخاطر الإصابة بأمراض القلب على المدى الطويل.
نتائج واعدة تحتاج إلى اختبارات إضافية
ورغم النتائج المشجعة، شدد الباحثون على ضرورة إجراء مزيد من الدراسات للتحقق من الفائدة السريرية للنموذج، وتحديد مدى قدرته على تحسين نتائج المرضى عند استخدامه في الممارسة الطبية. وتفتح الدراسة المجال أمام توظيف الذكاء الاصطناعي في تحويل فحوص النوم التقليدية إلى أدوات إضافية للكشف المبكر عن المخاطر القلبية، بما قد يساعد الأطباء مستقبلاً على التدخل قبل تطور الأمراض وظهور مضاعفاتها.
American researchers have developed an artificial intelligence model capable of predicting the risk of heart disease years before symptoms appear, by analyzing an electrocardiogram recorded during sleep, in a scientific advancement that may open new horizons for the early detection of cardiovascular disorders.
A recent study, supported by the National Institutes of Health (NIH), revealed that deep learning techniques can analyze the electrical signals of the heart during different sleep stages and identify individuals most at risk of atrial fibrillation and heart failure, as well as estimate the risk of death over the following ten years after the examination.
A study involving more than 38,000 patients
The researchers relied on data from 38,195 patients who underwent sleep tests at three American medical centers, using single-channel electrocardiogram recordings along with information about sleep stages to train the AI model and test its ability to predict future health risks.
The model was developed using data from 15,809 patients at Massachusetts General Hospital in Boston and then tested on two independent groups that included 9,810 patients from Emory University Hospital in Atlanta and 12,576 patients from Beth Israel Deaconess Medical Center in Boston.
The results showed that the model was able to classify patients into varying risk groups, with its estimates remaining effective even after accounting for traditional risk factors such as age, gender, obesity, diabetes, and high blood pressure, in addition to sleep disorders and sleep apnea.
Predicting heart risks before symptoms appear
The study indicated that the model demonstrated promising ability to predict atrial fibrillation, heart failure, and death from any cause, although its accuracy in predicting heart attacks and strokes still requires further improvement.
Dr. David Goff, acting director of the National Heart, Lung, and Blood Institute in the United States, stated that the new approach could help identify individuals at risk of heart disease years before clinical symptoms appear.
He noted that the next step is to evaluate how well this technology can improve traditional prediction methods, paving the way for its potential integration into sleep tests used in hospitals in the future.
Improving AI prediction accuracy
The results published in the journal SLEEP showed that adding AI estimates to known risk factors improved the prediction performance for atrial fibrillation by about 4 to 6 percentage points, for heart failure by about 8 to 9 percentage points, and for death by about 4 to 7 percentage points, according to one of the statistical measures used to assess model accuracy. Co-researcher Gary Clifford from Emory University School of Medicine confirmed that the results indicate the potential to utilize data recorded during sleep tests to identify patients most at risk, allowing for early preventive actions and improved medical decisions.
A simpler and less costly examination
One of the most significant advantages of the new technology lies in its reliance on a single channel to record the heart’s electrical activity, as opposed to the traditional electrocardiogram that uses 12 electrical leads. Researchers believe that this method could potentially allow for the use of simple sensors and low-cost medical patches to collect the necessary data during a single night of sleep, without the need for complex diagnostic procedures. The electrical signals of the heart are already recorded during sleep disorder tests, but this data is not typically used to estimate long-term heart disease risks.
Promising results that require further testing
Despite the encouraging results, researchers emphasized the need for further studies to verify the clinical benefit of the model and determine its ability to improve patient outcomes when used in medical practice. The study paves the way for employing artificial intelligence to transform traditional sleep tests into additional tools for the early detection of cardiac risks, which may help doctors intervene before diseases progress and complications arise.
