آیا یادگیری عمیق می‌تواند پیشگیری از نارسایی قلبی را متحول کند؟
فیلسوف و دانشمند یونان باستان، ارسطو، معتقد بود که قلب انسان دارای سه حفره است و مهم‌ترین اندام بدن محسوب می‌شود که حرکت، احساسات و تفکر را کنترل می‌کند.
امروزه می‌دانیم که قلب انسان در واقع دارای چهار حفره است و مغز نقش اصلی را در کنترل حرکت، احساس و تفکر ایفا می‌کند. اما مشاهده ارسطو در مورد اهمیت قلب همچنان صحیح است؛ قلب به‌عنوان یک عضو حیاتی، خون را به دیگر اندام‌های بدن پمپاژ کرده و به عملکرد صحیح آن‌ها کمک می‌کند. زمانی که مشکلی جدی مانند نارسایی قلبی رخ می‌دهد، قلب به‌تدریج توانایی رساندن خون و مواد مغذی کافی به سایر اندام‌های بدن را از دست می‌دهد که می‌تواند پیامدهای جدی به دنبال داشته باشد.
### هوش مصنوعی و تشخیص زودهنگام نارسایی قلبی
محققان **MIT** و **دانشکده پزشکی هاروارد** اخیراً مقاله‌ای را در ژورنال **Nature Communications Medicine** منتشر کرده‌اند که یک روش یادگیری عمیق غیرتهاجمی برای تحلیل سیگنال‌های **الکتروکاردیوگرام (ECG)** ارائه می‌کند. این تکنیک قادر است به‌دقت خطر ابتلای بیماران به نارسایی قلبی را پیش‌بینی کند.
در یک آزمایش بالینی، این مدل نتایجی با دقت مشابه روش‌های تهاجمی مرسوم ارائه کرد که می‌تواند امیدی جدید برای بیماران در معرض خطر نارسایی قلبی باشد. این مشکل اخیراً افزایش **چشمگیری در نرخ مرگ‌ومیر**، خصوصاً در میان بزرگسالان جوان، داشته است، که به‌احتمال زیاد ناشی از افزایش چاقی و دیابت در جامعه است.
### عملکرد قلب و ارتباط آن با نارسایی قلبی
قلب انسان از **چهار حفره** تشکیل شده است: دو **دهلیز** و دو **بطن**. سمت راست قلب شامل یک دهلیز و یک بطن است، و سمت چپ نیز به همین صورت.
در یک قلب سالم، این حفره‌ها به‌صورت هماهنگ کار می‌کنند:
– خون کم‌اکسیژن ابتدا وارد دهلیز راست می‌شود.
– دهلیز راست منقبض شده و خون را به بطن راست می‌فرستد.
– بطن راست خون را به **ریه‌ها** پمپاژ می‌کند تا اکسیژن دریافت کند.
– سپس، خون اکسیژن‌دار از ریه‌ها به دهلیز چپ بازمی‌گردد.
– دهلیز چپ منقبض شده و خون را به بطن چپ پمپاژ می‌کند.
– بطن چپ مجدداً خون را از طریق آئورت به سراسر بدن ارسال می‌کند.
### روش استاندارد فعلی و چالش‌های آن
در حال حاضر، روش **کاتتریزاسیون سمت راست قلب (RHC)** استاندارد طلایی برای اندازه‌گیری فشار در دهلیز چپ است. این روش یک فرآیند تهاجمی است که شامل وارد کردن یک **کاتتر مخصوص** به داخل رگ‌ها و قلب بیمار برای سنجش فشار خون است.
بااین‌حال، پزشکان معمولاً ترجیح می‌دهند قبل از استفاده از این روش تهاجمی، **شاخص‌های غیرتهاجمی** مانند وزن، فشار خون، و ضربان قلب بیمار را بررسی کنند. اما طبق تحقیقات، این شاخص‌ها دقت بالایی ندارند؛ به‌عنوان‌مثال، **یک‌چهارم بیماران مبتلا به نارسایی قلبی طی ۳۰ روز پس از ترخیص مجدداً در بیمارستان بستری می‌شوند**. ازاین‌رو، نیاز به یک روش **دقیق و غیرتهاجمی** در این زمینه احساس می‌شود.
### هوش مصنوعی جایگزین روش‌های تهاجمی می‌شود؟
پژوهشگران **MIT** سیستمی به نام **Cardiac Hemodynamic AI Monitoring System (CHAIS)** را توسعه داده‌اند که بر پایه هوش مصنوعی و یادگیری عمیق کار می‌کند.
برخلاف روش‌های رایج، CHAIS قادر است **با استفاده از تنها یک سنسور ECG تک‌محوره** وضعیت قلب بیمار را آنالیز کند. این بدین معناست که بیمار تنها نیاز دارد یک **چسب الکترودی رایج** را روی سینه خود قرار داده و داده‌ها بدون نیاز به تجهیزات حجیم بیمارستانی ثبت شود.
### مقایسه CHAIS و روش‌های سنتی
برای بررسی دقت این سیستم، پژوهشگران مطالعه‌ای را روی بیمارانی که برای **کاتتریزاسیون قلبی** نوبت داشتند، انجام دادند. بیمارانی که در این مطالعه شرکت کردند، **۲۴ تا ۴۸ ساعت قبل از آزمایش، از سنسور CHAIS استفاده کردند**.
**نتایج شگفت‌انگیز بود**:
اگر نتایج ثبت‌شده توسط CHAIS **حدود یک ساعت و نیم قبل از آزمایش مقایسه می‌شد، دقت آن به ۰.۸۷۵ می‌رسید** که نشان‌دهنده عملکرد بسیار دقیق آن در مقایسه با روش‌های تهاجمی است.
### آینده سیستم‌های هوش مصنوعی در تشخیص نارسایی قلبی
طبق گفته **آرون آگیره**، متخصص قلب و مراقبت‌های ویژه در بیمارستان عمومی ماساچوست (MGH)، اندازه‌گیری فشار دهلیز چپ برای مدیریت درمان بیماران مبتلا به نارسایی قلبی **بسیار حیاتی** است. او بر این باور است که با اعتبارسنجی بیشتر CHAIS در محیط‌های بالینی، این تکنولوژی می‌تواند در دو حوزه اصلی کاربرد داشته باشد:
1. کمک به شناسایی بیمارانی که واقعاً به **آزمایش‌های تهاجمی قلبی مانند RHC نیاز دارند**.
2. امکان **پایش مستمر** فشار دهلیز چپ بیماران بدون نیاز به بستری شدن در بیمارستان.
### تأثیر مثبت روی بیماران و سیستم درمانی
یکی از چالش‌های بزرگ در درمان **بیماران مبتلا به نارسایی قلبی حاد**، جلوگیری از بستری مجدد در بیمارستان است. در بسیاری از موارد، پزشکان **به‌دلیل کمبود داده‌های دقیق و امکانات پایش از راه دور**، ناچار به بستری مجدد بیماران می‌شوند. این امر فشار زیادی را به سیستم درمانی که **هم‌اکنون نیز با مشکلات کمبود نیروی انسانی و ظرفیت مواجه است**، وارد می‌کند.
با این حال، فناوری‌هایی مانند CHAIS می‌توانند **نه‌تنها به بیماران کمک کنند بلکه بار اضافه را از دوش پزشکان و سیستم درمانی بردارند**. پژوهشگران MIT و بیمارستان عمومی ماساچوست، هم‌اکنون در حال انجام مطالعات جدیدتری بر روی CHAIS هستند و امیدوارند **به‌زودی داده‌های بیشتری برای تحلیل و بهبود این فناوری در اختیار داشته باشند**.
**کالین استولتز**، مدیر **برنامه علوم سلامت و فناوری هاروارد-ام‌آی‌تی**، در این مورد می‌گوید:
> «دیدگاه من این است که **هوش مصنوعی در حوزه سلامت می‌تواند مراقبت پزشکی پیشرفته و عادلانه را در اختیار همه قرار دهد**، بدون در نظر گرفتن وضعیت اقتصادی، اجتماعی یا جغرافیایی آن‌ها. این پژوهش گامی مهم در همین راستا است.»