طور طالب عراقي خوارزمية ذكاء اصطناعي لتشخيص احتشاء عضلة القلب وكشف النوبات القلبية وحالات انسداد الأوعية الدموية المغذية للقلب.
وتهدف الخوارزمية التي طورها طالب هندسة الميكاترونيك حسين قدوري، إلى إيجاد التغييرات الحاصلة في إشارات تخطيط القلب المسجلة باستخدام أجهزة هولتر القابلة للارتداء لفترات طويلة والتي تمتد عادة من 24 إلى 48 ساعة.
واحتشاء عضلة القلب؛ حالة تحدث عند انسداد أحد الأوعية الدموية المغذية للقلب، ما يتسبب بمنع وصول دم كافٍ محمل بالأوكسجين إلى عضلة القلب، ويؤدي إلى تلفها بمرور الوقت، وهو مرض منتشر بكثرة في العالم، ويُشخَّص عادة باستخدام تخطيط القلب العادي وإجراء تحليل دم لقياس مستويات بروتين التروبونين.
ويعوق عمل إشارات تخطيط القلب المُسجلة من تلك الأجهزة، الضوضاء الصادرة من تحرك الأقطاب، وقد تسبب هذه الضوضاء بتشخيص خاطئ عند مراجعة الطبيب المتخصص، فتصفى تلك الإشارات عادة باستخدام تقنيات تقليدية تستخدم لإزالة الضوضاء؛ وفقًا لترددات محددة.
وفي المقابل تستخرج الخوارزمية الجديدة إشارة تخطيط القلب من الضوضاء العشوائية دون الاعتماد على ترددات محددة، باستخدام التعلم العميق للآلات، إذ درَّب قدوري الخوارزمية على مجموعة كبيرة من البيانات؛ تحتوي على 160 ألف تخطيط قلب، يبلغ طول كل منها 10 ثوانٍ، وهي متوفرة في قاعدة البيانات الأوربية المُخصصة للبحث الأكاديمي.
وعالج قدوري البيانات وجزَّأها مع إضافة تشويش عشوائي لغرض التعلم، وحققت الخوارزمية نتائج جيدة في تصفية الإشارات من التشويش العشوائي واستعادة الإشارة الحقيقية، بعد أن فحصها على بيانات تحتوي على 59 ألف تخطيط قلب؛ كل تخطيط قلب يبلغ طوله 10 ثواني.
وقال حسين قدوري، إن «الخوارزمية الجديدة التي طورتها تتعرف على تغييرات تشير إلى احتشاء عضلة القلب في إشارات تخطيط القلب الكهربائي وهي التغييرات الحاصلة في إشارات التخطيط التي تتراوح بين إس وتي (ST segment.)»
وأضاف «يُشخَّص المرض تقليديًا اعتمادًا على ارتفاع أو انخفاض هذا الجزء من إشارة تخطيط القلب، وحققت الخوارزمية الثانية التي طورتها نتائج جيدة في تشخيص تخطيط المريض بدقة 95.7% والشخص السليم بدقة 97.6% للإشارات دون ضوضاء. بعد ذلك دمجت الخوارزميتين؛ خوارزمية إزالة الضوضاء وخوارزمية تصنيف التغييرات الخاصة باحتشاء عضلة القلب، لتكوين خوارزمية واحدة قادرة على تشخيص المرض في إشارات تحتوي على ضوضاء عشوائية غير متوقعة ولم تُدرَّب عليها الشبكة العصبية. وحققت الخوارزمية نتائج جيدة في تشخيص المرض بدقة 83.2% ودقة 79.4% في تشخيص الإشارات السليمة؛ وهذه النسب تكون أعلى في حالات الضوضاء الطبيعية.»
ويُمكن استخدام هذه الخوارزمية أيضًا في الأجهزة القابلة للارتداء لتشخيص احتشاء عضلة القلب دون مراجعتها من الطبيب المتخصص، ما يسهم في سرعة ودقة التشخيص دون بذل جهد بشري في مراجعة الإشارات المسجلة لفترات طويلة.
وأشار قدوري إلى أن «التقنيات المطبقة في البحث؛ هي التعلم العميق للآلات أحد فروع الذكاء الاصطناعي، الذي يعتمد على تدريب الخوارزميات باستخدام مجموعات من البيانات، ويتطلب بنية معقدة تحاكي الشبكات العصبونية للدماغ البشري، بهدف فهم الأنماط، حتى مع وجود ضجيج، وتفاصيل مفقودة، وغيرها من مصادر التشويش. ويحتاج إلى كمية كبيرة من البيانات وقدرات حسابية هائلة، توسع قدرات الذكاء الاصطناعي للوصول إلى التفكير المنطقي، ويكمن ذلك في البرنامج ذاته؛ فهو يشبه كثيرًا عقل طفل صغير غير مكتمل، ولكن مرونته لا حدود لها. واستخدمت أيضًا تقنيات فرعية؛ هي أجهزة فك التشفير التلافيفية العميقة والشبكات العصبية التلافيفية العميقة.»
ونشر قدوري البحث في الندوة الدولية حول تنفيذ الصناعة الرقمية وإدارة التحول الرقمي 2019؛ وهو مؤتمر أكاديمي يهتم بمجالات الذكاء الاصطناعي والروبوتات وتقنيات الثورة الصناعية الرابعة.