هوش مصنوعی این روزها بیش از هر زمان دیگری پررنگ شده است و به سرعت به هر حوزه‌ای ورود می‌کند. در این میان نوارقلب یکی از رایج‌ترین تست‌های تشخیصی برای مشکلات قلبی است و تعجبی ندارد که هوش مصنوعی برای تفسیر این تست هم مورد استفاده قرار بگیرد. اما نقش هوش مصنوعی در تفسیر نوار قلب چیست و چقدر می‌توان به آن اعتماد کرد؟
از زمان ظهور اولین دستگاه ECG تک لید در سال 1887، این آزمایش رایج‌ترین تست تشخیصی برای ضربان قلب و تشخیص آریتمی بوده است. با این وجود با پیشرفته‌تر شدن این آزمایش، تفسیر آن هم به مرور پیچیده‌تر شد و هر کسی نمی‌تواند آن را به‌راحتی انجام دهد. از دهه 1950، تلاش‌هایی برای خودکارسازی تفسیر ECG از طریق رایانه انجام شد، هرچند که تاکنون نتوانسته جای تشخیص توسط پزشک را بگیرد و هم‌اکنون هم از رایانه نه به‌عنوان جایگزین بلکه نوعی مکمل برای تفسیر راحت‌تر استفاده می‌شود. یادگیری عمیق (deep learning) زیر مجموعه‌ای از یادگیری ماشین است و در چند سال گذشته پیشرفت زیادی را در طبقه‌بندی دیتاهای مختلف از جمله داده‌های با استفاده از ECG یا الکتروکاردیوگرام داشته است. تحقیقات علم داده در دهه گذشته مبتنی‌بر هوش مصنوعی هم پیشرفت زیادی کرده است که این هوش مصنوعی می‌تواند موج‌های ECG را برای شناسایی و طبقه‌بندی دقیق ریتم‌های غیرطبیعی قلب تجزیه و تحلیل کنند. مزیت اصلی یادگیری عمیق در مقایسه با سایر فرم‌های یادگیری ماشین در توانایی آن برای پردازش داده‌های غیر عددی مانند تصاویر است که همین هم نقش هوش مصنوعی در تفسیر ECG را پررنگ‌تر می‌کند.استفاده از هوش مصنوعی در تست‌های تشخیصی، به صورت ساده شامل استخراج محاسباتی یک الگو از مجموعه داده‌های آموزشی و استفاده از آن برای پیش‌بینی داده‌های دیده نشده است.
جالب است بدانید که تلاش برای مطالعه آریتمی از طریق هوش مصنوعی به قرن گذشته بازمی‌گردد. اولین بار در سال ۱۹۹۳ بود که ادبرانت و همکاران سعی کردند برای شناسایی تغییرات ST، یک شبکه عصبی مصنوعی را آموزش دهند. این شبکه تا حدودی موفق هم بود و توانست ارتفاع ST را بسیار دقیق‌تر از معیارهای معمولی مشخص کند، اما نه در مقایسه با یک متخصص قلب با تجربه. همین روند به مرور ادامه یافت، به‌طوری که اکنون مدل‌هایی وجود دارد که می‌تواند میزان آریتمی را با دقت بالا و نزدیک به کامل تشخیص دهد، طبق مقایسه داده‌ها مشخص شده که این مدل‌ها در دقت تشخیصی مشابه با متخصصان قلب و عروق عمل می‌کنند اما ممکن است اشتباهاتی مشابه با متخصصان هم داشته باشند.
(مقاله اشاره شده: Edenbrandt, L., B. Devine, and P. W. Macfarlane. "Classification of electrocardiographic ST-T segments—human expert vs artificial neural network." European heart journal 14.4 (1993): 464-468.)
نقش هوش مصنوعی در تفسیر نوار قلب علاوه‌بر تفسیر آریتمی ECG، برای شناسایی نشانه‌های بیولوژیکی بیماری‌های خاموش مانند کاردیومیوپاتی بدون علامت هم استفاده می‌شود. به‌طور مثال یک شبکه عصبی کانولوشن برای شناسایی بیماران مبتلا به کاهش عملکرد قلب، که به‌عنوان کسر جهشی بطن چپ (LVEF) کمتر از ۳۵٪ شناخته می‌شود آموزش داده شده است. این مدل روی 52870 کیس آزمایش شده است و توانست دقت حدود ۸۵٪ را ارائه دهد. نکته جالب این جاست که نتایج ارائه شده دارای مثبت کاذب بیشتری نسبت به منفی کاذب بودند که نشان می‌داد این مدل یک علامت زیستی ECG از کاردیومیوپاتی اولیه را شناسایی کرده است که می‌تواند برای پیش‌بینی کاهش کسر جهشی مورد استفاده قرار گیرد و امکان شروع درمان پیشگیرانه اولیه را فراهم کند. توانایی پیش‌بینی کسر جهشی کاهش‌یافته بر اساس یک آزمایش در دسترس مانند ECG می‌تواند روش پزشکی را تغییر دهد، زیرا ECG بسیار در دسترس‌تر از دیوگرام اکوکار است و می‌تواند خیلی راحت‌تر و ارزان‌تر انجام شود. (منبع: https://www.frontiersin.org/journals/cardiovascular-medicine/articles/10.3389/fcvm.2023.1070641/full)
عملیاتی‌سازی مدل‌های یادگیری عمیق در تفسیر ECG چندین چالش را در مقیاس کامل ایجاد می‌کند. از آن جایی که این مدل‌ها بسیار پیچیده هستند و ممکن است در هر فرایندی از یک نوع آموزش یا آرایش هوش مصنوعی استفاده شود، هنوز دستورالعمل جامعی برای استفاده از این امکان وجود ندارد. از طرفی مشکل مدل‌های هوش مصنوعی توسعه داده شده در حال حاضر این است که بیشتر این مدل‌ها بسیار سنگین هستند و محاسباتی فشرده و هزینه‌بر دارند که سبب می‌شود برای ایجاد نتایج آنی و بی‌دردسر چندان بهینه نباشند. البته موارد زیر را هم باید در هنگام بررسی نقش هوش مصنوعی در تفسیر نوار قلب در نظر گرفت:
پاسخ کوتاه به این سوال که آیا می‌توانیم به نقش هوش مصنوعی در تفسیر نوار قلب اعتماد کنیم این است که بله، اما هنوز نه. حوزه هوش مصنوعی پیشرفت‌های چشمگیری در این زمینه داشته است و حتی گاهی اوقات در برخی از برنامه‌های کاربردی از متخصصان پزشکی پیشی گرفته است. با این حال، تکیه صرفا به هوش مصنوعی به عنوان مفسر ECG نیاز به اعتبارسنجی گسترده در مراکز متعدد در کشورهای مختلف دارد و باید به استانداردهایی برسد که هنوز نرسیده است. در حال حاضر تنها می‌توان از این ابزار به‌عنوان کمک یا مکملی برای پزشکان استفاده کرد، البته یک سری پیش‌بینی توسط هوش مصنوعی هم وجود دارد که می‌تواند تشخیص‌هایی که معمولا به آزمایش‌های بیشتری نیاز دارد را از روی ECG انجام دهد که این هم برای متخصصان کاربردی خواهد بود.
در این مقاله به نقش هوش مصنوعی در تفسیر ECG پرداختیم. افراد زیادی سالانه با تست نوار قلب سر و کار دارند و بسیاری از آن‌ها دوست دارند بتوانند به راحتی و خودشان این تست را تحلیل و تفسیر کنند. هوش مصنوعی با توجه به پیشرفت‌هایی که داشته می‌تواند در آینده نه چندان دور به عنوان یک ابزار خوب برای این کار مد نظر قرار بگیرد اما هنوز نمی‌توان گفت که تا چه حد در انجام این کار موفق خواهد بود. تیم تحقیقاتی کاوشکام آسیا ارائه دهنده‌ی دستگاه‌های نوار قلب خانگی با دقت بالا است که به بیماران قلبی برای رصد نسبی عملکرد قلب خود کمک می‌کند. برای اطلاع از قیمت دستگاه نوار قلب خانگی، با کارشناسان ما در تماس باشید.
به‌طور کلی خیر. نسخه ChatGPT-4 دقت کلی پایینی را در تفسیر ECG نشان داده و تنها 24٪ از تشخیص‌های آن صرفا از روی ECG بیمار درست بوده است.
با این که نرم افزارها و وبسایت‌هایی برای این کار وجود دارد، اما درصد دقت این کار بسیار پایین است.
نظرات یا پیشنهادهای خود را در این قسمت به اشتراک بگذارید
