البحوث السريرية · global
التقييم بالنقاط أولاً، ثم قراءة تخطيط صدى القلب بالذكاء الاصطناعي: دراسة ترفع نسبة اكتشاف حالات HFpEF
لدى 280 مريضاً أُحيلوا للاشتباه بإصابتهم بقصور القلب مع الحفاظ على الكسر القذفي (HFpEF)، أدت إضافة تحليل الصور بالذكاء الاصطناعي على مراحل إلى رفع نسبة اكتشاف الحالات المؤكدة من 48% إلى 78%. تدعم هذه النتيجة إجراء مزيد من التحقق من المسار التشخيصي، لكنها لا تتيح بعد استنتاج أن الأداء سيكون مماثلاً في العيادات العامة.
بقاء نسبة الدم الذي يضخه القلب ضمن المعدل الطبيعي لا يعني أن وظائف القلب خالية من المشكلات. وتكمن صعوبة تشخيص «قصور القلب مع الحفاظ على الكسر القذفي» (HFpEF) في كيفية اكتشاف هؤلاء المرضى الذين قد يحجب الاعتماد على مؤشر واحد حالتهم. وتشير دراسة نُشرت في عدد نوفمبر من «Journal of Cardiac Failure» إلى أن إجراء تقييم سريري بالنقاط أولاً، ثم إضافة تحليل تخطيط صدى القلب بالذكاء الاصطناعي لبعض المرضى، قد يسد ثغرة في المسار التشخيصي القائم.
شملت الدراسة 280 مريضاً من مرضى العيادات الخارجية أُحيلوا للاشتباه بإصابتهم بـHFpEF، وصنّفت الدراسة 222 منهم، أي نحو 79%، على أنهم مصابون به. وطبّق فريق البحث نموذج EchoGo HF على مقاطع فيديو لتخطيط صدى القلب أثناء الراحة؛ ويقرأ النموذج المنظر القِمّي رباعي الحجرات، الذي يُظهر حجرات القلب الأربع في آن واحد. ثم قورنت نتائجه بالتقييم السريري H₂FPEF لتقدير ما إذا كان تحليل الصور يوفر دلائل إضافية.
ركّز هذا التحقق على ضغوط امتلاء القلب، وليس على مظهر الصور وحده. وخضع المرضى لتقييم ديناميكا الدم أثناء الجهد؛ وشملت معايير تحديد الإصابة الواردة في الملخص ارتفاع ضغوط الامتلاء أثناء الراحة أو الجهد، المقاسة بقسطرة القلب الأيمن، كما شملت مؤشر E/e′ في تخطيط صدى القلب أثناء الراحة أو الجهد. لذلك، ينبغي عند تفسير النتائج الانتباه إلى أن المعيار المرجعي يتضمن طرق فحص مختلفة، ولا يصح اعتبار جميع الحالات مؤكدة بفحوص باضعة.
جاءت النتيجة الأكثر أهمية من الناحية العملية من استراتيجية ذات خطوتين: حساب درجة H₂FPEF أولاً، ثم استخدام الذكاء الاصطناعي بصورة انتقائية لدى أصحاب الدرجات المنخفضة أو المتوسطة. واكتشف هذا المسار 78% من الحالات المؤكدة، مقابل 48% باستخدام التقييم بالنقاط وحده، بفارق 30 نقطة مئوية. وتشير نسبة 78% هنا إلى نسبة المصابين الذين جرى اكتشافهم، وليست الدقة التشخيصية الإجمالية لدى جميع من خضعوا للفحص، كما أنها لا تمثل أداء الذكاء الاصطناعي عند استخدامه منفرداً.
وعند النظر إلى EchoGo HF وحده، بلغت الحساسية المبلّغ عنها في الدراسة 67.3% والنوعية 68.5%، ما يشير إلى أن النموذج لا يزال يفوّت بعض الحالات، ويصنّف بعض غير المصابين على أنهم إيجابيون. كذلك، حصل 15 شخصاً، أي نحو 5% من إجمالي المشاركين، على تصنيف غير حاسم. وتذكّر هذه النتائج بضرورة تفسير مخرجات الذكاء الاصطناعي في سياق البيانات السريرية والفحوص اللاحقة، إذ لا تكفي بعد لتأكيد الإصابة أو استبعادها بمفردها.
بعد الجمع بين الذكاء الاصطناعي وH₂FPEF، ارتفعت المساحة تحت منحنى خصائص تشغيل المستقبِل (AUROC)، التي تقيس القدرة على التمييز بين المصابين وغير المصابين، من 0.656 إلى 0.724، وكان الفرق ذا دلالة إحصائية (P=0.021). وظهر التحسن بصورة رئيسية لدى المرضى ذوي الدرجات المنخفضة والمتوسطة. ووجدت الدراسة أيضاً أن تصنيف الذكاء الاصطناعي للحالة على أنها HFpEF ارتبط بصورة مستقلة بكل من ارتفاع ضغط الإسفين الشعيري الرئوي وانخفاض ذروة استهلاك الأكسجين أثناء الجهد، ما يشير إلى أن الإشارات التي يتعرف إليها النموذج في الصور قد ترتبط بضعف الوظائف الفسيولوجية، لكن هذا الارتباط لا يثبت آلية تفسيره للصور.
كان هؤلاء المرضى قد أُحيلوا بالفعل للاشتباه بإصابتهم بالمرض، وكان نحو ثمانية من كل عشرة منهم مصابين، ما يجعلهم مختلفين بوضوح عن مرضى العيادات العامة أو المجموعات الخاضعة للتحري دون أعراض. وتدعم الدراسة مواصلة التحقق من قيمة الذكاء الاصطناعي ضمن مسار تشخيصي محدد، لكنها لم تثبت بعد أن اعتماده يمكن أن يقلل الفحوص الباضعة، أو يتيح تقديم علاج فعال في وقت أبكر، أو يحسّن مآل المرض؛ كما أفصحت الورقة عن أن بعض مؤلفيها يعملون لدى Ultromics، الشركة المطوّرة للنموذج. وتبرز الحاجة تالياً إلى دراسات استباقية تختبر في بيئات رعاية صحية مختلفة كيف يؤثر هذا المسار في ترتيب الفحوص ونتائج المرضى.