تفکیک نارسایی قلبی با کسری برون‌ده کم یا حفظ‌شده از روی رادیوگرافی سینه: بررسی عدالت عملکردی و روش‌های بهبود با داده‌آزمایی و ترکیب چند‌مودی

مقدمه

محدودیت دسترسی به آزمایش‌های تخصصی قلبی مانند اکوکاردیوگرافی در برخی محیط‌های بالینی و حجم بالای تصویربرداری رادیولوژیک، باعث شده است پرسشی مهم مطرح شود: آیا می‌توان با استفاده از رادیوگرافی سینه (Chest X‑ray) و مدل‌های یادگیری عمیق، به افتراق میان نارسایی قلبی با کسر جهشی کاهش‌یافته (HFrEF) و نارسایی قلبی با کسر جهشی حفظ‌شده (HFpEF) نزدیک شد؟ پاسخ به این پرسش از نظر تشخیص سریع، تیتر کردن بیماران و پژوهش بالینی جذاب است، اما نگرانی‌های اساسی درباره عدالت عملکردی (performance disparities) بین زیرگروه‌های جمعیتی و نیز اطمینان‌پذیری مدل‌ها در محیط‌های واقعی وجود دارد.

خلاصه‌ای از مطالعه منبع

در یک مطالعه اثبات‌مفهوم منتشرشده در PLOS Digital Health (۲۰۲۶)، گروهی از پژوهشگران با استفاده از داده‌های عمومی MIMIC-CXR که به داده‌های بالینی MIMIC-IV متصل شده بود، کوهُرْتی از بیماران مبتلا به نارسایی قلبی ساختند. برای تمرکز بر دوره‌های دکامپنسه حاد، مواردی که در رادیوگرافی سینه نشانه‌های ادم ریوی نشان می‌دادند انتخاب شدند. هدف روش‌شناسی، ارزیابی سه رویکرد بود:

• مدل تصویری تنها (یک DenseNet121)
• افزایش داده (standard data augmentation) روی تصاویر
• ترکیب چندمودی سبک (lightweight multimodal fusion) که اطلاعات جمعیت‌شناختی و کموربیدیته‌ها را به مدل می‌افزود

نتایج اصلی

نتایج نشان داد که مدل تصویری تنها عملکرد نسبتاً محدودی داشت (AUC بین ۰.۶۱ تا ۰.۶۴) و اختلاف‌هایی در عملکرد میان گروه‌های نژادی، سنی و جنسی مشاهده شد. اعمال روش‌های افزایش داده سبب بهبود کلی و کاهش برخی از شکاف‌های زیرگروهی شد. افزودن ترکیب چندمودی، عملکرد را به‌طور قابل‌توجهی ارتقا داد (AUC تا ۰.۷۶) و بزرگ‌ترین اختلاف AUC مشاهده‌شده بین گروه‌های جمعیتی را تا حدود ۸۳٪ (کاهش نسبی) کمتر کرد. تحلیل‌های آستانه‌ای و کالیبراسیون نیز نشان دادند که در نقاط عملیاتی بالینی، ترکیب داده‌ها به توازن خطاها (حساسیت و ویژگی) در زیرگروه‌ها کمک می‌کند.

چگونه این نتایج به دست آمد؟ روش‌ها به زبان ساده

ساخت نمونه و برچسب‌گذاری

پژوهشگران از مجموعه دادهٔ عمومی MIMIC-CXR استفاده کردند که با سوابق تشخیصی MIMIC-IV لینک شده بود. برای افزایش احتمال مواجهه با بیمارانی که در وضعیت دکامپنسه حاد قرار داشتند، مواردی که در گزارش رادیولوژیک «ادم ریوی» داشتند انتخاب شد. تشخیص HFrEF و HFpEF بر اساس کدهای ICD-10 در سوابق بالینی تعیین شد، نه بر پایهٔ اکوکاردیوگرافی مستقیم.

مدل تصویری و افزایشی

یک شبکهٔ عصبی کانولوشنی استاندارد (DenseNet121) به عنوان مدل پایه آموزش داده شد؛ سپس مجموعه‌ای از تکنیک‌های افزایشی متداول روی تصاویر اعمال شد (چرخش، برش، تغییر روشنایی و غیره) تا تنوع دادهٔ آموزشی افزایش یابد و مدل به تغییرات نوری و هندسی تصاویر مقاوم‌تر شود.

ترکیب چندمودی

یک نسخهٔ سبک ترکیب چندمودی طراحی شد که به‌علاوهٔ تصویر، اطلاعات جمعیت‌شناختی (مانند سن، جنس، نژاد/قومیت) و وجود برخی عوامل همراه (دیاگنوزها یا کموربیدیته‌ها) را نیز وارد مدل می‌کرد. این اطلاعات کمکی به مدل داد تا بر پایهٔ زمینه بالینی، تفکیک بهتری انجام دهد.

تجزیه و تحلیل عدالت عملکردی

یکی از محورهای مهم مطالعه، بررسی اینکه آیا مدل‌ها برای همهٔ گروه‌های جمعیتی به‌طور برابر عمل می‌کنند بود. پژوهشگران تحلیل‌های زیر را انجام دادند:

• محاسبهٔ AUC کلی و برحسب زیرگروه‌های نژاد، سن و جنس
• بررسی شاخص‌های آستانه‌ای مانند حساسیت و ویژگی در نقاطی که در عمل بالینی استفاده می‌شوند
• بررسی کالیبراسیون تا مشخص شود احتمال‌های خروجی مدل با احتمال واقعی وقوع رویداد هم‌راستاست

نتیجهٔ مهم این بود که اگرچه مدل تصویری تنها AUC کلی متوسطی داشت، اما افزایش داده و به‌ویژه ترکیب چندمودی هم عملکرد کلی را بالا برد و هم اختلاف عملکرد میان زیرگروه‌ها را کاهش داد.

محدودیت‌های کلیدی مطالعه

این مطالعه اثبات‌مفهوم دارای محدودیت‌های مهمی است که در تفسیر نتایج باید در نظر گرفته شود:

• برچسب‌گذاری بر پایهٔ ICD-10: تشخیص‌های HFrEF و HFpEF بر اساس کدهای بالینی ثبت‌شده استخراج شدند، نه تأیید مستقیم با اکوکاردیوگرافی که معیار طلایی برای تعیین کسر جهشی است. این موضوع می‌تواند به خطای برچسب‌گذاری منجر شود.
• نمونه‌گیری محدود به ادم ریوی: انتخاب مواردی با رادیولوژی مثبت برای ادم ریوی کوهُرت را به بیورژانی حادتر متمرکز کرد؛ بنابراین نتایج قابل‌گسترش به بیماران مزمن یا مراکز سرپایی نیست.
• دادهٔ تک‌مرکزی و عمومی: هرچند MIMIC مجموعه‌ای ارزشمند است، نتایج به کالیبره‌بودن و خصوصیات جمعیتی آن وابسته است؛ بنابراین لازم است در مجموعه‌های چندمرکزی و با برچسب‌گذاری مبتنی بر اکوکاردیوگرافی تکرار شود.
• اطلاعات جمعیت‌شناختی ناقص: داده‌های مربوط به نژاد/قومیت و دیگر متغیرها ممکن است ناقص یا ناسازگار ثبت شده باشند و این امر می‌تواند بر تحلیل عدالت تأثیر بگذارد.
• عدم بررسی تمام عوامل مخدوش‌کننده: احتمال وجود الگوهای پنهان (confounders) مانند تفاوت در نوع دستگاه تصویربرداری، وضعیت بالینی همراه یا زمان‌سری تصاویر که ممکن است بر تصمیم‌گیری مدل اثر بگذارد وجود دارد.

چه چیزی این مطالعه به ما می‌آموزد؟

چند پیام کلیدی از این کار به‌دست می‌آید:

• مدل‌های مبتنی بر رادیوگرافی سینه توانایی محدودی در افتراق HFrEF از HFpEF دارند، اما افزایش داده و خصوصاً ادغام اطلاعات بالینی و جمعیت‌شناختی می‌تواند عملکرد را بهبود دهد.
• اصلاحات نسبتاً ساده و قابل‌پیاده‌سازی می‌تواند موجب کاهش شکاف‌های عملکردی بین زیرگروه‌ها شود — یک نکتهٔ امیدوارکننده برای توسعهٔ سیستم‌های عادلانه‌تر.
• تحلیل‌های آستانه‌ای و کالیبراسیون ضروری هستند، زیرا صرف داشتن AUC مناسب کفایت نمی‌کند و باید مطمئن شد که مدل در نقاط عملیاتی بالینی برای همهٔ گروه‌ها رفتار متعادلی دارد.

پیامدهای بالینی و کاربردها

با احتیاط و در چارچوب محدودیت‌های یادشده، کاربردهای احتمالی عبارت‌اند از:

• ابزاری کمکی برای تیتر سریع بیماران دکامپنسه در شرایطی که دسترسی به اکو مجهز محدود است.
• کشش پژوهشی برای توسعهٔ الگوریتم‌های ترکیبی در محیط‌های بیمارستانی که می‌توانند اطلاعات تصویری را با داده‌های الکترونیک سلامت تلفیق کنند.
• هشدار اولیه یا اولویت‌بندی برای تصویربرداری بیشتر و ارزیابی کاردیو‌لوژیک (نه جایگزین اکوکاردیوگرافی).

مهم است تأکید شود که این مدل‌ها در بهترین حالت می‌توانند ابزار کمکی باشند و نباید به عنوان جایگزینی برای معاینهٔ بالینی یا اکوکاردیوگرافی مورد استفاده قرار گیرند.

ملاحظات فنی و اخلاقی در توسعه و استقرار

برای توسعه و بکارگیری مسئولانهٔ چنین مدل‌هایی لازم است موارد زیر رعایت شوند:

• اعتبارسنجی در داده‌های چندمرکزی و با برچسب‌گذاری مبتنی بر اکو برای جلوگیری از خطای برچسب‌گذاری.
• بررسی مداوم شکاف‌های عملکردی در زیرگروه‌ها پس از استقرار و تدوین سیاست‌های اصلاحی (recalibration، جمع‌آوری دادهٔ هدفمند) که در صورت بروز تبعیض اجرا شوند.
• افزودن توضیح‌پذیری (explainability) برای اینکه کاربران klinical بتوانند بفهمند مدل بر چه پایه‌ای تصمیم می‌گیرد و حد و مرزهای اعتماد به خروجی چه هستند.
• حفظ حریم خصوصی و رعایت قوانین مربوط به داده‌های سلامت در فرآیند آموزش و استقرار.

پیشنهادات برای پژوهش‌های آینده

• بازآزمایی روش‌ها روی مجموعه‌های داده با برچسب اکوکاردیوگرافی (گلد استاندارد) و در محیط‌های سرپایی/مزمن.
• گسترش رویکردهای ترکیب مودال به داده‌های زمانی (سری‌های تصویری) و داده‌های آزمایشگاهی/علائمی.
• مطالعات کاربردی پیاده‌سازی (prospective) برای بررسی اثر این ابزارها بر تصمیم‌گیری بالینی و نتایج بیمار.
• تحلیل علت‌شناسی شکاف‌های عملکردی جهت طراحی استراتژی‌های هدفمندتر کاهش تبعیض.

نکته مهم برای بیماران

اگرچه پژوهش‌های جدید نشان می‌دهند که الگوریتم‌ها می‌توانند از رادیوگرافی سینه برای کمک به تشخیص نوعی از نارسایی قلبی استفاده کنند، این ابزارها هنوز جایگزین معاینه پزشک یا اکوکاردیوگرافی نیستند. اگر نگران علائم قلبی هستید — مانند تنگی نفس، خستگی غیرمعمول یا تورم اندام‌ها — بهترین اقدام مراجعه به پزشک و پیگیری معاینه و آزمایش‌های تخصصی است. ابزارهای مبتنی بر هوش مصنوعی ممکن است به سرعت‌بخشیدن فرایند کمک کنند، اما تصمیات درمانی باید بر اساس معاینه و تست‌های استاندارد اتخاذ شوند.

جمع‌بندی

این مطالعهٔ اثبات‌مفهوم نشان می‌دهد که با روش‌های نسبتاً ساده مانند افزایش داده و ترکیب چندمودی می‌توان هم عملکرد کلی مدل‌های تصویرمحور روی رادیوگرافی سینه برای افتراق HFrEF و HFpEF را بهبود داد و هم شکاف‌های عملکردی بین زیرگروه‌های جمعیتی را کاهش داد. با این حال محدودیت‌های مهمی وجود دارد: برچسب‌گذاری مبتنی بر کدهای ICD-10 و تمرکز بر مواردی با ادم ریوی، نیاز به اعتبارسنجی در مجموعه‌های دادهٔ مبتنی بر اکو و در محیط‌های بالینی متنوع را نشان می‌دهد. این نتایج انگیزه‌ای برای ادامهٔ پژوهش در مسیر توسعهٔ ابزارهای کمکی بالینی منصفانه‌تر و قابل اطمینان‌تر فراهم می‌کند، ولی تا زمان تأیید و ارزیابی گسترده‌تر، نباید از آن‌ها به عنوان جایگزین روش‌های تشخیصی استاندارد استفاده شود.

منبع

Discriminating HFrEF vs HFpEF from chest radiographs: Mitigating demographic performance gaps via augmentation and multimodal fusion — PLOS Digital Health, 2026. لینک: https://doi.org/10.1371/journal.pdig.0001467