תרשים פעילות החשמל בלב, האלקטרו-קרדיוגרם (EKG או ECG) הומצא על ידי המדען ההולנדי ווילם איינתובן, ב-1903 וזיכה אותו בפרס נובל לפיזיולוגיה ולרפואה ב-1924. מאז המצאתו ועד היום, האק"ג הפך לאמצעי חשוב ביותר לאבחון מגוון רחב של בעיות לבביות.
בסביבת העבודה האינטנסיבית של חדר המיון ויחידות טיפול נמרץ, אבחנה מהירה ומדויקת של מצבים רפואיים מסכני חיים היא חשובה ביותר. גם כאן האק"ג הוא קריטי להערכת הפעילות החשמלית של הלב ולזיהוי מצבים מסכני חיים, כגון התקפי לב, הפרעות בקצב הפעימות או הפרעות בהולכה החשמלית בלב. עם זאת, פרשנות האק"ג היא משימה מורכבת, שלעתים קרובות מובילה לשגיאות משמעותיות ולפספוסים באבחנות שמסכנות את בטיחות המטופלים ומעכבות טיפול חיוני ומציל חיים.
ככל שהטכנולוגיה מתקדמת, הבינה המלאכותית (AI) מתגלית ככוח "משנה פרדיגמה" בתחום פענוח מהיר ומדייק של האק"ג, ומציעה דיוק אבחנתי גבוה יותר ביחס לאבחון של רופא ממוצע. לכן, המגמה הטכנולוגית המסתמנת כיום מעידה על נחיצותה של הבינה מלאכותית ככלי עזר לרופאים לשפר את הסטנדרטים באבחון תרשימי אק"ג. שילוב כזה (אק"ג שמפוענח גם באמצעות AI) ישפר את האבחון והטיפול הקרדיולוגי בחרום בבתי החולים בארץ ובעולם.
האתגר למערכת הבריאות
למרות שהאק"ג הוא עמוד השדרה של ההערכה הקרדיולוגית, אי דיוקים בפרשנותו יכולים להיות תכופים להחריד. אני משמש כקרדיולוג מזה 30 שנים, ובכל שבוע במהלך הקריירה שלי, חוויתי טעויות בפיענוח תרשימי אק"ג שהובאו לעיוני. מחקרים מראים ששיעורי הפרשנות השגויה בחדר המיון יכולים להגיע עד 40%, במיוחד בהקשר של תסמונות כליליות אקוטיות (התקפי לב) ואריתמיות (הפרעות קצב). העומס בחדר המיון, המחסור בכוח אדם מיומן והמורכבות של הסתמנויות המטופלים, מחמירים את האתגרים שעומדים בפני אנשי מקצוע שעומדים בחזית מערכת הבריאות. עקב כך, ייתכנו שגיאות ופספוסים באבחנות קריטיות שעלולים להוביל לאבחון מאוחר, טיפול לא מתאים ובסופו של דבר לתוצאות קליניות גרועות. לדוגמה, פספוס בזיהוי מהיר של אוטם שריר הלב באק"ג, במיוחד אוטם שבא לידי ביטוי בהרמת מקטע ST ברישום החשמלי (התקף לב מסוג STEMI), עלול לשבש את ההזדמנות לטיפול מהיר בצנתור לב. צנתור מהיר בזמן אוטם מסוג STEMI נועד לפתוח עורק כלילי סתום, לנקות אותו מקריש דם, לחדש את זרימת הדם ואספקת החמצן לשרירי הלב, להשתיל תומכן בעורק ולשמר את פעילות שריר הלב. זו פעולה מצילת חיים ויעילותה תלויה במהירות האבחנה והתגובה הרפואית.
כשה-AI פוגש אק"ג
הבינה המלאכותית עשתה התקדמות רבה בשנים האחרונות, בעיקר בתחום הבריאות. על ידי ניצול אלגוריתמים של למידת מכונה (Machine Learning) מבוססים על מסדי נתונים ענקיים, הבינה יכולה לזהות דפוסים בפרשנויות האק"ג שעלולים להחמיץ אפילו רופאים מנוסים ביותר. מערכות שנעזרות בבינה מלאכותית יכולות לנתח כמויות גדולות של נתוני אק"ג בשניות, תוך כדי שהן מספקות הערכות מהירות ומדויקות, וממשיכות ללמוד ולשפר את ביצועיהן עם הזמן.
בינה מלאכותית הוכיחה את יכולתה לזהות התקפי לב עם דיוק שמתקרב לזה של הקרדיולוגים המנוסים ביותר. הדיוק שלה במחקרים הוא טוב יותר ביחס לרופאים שאינם קרדיולוגים מנוסים וטוב בהרבה ביחס לפרמדיקים או צוותי סיעוד שלעיתים קרובות מהווים את הגורם הרפואי הראשון שמפענח אק"ג. אלגוריתמים של בינה מלאכותית הראו יכולת לזהות שינויים עדינים בגלי האק"ג, מאבחנים מצבים כמו STEMI עם שיעורי דיוק שמתקרבים ל-95%. היכולות האנליטיות בזמן אמת של AI מדגישות קריאות לא תקינות באופן מידי, להרים "דגלים אדומים" וירטואליים ומאפשרות למומחים להגיב ולפעול במהירות. רמה זו של דיוק ומהירות יכולה לעשות הבדל משמעותי בטיפול אקוטי, במיוחד בחדרי המיון, שבו זמן האבחון והתגובה לעיתים קרובות מהווה גורם מגביל.
לפיכך, שילוב של טכנולוגית בינה מלאכותית בפרוטוקולים של חדרי מיון (מחלקות לרפואה דחופה) לצורך פרשנות אק"ג ברפואת חירום עשוי לחולל מהפכה בטיפול במספר דרכים.
קבלת החלטות מהירה - מערכות המופעלות על ידי בינה מלאכותית מספקות משוב מידי על פרשנויות האק"ג, מאפשרות לרופאים לקבל החלטות מושכלות לגבי התערבויות קריטיות שנועדו להציל חיי אדם. זיהוי מוקדם של תסמונות כליליות אקוטיות, לדוגמה, יוביל להפעלה מידית של פרוטוקולי טיפול מצילי חיים (צנתור דחוף) וניתוב זריז של תכנית הטיפול בהתאם למה שנחוץ למטופל. אבחון אק"ג מדויק בשילוב בדיקה פיזיקלית יסודית, תוצאת סמנים (ביומרקרים) בדם והדמיות אברים בעת הצורך (באמצעות אקו או CT לב) עשוי להעיד על צורך בצנתור או בניתוח לב דחוף וגם לנתב את האשפוז במחלקה הנכונה (טיפול נמרץ לב לעומת מחלקה קרדיולוגיות או מחלקה פנימית למשל) או לאפשר שחרור הביתה ובכך ליעל את הקצאת המשאבים במערכת הבריאות.
הערכה אחידה ואובייקטיבית - אלגוריתמים מבוססי AI מציעים הערכות אחידות ואובייקטיביות של אק"ג ומפחיתים את השונות באיכות הפיענוח. הבינה המלאכותית עשויה לחזק את העקביות של הטיפול ולהקטין שונות בין הצוותים המטפלים.
הגדלת היעילות הקלינית - על ידי סיוע באוטומציה של הבדיקה והפרשנות הראשוניות של האק"ג, בינה מלאכותית יכולה להפחית משמעותית את העומס על הצוותים המטפלים. הדבר יאפשר לצוותים להתמקד בטיפול, לשפר את תהליך העבודה ולהפחית את העומס המוטל על הצוותים.
תחקור ושיפור ביצועים - לכלים המופעלים על ידי בינה מלאכותית יש יכולת נימוק והסבר, והם יכולים לשמש משאב למידה, הדרכה ותחקור לצוותים המטפלים. כלים אלה עשויים לסייע לצוותים הרפואיים בהבנה עמוקה יותר של פרשנות האק"ג, להעצים את יכולות האבחון שלהם.
ציון קדימות מקרים - בינה מלאכותית עשויה לסייע בריבוד חומרת הסיכון המידי וארוך הטווח של המטופלים. הדבר עשוי להבטיח כי המקרים הקריטיים ביותר מקבלים תשומת לב מידית ומיוחדת.
שינוי פרדיגמה
למרות יתרונותיה של הבינה המלאכותית בפרשנות אק"ג, שהולכים ונעשים ברורים ככל שהמחקרים מתרבים, ישנם גורמים המאתגרים את המימוש וההתקנה רחבת ההיקף של הטכנולוגיה הזו. חששות לגבי פרטיות נתונים, אחריות במקרה של טעויות, שקולים אתיים ושילוב מערכות בינה מלאכותית לתוך רשומות רפואיות אלקטרוניות, מחייבים היערכות ותשתית טכנולוגית מפותחת. יתרה מכך, לעיתים יש התנגדות בקרב אנשי רפואה לשינוי שיטות קליניות מקובלות - אתגר שמחייב חינוך והדגמת היעילות והאמינות של הטכנולוגיה.
בניית האמון המקצועי של בעלי העניין בטכנולוגיות הבינה המלאכותית היא חיונית ומחייבת שהמערכות תהיינה שקופות, ניתנות להסבר, ומתעדכנות באופן קבוע בהתאם להנחיות קליניות עדכניות. חיוני להראות שהשימוש בבינה מלאכותית אכן מתרגם לשיפור תוצאות הטיפול בחולי הלב בטווח הקצר ולאורך זמן. שיתופי פעולה בין מפתחים של טכנולוגיות הבינה המלאכותית לבין ספקי שירותי בריאות (קופות החולים ומשרד הבריאות) וגופים רגולטוריים יהיו חיוניים למימוש תהליך זה.
אני קורא לפעולה בזירת קרדיולוגיית חירום, החשיבות של פענוח מדויק ומידי של אק"ג חייבת להיות מודגשת היטב. המגבלות והאתגרים מצריכים שילוב של פתרונות חדשניים כמו בינה מלאכותית בהליכי האבחון. אימוץ פרשנות אק"ג המועצמת על בינה מלאכותית כסטנדרט אבחוני, עשוי להפחית משמעותית את השגיאות האבחוניות, לשפר ולזרז קבלת החלטות ואת תוצאות הטיפול הקרדיולוגי האקוטי של המטופלים. שינוי הפרדיגמה דורש כמובן בחינה יסודית ומעמיקה. לא מדובר רק בשדרוג טכנולוגי, אלא בשינוי יסודי בגישתנו לטיפול קרדיולוגי באירועים אקוטיים. שינוי שכזה עשוי לסמן מהפכה ביישומן של בדיקות אבחון נוספות ובכך תפתח הדרך לעתיד מדויק, מהיר, בטוח, עקבי ויעיל יותר של הטיפול הקרדיולוגי.
פרופ' רן קורנובסקי הוא מנהל מרכז הלב והמערך לקרדיולוגיה ע"ש עמוס עוז, בתי החולים בילינסון והשרון, פרופ' מן המניין וראש קתדרה לרפואת הלב בפקולטה לרפואה ע"ש גריי, אוניברסיטת תל אביב
בשיתוף בילינסון
