(Arrhythmia) باستخدام تخطيط كهربائية القلب (ECG) خطوة حيوية لإنقاذ الأرواح. ومع انتشار الأجهزة القابلة للارتداء التي توفر تخطيطاً أحادي القناة (Single-lead)، برز تحدٍ كبير: كيف يمكننا تقديم دقة تشخيصية عالية تضاهي الأجهزة الطبية المعقدة هنا يأتي دور المنهجية المبتكرة: Multi-teacher Decomposed Feature Distillation. تعتمد معظم النماذج المتقدمة حالياً على الشبكات العصبية العميقة التي تتطلب قدرات حاسوبية هائلة. في المقابل، الأجهزة المحمولة تحتاج إلى نماذج "نحيفة". الطريقة التقليدية لنقل المعرفة هي "تقطير المعرفة" (Knowledge Distillation)، حيث يقوم نموذج ضخم (المعلم) بتدريب نموذج صغير (الطالب). لكن في إشارات الـ ECG المعقدة، قد لا يكفي معلم واحد لنقل كافة التفاصيل الدقيقة. الحل المقترح: تقطير الميزات المفككة (Decomposed Feature Distillation) تعتمد هذه الدراسة على فكرة تقسيم إشارة الـ ECG إلى مكونات أو ميزات منفصلة بدلاً من التعامل معها ككتلة واحدة. يتم ذلك عبر: تعدد المعلمين (Multi-teacher): بدلاً من الاعتماد على خبير واحد، يتم استخدام عدة نماذج "معلمة"، كل منها متخصص في استخلاص نمط معين من البيانات (مثل الترددات العالية، الأنماط الزمنية، أو التغيرات الهيكلية في موجة P-QRS-T). تفكيك الميزات (Feature Decomposition): يتم تحليل الميزات المستخلصة وتفكيكها إلى عناصرها الأساسية. هذا يسمح للنموذج "الطالب" بفهم "لماذا" تم تصنيف هذه النبضة كاضطراب، وليس فقط "ما هو" التصنيف. عملية التقطير (Distillation): يتم توجيه النموذج الصغير لتعلم هذه الميزات المفككة من المعلمين المتعددين، مما يرفع من كفاءته في اكتشاف الحالات الشاذة حتى في البيئات ذات الضجيج العالي (Noisy Environments). دقة فائقة في القنوات الأحادية: التغلب على نقص المعلومات في القناة الواحدة مقارنة بالـ 12 قناة التقليدية عبر استخلاص ميزات أعمق. الاستدلال في الوقت الفعلي (Real-time Inference): بفضل صغر حجم النموذج "الطالب"، يمكن تشغيل هذه الخوارزميات مباشرة على الساعات الذكية أو أجهزة المراقبة المنزلية دون تأخير. موثوقية طبية أعلى: تفكيك الميزات يجعل النموذج أكثر قابلية للتفسير، وهو أمر جوهري في التطبيقات الطبية لكسب ثقة الأطباء. يمثل دمج تقطير المعرفة بمتعدد المعلمين مع تفكيك الميزات قفزة نوعية في معالجة الإشارات الحيوية. إنها ليست مجرد محاولة لتصغير النماذج، بل هي استراتيجية لذكاء اصطناعي "أكثر حكمة" يستطيع استخلاص أقصى فائدة من أبسط البيانات المتاحة. باعتماد هذه التقنيات، نقترب أكثر من مستقبل يكون فيه التشخيص الدقيق للقلب متاحاً للجميع، في أي وقت، وبأقل الإمكانيات التقنية جامعة المستقبل الجامعة الاولى في العراق.