در حال حاضر استاندارد طلایی برای تشخیص رد پیوند قلب، نمونه‌برداری است، جراحی که طی آن بخش کوچکی از عضله قلب برداشته می‌شود و متخصصان آن را زیر میکروسکوپ از نظر التهاب و سایر تغییراتی بررسی می‌کنند که می‌تواند نشان‌دهنده رد عضو توسط سیستم ایمنی بدن باشد. پژوهشگران مرکز سلامت «لانگون» دانشگاه نیویورک (Langone)، روش جایگزینی را بررسی و این سول را مطرح کردند: «آیا ترکیب نوار قلب (EKG) که فعالیت الکتریکی قلب را با استفاده از حسگرهای قرار گرفته روی پوست ثبت می‌کند، با آزمایش‌های خون می‌تواند در بسیاری از موارد به شناسایی رد پیوند بدون نیاز به نمونه‌برداری تهاجمی کمک کند یا خیر؟». این گروه پژوهشی مدل‌های هوش مصنوعی را برای شناسایی الگوها در ۵۳۰۰ نوار قلب مربوط به ۲۳۵۷ دریافت‌کننده بزرگسال پیوند قلب آموزش داد. یک مدل هوش مصنوعی تنها با داده‌های نوار قلب آموزش داده شد، در حالی که ابزار هوش مصنوعی دیگری، نوارهای قلب و نتایج دو آزمایش خون را بررسی کرد که معمولا برای پیش‌بینی خطر رد پیوند استفاده می‌شوند. سوابق نمونه‌برداری که با نوار قلب همان بیماران تطبیق داده شده بود، برای سنجش دقت پیش‌بینی این ابزارها مورد استفاده قرار گرفت. پژوهشگران در گروه آزمایشی متشکل از ۳۸ دریافت‌کننده زن و مرد پیوند قلب، دریافتند مدل ترکیبی عملکرد بهتری داشت و توانست ۹۴ درصد از بیمارانی را به‌درستی شناسایی کند که دچار رد پیوند نبودند. در مقابل، مدلی که بر آزمایش‌های خون مبتنی بود، ۱۹ بیمار را به‌اشتباه به‌عنوان افرادی شناسایی کرد که ممکن بود به نمونه‌برداری نیاز داشته باشند. آنان اظهار کردند: مدل ترکیبی توانست این بیماران را از انجام این اقدام بی‌نیاز کند. لیور یانکلسون، پژهشگر ارشد این پژوهش و دانشیار بخش قلب و عروق لئون اچ. چارنی در دانشکده پزشکی «گراسمن» دانشگاه نیویورک و همچنین دانشیار مهندسی پزشکی در دانشکده مهندسی «تاندون» دانشگاه نیویورک گفت: نتایج نشان می‌دهد نوارهای قلب حاوی اطلاعات فیزیولوژیک فراوانی هستند که می‌توان از آنها برای بهبود چشمگیر دقت تشخیص و امکان تشخیص و درمان زودتر رد پیوند قلب استفاده کرد. نتایج پژوهش‌های پیشین نشان دادند، نشانگرهای زیستی خون که فعالیت ژن‌های مرتبط با رد پیوند سلولی و قطعات «دی‌ان‌ای» (DNA) اهداکننده را در جریان خون گیرنده اندازه‌گیری می‌کنند، در شناسایی رد پیوند موثر هستند. با این حال پژوهشگران می‌گویند که این آزمایش‌ها اغلب نتایج مثبت کاذب ایجاد می‌کنند و به انجام نمونه‌برداری‌های غیرضروری منجر می‌شود. پژوهشگران اظهار کردند: این پژوهش، نخستین پژوهشی است که این نشانگرهای زیستی خون را با نوارهای قلب در یک مدل واحد مبتنی بر هوش مصنوعی ترکیب و تحلیل حاصل را به‌طور مستقیم با نتایج نمونه‌برداری مقایسه می‌کند. آنان مدل ترکیبی هوش مصنوعی را با استفاده از داده‌های نوار قلب و نشانگرهای زیستی مربوط به دریافت‌کنندگان پیوند قلب که بین سال‌های ۲۰۱۸ تا ۲۰۲۴ تحت درمان قرار گرفته بودند، آموزش دادند. هر نوار قلب با نمونه‌برداری‌ای که طی یک ماه پیش از آن انجام شده بود، تطبیق داده شد، بازه‌ای که پژوهش‌های قبلی از آن حمایت کرده‌اند. در این پژوهش، رد پیوند اعضا به دو گروه تقسیم شد که شامل بدون رد پیوند یا رد خفیف در برابر رد متوسط یا شدید بود. تغییرات درمانی مانند تنظیم داروهای سرکوب‌کننده سیستم ایمنی، معمولا تنها در موارد جدی‌تر انجام می‌شود. یانکلسون گفت: پیوند قلب، اقدامی بزرگ و نیازمند منابع فراوان و رد پیوند نیز شایع است اما اگر به‌موقع تشخیص داده شود، قابل درمان است. بر اساس یافته‌های ما، ترکیب در دسترس بودن نوار قلب با کمک هوش مصنوعی می‌تواند به شناسایی زودتر رد پیوند و نجات جان افراد بیشتری کمک کند. وب سایت یورک‌اَلِرت گزارش کرد، پژوهشگران در گام بعدی قصد دارند مدل خود را روی بیماران بیشتری در چند مرکز پیوند آزمایش کنند. نتایج این پژوهش در نشریه Heart and Lung Transplantation منتشر شده است.