نحو خوارزميات تنبؤ قائمة على الذكاء الاصطناعي للتنبؤ بالأمراض باستخدام بيانات سريرية حقيقية

أظهرت دراسة جديدة إمكانية تطوير خوارزميات تستند إلى الذكاء الاصطناعي للتنبؤ بالأمراض عبر استخدام بيانات سريرية حقيقية مثل السجلات الطبية الإلكترونية (EHR) أو قواعد بيانات التأمين الصحي. تقدم هذه الدراسة دليلًا مبدئيًا على استراتيجية شاملة تهدف إلى تقدير مخاطر الأمراض من خلال الاستفادة الكاملة من البيانات السريرية المستمدة من نظم الجداول الطبية. تعتمد الاستراتيجية على مزيج من الأساليب الإحصائية التقليدية وتقنيات الذكاء الاصطناعي الحديثة، مما يسمح بإنشاء نموذج تنبؤ بالأمراض يعكس بعمق ديناميكيات البيانات الموجودة.

كيف تعمل الاستراتيجية الجديدة؟

تقوم الاستراتيجية بتحليل كافة جوانب البيانات السريرية، بما في ذلك زيارات المرضى، التشخيصات، الإجراءات الطبية، الأدوية، نتائج التحاليل، الشكاوى الرئيسية، المؤشرات الحيوية، والمعطيات الديموغرافية. بعدها، يتم اختيار العوامل المؤثرة كمؤشرات للتنبؤ بناءً على معايير إحصائية، ثم يتم هيكلة البيانات بشكل زمني، وتدريب نموذج تنبؤ يعتمد على الشبكات العصبية. بعد ذلك، يُطبق هذا النموذج على المرضى الحاليين لتقدير مخاطر المرض، مثل السكتات الدماغية والنوبات القلبية.

النظام التنبؤي الذاتي التكيف

يتميز النظام بقدرته على التطور ذاتيًا حيث يقوم بتحديث آلية التنبؤ عند إضافة بيانات جديدة أو تعديل البيانات الموجودة، ليواكب التغيرات المستمرة في المعلومات الصحية، ويعد هذا تقدمًا جوهريًا عن النماذج التقليدية التي تعتمد على مجموعات بيانات ثابتة ومُنقحة مسبقًا. هذا النظام يسعى لاستخدام كافة العوامل المؤثرة دون الحاجة إلى مراجعة البيانات مسبقًا، على عكس النماذج السابقة التي تعتمد بشكل كبير على خبرة المتخصصين في إنشاء نماذج تنبؤ جامدة ترتكز على عوامل مخاطرة معروفة فقط.

إثبات الفعالية باستخدام بيانات مرضى مستشفى حقيقي

تم تطبيق النموذج كدليل إثبات فعالية للتنبؤ بخطر الإصابة بالسكتة الدماغية أو احتشاء عضلة القلب خلال فترة 12 شهرًا، وذلك باستخدام بيانات السجلات الطبية الإلكترونية لمستشفى. جرى تحليل بيانات من 558,105 مريضاً في الفترة من أبريل 2015 إلى سبتمبر 2023، بإجمالي 3,424,060 مريض – شهر. سجلت القيم التي تقيس دقة النموذج (AUROC) من .830 إلى .909 مع تحسن مستمر بمرور الوقت، مما يدل على فعالية النموذج في التنبؤ بالمخاطر.

دلالات الدراسة

تشير هذه النتائج إلى إمكانية تطوير نماذج متقدمة لحساب مخاطر الأمراض باستخدام بيانات سريرية حقيقية دون الاعتماد على نماذج تقليدية ثابتة. النظام يتميز بالتكيف مع البيانات الجديدة وتحديث آلية التنبؤ بشكل ذاتي، مما يعزز دقة التنبؤ ويتيح للقطاع الصحي أدوات أكثر تطورًا في إدارة المخاطر الصحية.

طباعة المقال