التعلم المعزز السببي يحسن خطط التدخل الإدراكي لـ 61 مريضاً

أظهرت دراسة بحثية جديدة نُشرت في مجلة npj Digital Medicine كيف يمكن للذكاء الاصطناعي تخصيص العلاج للمرضى الذين يعانون من ضعف الإدراك الخفيف. ومن خلال تقنية تُعرف بالتعلم المعزز السببي (Causal Reinforcement Learning)، صمم الفريق نظاماً يعدل استراتيجيات العلاج تلقائياً بناءً على المؤشرات الصحية الفريدة لكل مريض.

غالباً ما تعتمد الإرشادات السريرية التقليدية على نهج ثابت وموحد للجميع. وفي هذه التجربة التي شملت 61 مشاركاً، قام النظام بتحليل بيانات تشمل العمر، ونتائج الإدراك الأولية، والحالات الصحية الموجودة مسبقاً لاختيار الأنشطة الأكثر فعالية لكل فرد.

شارك المرضى في ثلاثة أنواع من الأنشطة: تاي تشي عبر الواقع الافتراضي، وتاي تشي تقليدي، وتمارين إدراكية محوسبة. وقام النظام بتقييم كيفية تأثير هذه الأنشطة على استجابة كل مريض وتعديل الخطة وفقاً لذلك.

مكاسب كبيرة في الكفاءة

تشير النتائج إلى أن إطار العمل المعتمد على الذكاء الاصطناعي أكثر كفاءة من الممارسات المعتادة. حيث شهد المشاركون الذين اتبعوا الخطط المعدلة بالذكاء الاصطناعي تحسناً بمتوسط 1.03 نقطة على مقياس Memory Guard. والأهم من ذلك، حقق النظام هذه النتائج مع تطلب وقت أقل بكثير، حيث انخفضت كثافة التدخل الأسبوعي إلى ما بين 15 و90 دقيقة بدلاً من 120 إلى 240 دقيقة.

ظهرت عدة عوامل أثرت في قرارات النموذج، حيث وجد الباحثون أن حالة مرض السكري لدى المريض، وعمره، ومستوى إدراكه الأساسي كانت أهم المتغيرات في تحديد العلاج الأمثل.

ومع ذلك، حددت الدراسة قيوداً واضحة، إذ أظهرت التدخلات المقترحة من الذكاء الاصطناعي فوائد أقل للمشاركين الأكبر سناً، والمصابين بارتفاع ضغط الدم، والرجال، والأفراد ذوي المستويات التعليمية الأعلى. بالنظر إلى هذه النتائج، كيف يمكن لهذه الأدوات المعتمدة على البيانات أن تغير طريقة تعامل العيادات مع خطط الرعاية طويلة الأمد؟