باحثون يطورون نموذج تعلم آلي للتنبؤ بمضاعفات جراحات الرئة
نموذج جديد يستخدم بيانات المرضى للتنبؤ بصعوبات التنفس خلال جراحات الرئة المتكررة.
طور باحثون طبيون نموذج تعلم آلي جديد لمساعدة الأطباء في التنبؤ بحالة تسمى نقص التأكسج المستعصي قبل إجراء جراحة رئة ثانية للمريض نفسه.
نقص التأكسج المستعصي هو مضاعفة خطيرة يواجه فيها المريض صعوبة في الحفاظ على مستويات الأكسجين أثناء العملية. وقد ظهرت هذه الحالة في حوالي 15% من أصل 2040 حالة خضعت للدراسة في سبع مستشفيات.
من خلال دمج ميزات الأشعة المقطعية الحجمية والسريرية المأخوذة في وقتين مختلفين، قد يدعم نموذج MARS تقييم المخاطر قبل الجراحة.
كافحت الاختبارات التقليدية، مثل فحوصات وظائف الرئة المعتادة، لتحديد المرضى المعرضين لمخاطر عالية. وغالباً ما فشلت هذه الفحوصات في تقديم تنبؤات دقيقة، حيث سجلت نتائج أقل من المستويات المطلوبة.
ولحل هذه المشكلة، اختبر الفريق 19 نهجاً مختلفاً من التعلم الآلي. واستقروا على نموذج يسمى Multivariate Adaptive Regression Splines (MARS). يعمل هذا النظام من خلال دمج التاريخ السريري للمريض مع بيانات فحوصات الأشعة المقطعية المأخوذة في فترتين زمنيتين مختلفتين.
في الاختبارات، تفوق نموذج MARS بشكل ثابت على الطرق القديمة. وقدم دقة أفضل في تحديد المرضى الذين قد يعانون من انخفاض خطير في الأكسجين أثناء الجراحة، مما يسمح للفرق الطبية بالاستعداد بشكل أكثر فعالية.
- حللت الدراسة أكثر من 2000 سجل طبي للمرضى بين عامي 2013 و2023.
- دمج النموذج بيانات الأشعة المقطعية مع المقاييس السريرية.
- أظهر النموذج النهائي أداءً قوياً في اختبارات المعايرة والفائدة السريرية.
إلى أي مدى تعتقد أن هذه الأدوات التنبؤية يمكن أن تغير طريقة تخطيط الجراحين للعمليات المعقدة؟
يقتصر النموذج حالياً على تحليل البيانات السابقة. وهو يتطلب تجارب سريرية مستقبلية لتأكيد فعاليته في بيئات المستشفيات الحقيقية قبل اعتماده في رعاية المرضى بشكل روتيني.
المصدر: npj Digital Medicine