باحثون يطورون نموذج ذكاء اصطناعي أبسط للتنبؤ بوفيات فشل القلب
يستخدم نموذج SIMPLE-HF الجديد 11 متغيراً سريرياً أساسياً للتفوق على الأدوات الحالية في تحديد المرضى الأكثر عرضة للخطر.
كشفت دراسة جديدة نُشرت في npj Digital Medicine عن أداة ذكاء اصطناعي مبسطة مصممة لمساعدة الأطباء في رعاية مرضى فشل القلب. أطلق الباحثون على هذا النموذج اسم SIMPLE-HF، وهو اختصار لـ Simplified Intelligent Mortality Prediction for Longitudinal EHRs in HF patients.
لبناء هذه الأداة، قام الفريق بتحليل السجلات الصحية لـ 373,389 شخصاً بالغاً. اعتمد الباحثون في البداية على نموذج Transformer، وهو نوع من تقنيات الذكاء الاصطناعي البارعة في العثور على الأنماط داخل البيانات الضخمة، ثم قاموا بتبسيطه ليقتصر على 11 عاملاً رئيسياً فقط. تشمل هذه العوامل عمر المريض، ومؤشر كتلة الجسم، والحالات الصحية القائمة، والأدوية الحالية.
حقق نموذج SIMPLE-HF تمييزاً متفوقاً مقارنة بـ MAGGIC-EHR وكان معايراً بشكل جيد.
أظهر النموذج ذو المتغيرات الـ 11 أداءً أفضل عند اختباره مقارنة بمقياس MAGGIC-EHR التقليدي. حيث حقق مؤشر C-index قدره 0.801 في التنبؤ بالوفيات على مدار 12 شهراً، مقارنة بـ 0.735 للطريقة التقليدية. وأشار الباحثون إلى أن أداةهم حددت 177 حالة وفاة حقيقية لكل 1000 مريض عند مستوى خطر معين، وهو ما يعادل تقريباً ضعف الـ 89 حالة التي رصدها المقياس المعياري.
يساعد هذا النهج في تقليص الفجوة بين أنظمة الذكاء الاصطناعي المعقدة التي تتطلب بيانات ضخمة ومتطلبات سير العمل السريري اليومي. وبما أن النموذج يعتمد على معلومات يتم جمعها بالفعل أثناء رعاية المريض، فإنه يغني عن الحاجة لإجراء فحوصات متخصصة مثل تخطيط صدى القلب.
هل فكرت في مدى سرعة اتخاذ القرارات الطبية إذا توفرت للأطباء رؤى تنبؤية فورية أثناء الفحص الروتيني؟
على الرغم من هذه النتائج، يؤكد المؤلفون أن هذه الأداة ليست جاهزة للاستخدام في المستشفيات بعد. لا يزال النموذج بحاجة إلى التحقق الخارجي عبر مجموعات مختلفة من المرضى وإجراء تقييمات مستقبلية في بيئات سريرية حقيقية قبل اعتمادها في الممارسة الطبية القياسية.
المصدر: npj Digital Medicine