تمهيد
أتاح التزايد المستمر في توفر السجلات السريرية الإلكترونية فرصا جديدة للنمذجة التنبؤية في الرعاية الصحية، غير أن البيانات السريرية تتسم بتباين معلومات المرضى ومحدودية أحجام العينات واختلال شديد في توزيع النواتج، وهي خصائص قد تعيق قدرة النماذج التنبؤية على التقاط الأنماط المعقدة والتعميم عبر الفئات قليلة التمثيل، ويتجلى هذا التحدي بوضوح عند التنبؤ بالحالة الوظيفية النهائية للمرضى بعد السكتة الدماغية، إذ تتركز معظم الحالات في فئات معينة بينما تندر فئات النواتج غير المواتية التي يمثل رصدها المبكر أهمية سريرية بالغة لتوجيه خطط التأهيل والرعاية
أولًا: أهداف الدراسة ومنهجيتها
بحثت الدراسة استراتيجيات التعلم التمثيلي القائم على التعلم العميق للتنبؤ بالحالة الوظيفية النهائية بعد السكتة الدماغية المشتقة من مقياس رانكين المعدل، باستخدام بيانات سريرية جدولية، ويجمع الإطار المقترح بين مشفر محول الجداول المصمم لمعالجة البيانات الجدولية والتعلم التبايني الموجه لتعلم تمثيلات كامنة أكثر قابلية للفصل بين الفئات، مع دالة فقد بؤرية تجعل التصنيف واعيا باختلال التوازن، ويتعلم النموذج تمثيلات غنية لمعلومات المرضى دون تغيير التوزيع الأصلي للبيانات، متجاوزا بذلك قيود استراتيجيات إعادة أخذ العينات التقليدية التي قد تشوه البنية الحقيقية للبيانات السريرية أو تولد عينات اصطناعية مضللة
ثانيًا: أبرز النتائج
النتيجة الأولى: حقق النموذج المقترح أعلى دقة إجمالية بلغت 0.92 وأعلى متوسط كلي لدرجة إف واحد بلغ 0.80 بين النماذج المقارنة
النتيجة الثانية: أظهر النموذج توازنا ملحوظا في أداء فئة الأقلية، إذ بلغت دقة التنبؤ الإيجابي لها 0.67 وبلغ استرجاعها 0.64، بخلاف النماذج الأخرى التي أظهرت مقايضة بين هذين المقياسين فتميل إلى أحدهما على حساب الآخر
النتيجة الثالثة: أثبتت النتائج تحسنا في التعرف على المرضى ذوي النواتج الوظيفية غير المواتية مع الحفاظ في الوقت ذاته على الأداء التنبؤي العام للنموذج
النتيجة الرابعة: يدعم الدمج بين التعلم التبايني الموجه ودالة الفقد البؤرية ومشفرات البيانات الجدولية بناء تمثيلات كامنة أكثر تمييزا وأقل انحيازا نحو تنبؤات فئة الأغلبية
ثالثًا: دلالات الدراسة وتطبيقاتها
تقدم الدراسة للباحثين في المعلوماتية الصحية وعلوم البيانات الطبية وصفة منهجية قابلة للنقل إلى مشكلات تنبؤ سريرية كثيرة تعاني اختلال الفئات، من التنبؤ بمضاعفات الأمراض المزمنة إلى تقدير مخاطر إعادة الدخول إلى المستشفيات، ويستفيد الباحثون العرب العاملون على السجلات الصحية الإلكترونية في المستشفيات الجامعية من هذا الإطار خصوصا حيث تندر البيانات المصنفة وتتفاوت جودتها، كما تؤكد الدراسة درسا منهجيا عاما مفاده أن تحسين بنية التمثيل الداخلي للبيانات قد يكون أجدى من التلاعب بتوزيعها عند بناء نماذج عادلة تجاه الفئات قليلة التمثيل
ويحتل مقياس رانكين المعدل مكانة محورية في أبحاث السكتات الدماغية عالميا بوصفه الأداة المعيارية لقياس درجة الإعاقة والاعتمادية في أنشطة الحياة اليومية بعد الإصابة، ولذلك فإن التنبؤ الدقيق بدرجته منذ مرحلة مبكرة يساعد فرق الرعاية على تخطيط التأهيل وتوزيع الموارد وتقديم توقعات واقعية للأسر، وتنبه الدراسة ضمنيا إلى قضية العدالة الخوارزمية في النماذج الطبية، فحين تنحاز الخوارزمية إلى فئة الأغلبية فإنها تحرم عمليا المرضى الأشد احتياجا من دقة تنبؤ مساوية، وهو درس يتجاوز السكتة الدماغية إلى كل تطبيق ذكاء اصطناعي سريري، ويحتاج الباحثون العرب العاملون على بيانات المستشفيات المحلية إلى استحضاره وهم يواجهون بيانات أصغر حجما وأكثر اختلالا، مع ما يقتضيه ذلك من تعاون وثيق بين علماء البيانات والأطباء الإحصائيين وأخلاقيات البحث الطبي
كما أن اعتماد الدراسة على بيانات جدولية وصفية متوفرة عادة في السجلات الطبية الروتينية، لا على صور شعاعية مكلفة أو اختبارات متقدمة، يجعل إطارها المقترح قابلا للتطبيق في مستشفيات محدودة الموارد، وهو اعتبار عملي مهم لأنظمة صحية كثيرة في المنطقة العربية تسعى إلى رقمنة سجلاتها وبناء قدرات تنبؤية محلية بأقل كلفة ممكنة
وخلاصة القول إن الدراسة تبرهن على أن الجمع بين محول الجداول والتعلم التبايني الموجه ودالة الفقد البؤرية ينتج نموذجا أدق وأكثر توازنا في تصنيف نتائج السكتة الدماغية غير المتوازنة، فاتحا الطريق أمام تنبؤات سريرية أكثر إنصافا للفئات الأقل تمثيلا في البيانات
