التعلم الآلي القابل للتفسير للتعرف المبكر على المخاطر المالية وتحسين الموارد في جراحة سرطان القولون والمستقيم

يفرض سرطان القولون والمستقيم ضغوطًا إكلينيكية واقتصادية كبرى على النظم الصحية في العالم، وتزداد هذه الضغوط تعقيدًا في ظل أنظمة الدفع القائمة على مجموعات التشخيص المرتبطة، إذ تحدد هذه الأنظمة معايير سداد ثابتة قد لا تعكس تباين حالات جراحة الأورام ولا الموارد التي يحتاجها المرضى ذوو الحالات المعقدة، فتتعرض المستشفيات لخسائر مالية قد تؤثر في عدالة الوصول إلى رعاية عالية الجودة لمرضى السرطان، ويمتلك التعلم الآلي قدرة متنامية على تحليل البيانات السريرية والمالية الضخمة واستشراف المخاطر قبل وقوعها، غير أن النماذج الصامتة التي لا تفسر قراراتها تظل عصية على القبول الإكلينيكي، ومن هنا تتجه الأنظار إلى التعلم الآلي القابل للتفسير الذي يتيح للفرق الطبية والإدارية فهم أسباب التوقع ومراجعتها وتحويلها إلى قرارات عملية في التخطيط للموارد وإدارة المسارات الجراحية

أولًا: أهداف الدراسة ومنهجيتها

هدفت الدراسة إلى تطوير إطار تعلم آلي قابل للتفسير لتقدير المخاطر المالية المرتبطة بمجموعات التشخيص في جراحة سرطان القولون والمستقيم، ودعم المراجعة الإكلينيكية حول الجراحة والتخطيط المحلي للموارد، وراجع الباحثون بأثر رجعي سجلات 2081 مريضًا خضعوا لجراحة سرطان القولون والمستقيم بين عامي 2014 و2024، وغربلت المتغيرات المرشحة من حيث التداخل الخطي المتعدد، وقومت بأسلوب بوروتا لاختيار السمات، وحسنت بالمراجعة الإكلينيكية، ثم طبق الإفراط في أخذ عينات الأقلية الاصطناعية لتقليل اختلال توازن الفئات، ودربت ست خوارزميات تعلم آلي مع التحقق المتقاطع وضبط المعلمات الفائقة، وفسر أفضل النماذج أداء بأسلوب تفسيرات شابلي الجمعية لتحديد إسهام كل متغير في التوقع، واستخدم الانتقاء الأمامي المتسلسل لتقليص المدخلات إلى مجموعة فرعية ميسورة إكلينيكيًا، ودمجت هذه المتغيرات في أداة ويب تفاعلية لتقويم المخاطر الفردية، وقومت الموثوقية بمنحنيات المعايرة ودرجة براير وتحليل منحنى القرار لقياس المنفعة الإكلينيكية الصافية، واختبرت أخيرًا مجموعة مستقبلية من اثني عشر مريضًا لجدوى سير العمل أثناء التقويم الروتيني حول الجراحة

ثانيًا: أبرز النتائج

1، وجدت المخاطر المالية المرتبطة بمجموعات التشخيص، والمعرفة بأنها الإنفاق المتجاوز لمعيار السداد، لدى 38.4 في المئة من مرضى المجموعة الرجعية، وهي نسبة مرتفعة تكشف حجم الفجوة بين التمويل المعياري والكلفة الفعلية لجراحات سرطان القولون والمستقيم المعقدة

2، حقق نموذج الغابات العشوائية أفضل قدرة تمييزية بين النماذج المتنافسة، إذ بلغت المساحة تحت منحنى خصائص التشغيل للمستقبل 0.852، وهو ما يدل على قدرة جيدة على التمييز المبكر بين المرضى مرتفعي المخاطر المالية ومنخفضيها قبل اكتمال مسار العلاج

3، حدد تحليل شابلي مساهمين رئيسيين في المخاطر المالية المتوقعة، هم الأسلوب الجراحي، والمضاعفات التالية للجراحة، ومدة الإقامة في المستشفى، وعبء الأمراض المصاحبة، وهي عوامل تجمع بين ما هو مخطط له قبل الجراحة وما يطرأ أثناءها وبعدها، بما يتيح التدخل الاستباقي في بعضها

4، ظل النموذج المبسط بعد تقليص المتغيرات معايرًا جيدًا، وأظهر منفعة صافية ذات معنى في تحليل منحنى القرار، وفي المرحلة المستقبلية استخدم الإكلينيكيون الأداة المعتمدة على الويب لتصنيف المخاطر الفردية ومحاكاة استراتيجيات قابلة للتعديل حول الجراحة لتحسين المسار ضمن سير العمل الإكلينيكي الحقيقي

ثالثًا: دلالات الدراسة وتطبيقاتها

تدل هذه النتائج على أن إطار التعلم الآلي القابل للتفسير قادر على تقديم تقدير فردي للمخاطر المالية المرتبطة بمجموعات التشخيص في جراحة سرطان القولون والمستقيم، وأن دمجه في أداة دعم قرار عند نقطة الرعاية قد يعين على مراجعة المخاطر قبل الجراحة، والتخطيط الرشيد للموارد، وإدارة الحالات المعقدة في ظل السداد القائم على مجموعات التشخيص، كما يعزز قابلية التفسير من ثقة الفرق الطبية والإدارية بالنموذج لأنها تكشف منطقه بدل إخفائه، ويمكن للمستشفيات والباحثين العرب في الإدارة الصحية والمعلوماتية الطبية الإفادة من هذا النهج في بناء نماذج محلية تراعي خصوصية أنظمة التمويل الصحية العربية وتركيبة مرضاها، مع الانتباه إلى أن الأداة طورت واختبرت في سياق مؤسسي بعينه وأن جدواها المستقبلية اختبرت على عدد محدود من المرضى، مما يستدعي تحققًا أوسع قبل التعميم

وخلاصة القول إن الجمع بين قوة التعلم الآلي التنبؤية وشفافية التفسير يفتح طريقًا عمليًا لإدارة المخاطر المالية في جراحات الأورام، إذ يتحول التوقع من رقم مجرد إلى معرفة قابلة للمناقشة والمراجعة والتحويل إلى قرارات في التخطيط والموارد، بما يخدم استدامة المستشفيات وعدالة حصول مرضى السرطان على رعاية عالية الجودة