أحدثت جائحة كوفيد 19 ضغطًا هائلًا على النظم الصحية حول العالم، وأبرزت الحاجة الملحة إلى التنبؤ المبكر بمسار المرض لدى المصابين، ولا سيما أولئك الذين يعانون أمراضًا مصاحبة، بما يتيح توجيه العلاجات المبتكرة وتحقيق أفضل النتائج الممكنة، وقد وُظفت أنظمة الذكاء الاصطناعي في الممارسة الصحية للتحري عن الأمراض وتوقعها والتنبؤ بها عبر تطوير الأدوية وتحليل التجارب السريرية والتنبؤ بمسار الأوبئة، وبرز تعلم الآلة بوصفه أداة واعدة لبناء نماذج تنبؤية تستند إلى البيانات السريرية والمخبرية المتاحة عند قبول المريض في المستشفى، وأصبحت القدرة على فرز المرضى بحسب خطورة حالاتهم عاملًا حاسمًا في إدارة الأسرة والأجهزة والكوادر الطبية خلال موجات الوباء المتعاقبة التي استنزفت طاقات المستشفيات
وتندرج هذه الدراسة ضمن الجهود السعودية الرامية إلى توظيف التقنيات الذكية في دعم القرار الطبي، إذ تقترح استخدام الذكاء الاصطناعي للتنبؤ بشدة المرض متمثلة في الوفاة داخل المستشفى لدى مرضى كوفيد 19، وتفيد الباحثين العرب وطلاب الدراسات العليا في المعلوماتية الصحية وعلوم البيانات الطبية، إذ تقدم تطبيقًا عمليًا لمقارنة أداء خوارزميات تصنيف متعددة على بيانات واقعية من بيئة مستشفى جامعي سعودي خلال جائحة غمرت أقسام الطوارئ والعناية المركزة، وتوضح الدراسة كيف يمكن بناء نموذج تنبؤي فعال اعتمادًا على بيانات روتينية تُجمع أصلًا عند قبول المريض دون الحاجة إلى فحوصات إضافية مكلفة أو معقدة، وهي ميزة عملية مهمة للمستشفيات ذات الموارد المحدودة في أوقات الأزمات
أولًا: أهداف الدراسة ومنهجيتها
هدفت الدراسة إلى بناء نماذج ذكاء اصطناعي قادرة على التنبؤ بالوفاة داخل المستشفى لدى مرضى كوفيد 19 اعتمادًا على الفحوصات الأساسية والأعراض السريرية والنتائج المخبرية، واعتمدت دراسة مقطعية أُجريت في جامعة الملك عبد العزيز بالمملكة العربية السعودية، ونُظفت البيانات بترميز المتغيرات الفئوية وتعويض القيم الكمية المفقودة بمتوسطاتها، وعُرف متغير المحصلة وهو الوفاة داخل المستشفى بحيث رُمزت الوفاة بالقيمة صفر والنجاة بالقيمة واحد، ووُظفت خوارزميات أشجار القرار وآلات الدعم الاتجاهي والغابات العشوائية، وقُسمت البيانات إلى مجموعتي تدريب واختبار مع تحقق متقاطع من خمسة أضعاف لضبط المعاملات الفائقة وتقويم الأداء على مجموعة الاختبار بمقياس الدقة
ثانيًا: أبرز النتائج
1، حددت الدراسة مجموعة من العوامل المؤثرة في الوفاة داخل المستشفى شملت مدة الإقامة في المستشفى وقيم دي دايمر والفوسفاتاز القلوي والبيليروبين ونازعة هيدروجين اللاكتات والبروتين سي التفاعلي والفيريتين، وبلغت دلالة تأثيرها الإحصائي مستوى 0.0001
2، حققت الخوارزميات دقة تنبؤية مرتفعة في التنبؤ بمحصلات مرضى كوفيد 19 ووفياتهم، إذ بلغت دقة أشجار القرار 76 في المئة ودقة الغابات العشوائية 80 في المئة ودقة آلات الدعم الاتجاهي 82 في المئة وجاءت في المرتبة الأولى
ثالثًا: دلالات الدراسة وتطبيقاتها
تؤكد هذه النتائج أن الذكاء الاصطناعي أداة حاسمة في التعرف المبكر على عدوى فيروس كورونا ومراقبة حالات المرضى، إذ يحسن اتساق العلاج ويدعم اتخاذ القرار الطبي عبر تطوير الخوارزميات التنبؤية، ويمكن لمستشفيات المنطقة العربية توظيف نماذج مماثلة في فرز الحالات عند القبول وتقدير مخاطر التدهور وتخصيص موارد العناية المركزة في أوقات الذروة الوبائية، غير أن تعميم هذه النماذج يتطلب التحقق من أدائها على بيانات من مراكز متعددة وشرائح أوسع من المرضى وعبر متحورات مختلفة للفيروس، ويمثل هذا التوجه مجالًا خصبًا للباحثين العرب في هندسة البرمجيات الطبية والمعلوماتية الصحية لتطوير أنظمة دعم قرار عربية التوطين، وينبغي أن يراعي تطوير هذه الأنظمة قضايا خصوصية بيانات المرضى وحوكمة الخوارزميات وتدريب الكوادر الطبية على تفسير مخرجات النماذج ودمجها في الحكم السريري بدل الاستعاضة عنها به، كما تستدعي التجربة دراسة قبول الأطباء لهذه الأدوات ومدى ثقتهم بتنبؤاتها في الممارسة اليومية لضمان توظيفها الفعلي لا بقائها مشروعات بحثية معزولة
وخلاصة القول إن نماذج تعلم الآلة المدربة على مؤشرات مخبرية وسريرية متاحة قادرة على التنبؤ بوفيات مرضى كوفيد 19 داخل المستشفى بدقة جيدة، وإن دمجها في أنظمة دعم القرار قد يعين الفرق الطبية على التدخل المبكر وإنقاذ الأرواح
