الذكاء الاصطناعي للتنبؤ السريري: التصنيف المبكر للأمراض المعدية في قسم الطوارئ

ما يزال تشخيص العدوى تحديًا قائمًا في أقسام الطوارئ، إذ يعتمد الأطباء على أنظمة التسجيل النقطي والخبرة السريرية، بينما يستخدم الذكاء الاصطناعي لدعم اتخاذ القرار عبر دمج البيانات السريرية، غير أن معظم نماذج الذكاء الاصطناعي تركز على التنبؤ بالنتائج السلبية مثل الإدخال إلى العناية المركزة أو الإنتان، لا على التمييز بين أنواع العدوى المختلفة، وهو تمييز حاسم لتوجيه العلاج المبكر واختيار الفحوص المناسبة منذ اللحظة الأولى

وتنبع أهمية هذه الدراسة من أن تصنيف المريض المصاب مبكرًا إلى نوع عدوى محدد، كالالتهاب الرئوي أو عدوى المسالك البولية أو غيرها من حالات العدوى، يوجه اختيار المضادات الحيوية والفحوص اللازمة منذ لحظة القبول، وقد يختصر زمن التشخيص ويحسن سلامة المريض، وهو ما يجعل بناء نماذج تعلم آلي قادرة على هذا التصنيف من البيانات الروتينية المتاحة هدفًا سريريًا ذا قيمة عملية مباشرة في بيئات الطوارئ المزدحمة

أولًا: أهداف الدراسة ومنهجيتها

هدفت الدراسة إلى تطوير نماذج تنبؤية وتقييم أدائها التمييزي في تصنيف المرضى المصابين إلى ثلاث فئات هي الالتهاب الرئوي وعدوى المسالك البولية وحالات عدوى أخرى، وتقويم القيمة الإضافية لإضافة الفحوص السريرية إلى المتغيرات الروتينية، وطورت ستة نماذج من الغابة العشوائية على مجموعات بيانات تتشارك مجموعة من المتغيرات القياسية وتختلف في المتغيرات السريرية المضافة، وتنبأت النماذج بنوع العدوى عبر إطار الواحد مقابل الباقي، وقسمت البيانات بحيث خصص 70 في المئة لتدريب النماذج و30 في المئة لاختبارها، وضبطت عتبة القرار بتثبيت الحساسية عند 0.8 مع الإبلاغ عن الخصوصية والقيمة التنبؤية السلبية والقيمة التنبؤية الإيجابية والدقة، وقيمت أهمية المتغيرات وحددت أفضل خمسة متنبئات في كل نموذج

ثانيًا: أبرز النتائج

1، حقق النموذج الشامل للمتغيرات القياسية وبيانات البول أعلى مساحة تحت المنحنى لعدوى المسالك البولية، بينما حقق النموذج الكلي أعلى مساحة تحت المنحنى للالتهاب الرئوي

2، أظهر نموذج البول والنموذج الكلي مجملًا أقوى أداء بين النماذج الستة، مما يدل على أن إضافة البيانات التشخيصية ذات الصلة بنوع العدوى المستهدف ترفع الأداء بصورة ملموسة

3، شملت المتنبئات الرئيسة نتائج إيجابية في تصوير الصدر بالأشعة، وتسمعًا غير طبيعي، واشتباه مرض رئوي في التصوير، وعدد العدلات، والوزن، ومزرعة البول، وشريط فحص بول إيجابي لكريات الدم البيضاء

ثالثًا: دلالات الدراسة وتطبيقاتها

تبين النتائج أن نماذج التعلم الآلي يمكن أن تحسن تصنيف العدوى عند قبول المرضى في قسم الطوارئ حين تستكمل البيانات الروتينية بتشخيصات ذات صلة، وأن التوليفات المثلى من البيانات ذات الصلة سريريًا تعزز الأداء التشخيصي بصورة ملحوظة، وهي دلالات تفيد الباحثين العرب وطلبة الدراسات العليا في مجال الذكاء الاصطناعي الطبي، إذ تؤكد أن جودة البيانات المنسقة سريريًا وملاءمتها للسؤال التشخيصي أهم من مجرد تراكم المتغيرات، وتوجه بناء نماذج تصنيف مبكر تدعم قرارات الطوارئ وتوجه العلاج في البيئات الصحية العربية نحو دقة أعلى وسرعة أكبر

ويندرج هذا العمل ضمن اتجاه أوسع يوظف التعلم الآلي في دعم القرارات الطارئة عند نقاط الفرز والقبول، حيث تتخذ قرارات مصيرية في دقائق معدودة وببيانات ناقصة غالبًا، غير أن قيمة أي نموذج في هذا السياق لا تقاس بدقته المجردة في مجموعات اختبار نظيفة، بل بقدرته على الاندماج في سير عمل القسم وبمنطق متغيراته التي يستطيع الطبيب فهمها والوثوق بها، ومن هنا تبرز أهمية الإبلاغ عن المتنبئات الرئيسة وقراءة معقوليتها السريرية، فظهور مزرعة البول وشريط الفحص والتصوير الصدري في صدارة المتنبئات يطابق حدس أطباء الطوارئ وخبرتهم، وهو توافق يعزز قبول النموذج مهنيًا ويشجع على تطويره نحو تجارب تحقق أوسع في بيئات ومراكز متعددة

وخلاصة القول إن تحسين تصنيف العدوى لحظة وصول المريض إلى قسم الطوارئ ممكن بنماذج تعلم آلي تغذيها بيانات روتينية مدعومة بفحوص موجهة، وإن اختيار مزيج البيانات المناسب سر من أسرار الأداء التشخيصي العالي الذي ينشده الأطباء والباحثون