إطار هجين للذكاء الاصطناعي والحوسبة الكمومية لتصنيف دقيق لمخاطر العقم لدى مريضات متلازمة تكيس المبايض باستخدام بيانات السجلات الصحية الإلكترونية

يؤثر العقم في نحو واحد من كل ستة أزواج حول العالم، وترتبط نحو نصف هذه الحالات بعوامل متعلقة بالإناث، وتُعد اضطرابات الإباضة سببًا رئيسًا للعقم لدى النساء، وتأتي متلازمة تكيس المبايض من أكثر الحالات شيوعًا، غير أن الطرق التشخيصية التقليدية، بما في ذلك التصوير بالموجات فوق الصوتية وتحليل الهرمونات وتقييم التاريخ الحيضي، كثيرًا ما تفشل في الاستفادة الكاملة من سجلات صحة المريض الشاملة

وتحتوي هذه السجلات على مؤشرات سريرية مهمة مثل مؤشر كتلة الجسم ومستويات الهرمون المضاد لمولر وعدد الجريبات وعدم انتظام الحيض، وهي مؤشرات قد تقدم رؤى أعمق في مخاطر العقم، ومن هنا جاءت هذه الدراسة لتقترح إطارًا هجينًا للذكاء الاصطناعي والحوسبة الكمومية يحلل سجلات صحة المريضات بمتلازمة تكيس المبايض لتحسين التنبؤ بمخاطر العقم

أولًا: أهداف الدراسة ومنهجيتها

هدفت الدراسة إلى اقتراح إطار هجين للذكاء الاصطناعي والحوسبة الكمومية لتحليل سجلات صحة المريضات بمتلازمة تكيس المبايض وتحسين تصنيف مخاطر العقم، ودمج الإطار بين تقنيات التعلم العميق الكلاسيكية والنماذج المستوحاة من الحوسبة الكمومية، بما في ذلك نموذجا الذاكرة الطويلة قصيرة المدى والذاكرة الطويلة قصيرة المدى الكمومية، لالتقاط التبعيات طويلة المدى في البيانات السريرية المتسلسلة، ودُربت النماذج المقترحة وقُيمت باستخدام مجموعة بيانات لمتلازمة تكيس المبايض تتضمن سمات سريرية متعددة ذات صلة بالصحة الإنجابية

وتكمن القوة المنهجية للإطار المقترح في قدرته على التعامل مع البيانات السريرية المتسلسلة، إذ تلتقط نماذج الذاكرة الطويلة قصيرة المدى التبعيات طويلة المدى في السجلات الصحية، بينما تضيف النماذج المستوحاة من الحوسبة الكمومية قدرة على تمثيل العلاقات المعقدة وغير الخطية بين المؤشرات السريرية، كما أن تدريب النماذج وتقييمها على مجموعة بيانات تتضمن سمات سريرية متعددة ذات صلة بالصحة الإنجابية يمنح النتائج صلة مباشرة بالممارسة السريرية، لا سيما في التعامل مع السجلات غير المتجانسة وغير المكتملة

ثانيًا: أبرز النتائج

1. أظهر التحليل التجريبي أن الإطار الهجين للذكاء الاصطناعي والحوسبة الكمومية يحدد بفاعلية العلاقات المعقدة داخل البيانات السريرية، ويحسن تصنيف مخاطر العقم مقارنة بمناهج التعلم الآلي التقليدية

2. أظهر النموذج قدرة معززة على التعامل مع السجلات الصحية غير المتجانسة وغير المكتملة، مع الحفاظ على أداء تنبؤي قوي، وهي سمة بالغة الأهمية في البيئات السريرية الواقعية حيث تكون البيانات ناقصة ومتنوعة المصادر

3. خلصت الدراسة إلى أن دمج الذكاء الاصطناعي مع تقنيات الحوسبة المستوحاة من الكم يمكن أن يدعم الاكتشاف المبكر لمخاطر العقم المرتبطة بمتلازمة تكيس المبايض، ويساعد الأطباء على تحديد المريضات مرتفعات الخطر بكفاءة أكبر

4. أشارت الدراسة إلى أن الإطار المقترح قد يسهم في الرعاية الصحية الإنجابية المخصصة وتحسين دقة التشخيص، بما يفتح الباب أمام استراتيجيات صحية مبتكرة وشخصية في هذا الميدان

ثالثًا: دلالات الدراسة وتطبيقاتها

تقدم هذه الدراسة دليلًا على إمكانات الدمج بين الذكاء الاصطناعي والحوسبة المستوحاة من الكم في دعم القرار السريري، وتوجه الباحثين والأطباء إلى استغلال السجلات الصحية الإلكترونية الشاملة بدل الاقتصار على الفحوصات التقليدية المنفردة في تقدير مخاطر العقم

وتفيد هذه النتائج الباحثين العرب وطلاب الدراسات العليا في مجالات الذكاء الاصطناعي والصحة الإنجابية والمعلوماتية الصحية، إذ تفتح أمامهم أسئلة بحثية حول توظيف النماذج الهجينة في التنبؤ بالمخاطر الصحية، وحول أخلاقيات استخدام السجلات الصحية الإلكترونية في النماذج التنبؤية

كما توجه النتائج مطوري الأنظمة الصحية الذكية إلى تصميم نماذج قادرة على العمل مع البيانات الناقصة وغير المتجانسة، وهي السمة الغالبة على السجلات الصحية الواقعية، وتوجه الأطباء إلى استخدام مثل هذه الأدوات بوصفها دعمًا للقرار السريري لا بديلًا عنه، وتوجه الباحثين إلى اختبار الإطار على مجموعات بيانات أكبر وأكثر تنوعًا، ودراسة أخلاقيات استخدام السجلات الصحية الإلكترونية في النماذج التنبؤية

وخلاصة القول إن الدراسة تؤكد أن مستقبل التشخيص المبكر للعقم قد يكمن في قراءة السجل الصحي كاملًا بعيون ذكية، لا في فحص واحد منفرد