تتيح أساليب التعلم الآلي إمكانات واسعة لاستكشاف العلاقات المعقدة الكامنة في البيانات الصحية الضخمة، ولا سيما حين تتشابك مؤشرات مخبرية وديموغرافية متعددة في تفسير حالة صحية واحدة، وتبرز وظيفة الغدة الدرقية مثالًا واضحًا على هذا التشابك لارتباط اضطراباتها بالأنماط الأيضية المتنوعة التي تصف كيفية معالجة الجسم للطاقة والمواد، وفهم هذه الروابط قد يعين على الكشف المبكر عن الاختلالات الأيضية وتصنيف الأفراد بحسب أنماطهم الصحية
وفي هذا الإطار وظفت هذه الدراسة نماذج متعددة من التعلم الآلي للتنبؤ بالأنماط الأيضية مع تركيز خاص على وظيفة الغدة الدرقية، مستخدمة بيانات مسح وطني واسع، ومقارنة أداء النماذج المختلفة بمعيار موحد، مع الانتباه إلى خصوصية بيانات المسوح المعقدة وما تتطلبه من مراعاة لأوزان المعاينة عند التحليل
وتتعاظم قيمة هذا الاتجاه مع توافر مسوح صحية وطنية ضخمة تضم آلاف المشاركين وعشرات المؤشرات المخبرية، إذ يعجز التحليل التقليدي أحادي المتغير عن التقاط التفاعلات غير الخطية بين المؤشرات، بينما تستطيع خوارزميات التعلم الآلي نمذجة هذه التفاعلات وترتيب المتغيرات بحسب إسهامها التنبؤي، غير أن توظيفها في بيانات ذات أوزان معاينة ومأخوذة بتصميمات معقدة يطرح تحديات منهجية خاصة تتعلق بتمثيل العينات وتعميم النتائج على مجتمع الدراسة الأوسع
أولًا: أهداف الدراسة ومنهجيتها
هدفت الدراسة إلى توظيف نماذج متنوعة من التعلم الآلي للتنبؤ بالأنماط الأيضية مع التركيز على وظيفة الغدة الدرقية، والكشف عن الارتباطات المحتملة بينهما، واستخدمت الدراسة مجموعة بيانات المسح الوطني لفحص الصحة والتغذية في الولايات المتحدة للفترة من 2007 إلى 2012، وشملت التحليلات معالم مخبرية ذات صلة بوظيفة الغدة الدرقية أو بالاختلال الأيضي إلى جانب الخصائص الديموغرافية، وقورن أداء النماذج بمقياس المساحة تحت منحنى خاصية التشغيل للمستقبل، كما فُحصت أهمية المتغيرات داخل أحد النماذج لتحديد المؤشرات الأكثر إسهامًا في التنبؤ
ثانيًا: أبرز النتائج
1- حقق الانحدار اللوجستي متعدد الحدود الأداء الأفضل في تحديد العلاقة بين وظيفة الغدة الدرقية والأنماط الأيضية، إذ بلغت المساحة تحت منحنى خاصية التشغيل للمستقبل لديه 0.818
2- جاءت الشبكات العصبية في المرتبة الثانية بفارق ضئيل، إذ بلغت المساحة تحت المنحنى لديها 0.814
3- تقارب أداء الغابات العشوائية والأشجار المعززة عند 0.811 لكل منهما، بينما جاء أداء الجيران الأقرب أدنى منهما عند 0.786
4- تصدرت مؤشرات أهمية المتغيرات في نموذج الغابات العشوائية كل من مؤشر تقييم نموذج التوازن لمقاومة الإنسولين وحمض اليوريك في المصل والألبومين في المصل وإنزيم غاما غلوتاميل ترانسفيراز ونسبة هرمون ثلاثي يودوثيرونين إلى هرمون الثيروكسين
ثالثًا: دلالات الدراسة وتطبيقاتها
تسلط هذه النتائج الضوء على قدرة التعلم الآلي على فك تشابك العلاقات في البيانات الصحية واستخراج مؤشرات ذات معنى سريري، مع التنبيه إلى أن أداء النماذج قد يتفاوت بحسب خصائص البيانات ومتطلبات المهمة المحددة، فلا يعني تفوق نموذج هنا أفضليته المطلقة في سياقات أخرى، وتؤكد الدراسة أهمية مراعاة أوزان المعاينة عند تحليل بيانات المسوح المعقدة وفوائد إدماج متغيرات إضافية لرفع دقة النماذج وعمق رؤاها، وتفتح الباب أمام بحوث مستقبلية تجمع بين منهجيات متقدمة للتعلم الآلي وأوزان المعاينة ومجموعات أوسع من المتغيرات
كما تلقي الدراسة الضوء على ضرورة التوازن بين دقة النموذج وقابليته للتفسير في التطبيقات الصحية، إذ قد تتفوق نماذج بسيطة شفافة كالانحدار اللوجستي على نماذج أكثر تعقيدًا في بعض المهام، ويظل فهم الأطباء والباحثين لمنطق النموذج ومتغيراته المؤثرة شرطًا لاعتماده في دعم القرار، وتمهد النتائج لدراسات لاحقة تختبر هذه النماذج على مجموعات بيانات مستقلة وتفحص ثبات المؤشرات المتصدرة عبر مجتمعات ومسوح مختلفة
وتمثل إتاحة بيانات هذا المسح الوطني للباحثين ميزة إضافية إذ تسمح بإعادة التحليل والتحقق المستقل من النتائج وبناء نماذج منافسة على القاعدة ذاتها وتطوير أساليب تحليل المسوح المعقدة
وخلاصة القول إن نماذج التعلم الآلي، وفي مقدمتها الانحدار اللوجستي متعدد الحدود والشبكات العصبية، قادرة على التنبؤ بالأنماط الأيضية المرتبطة بوظيفة الغدة الدرقية بدقة جيدة، وإن تطوير هذا الاتجاه رهين بمعالجة منهجية أدق لبيانات المسوح ومتغيراتها