يمثل تطوير نماذج التعلم الآلي لأدوات فحص الصحة القائمة على الأعراض مجالًا سريع التطور وذا آثار كبيرة في الرعاية الصحية، إذ يمكن للأدوات التشخيصية الدقيقة والفعالة أن تحسن نتائج المرضى وتحسن توظيف موارد الرعاية الصحية، غير أن بناء مثل هذه الأدوات يتطلب تقويمًا شاملًا للنماذج يضمن دقة أدائها وحساسيتها في مواقف واقعية تتسم أحيانًا بعدم توازن البيانات، وتركز هذه الدراسة على تقويم نماذج تعلم آلي وتحسينها باستخدام مجموعة بيانات تضم عشرة أمراض وآلاف العينات، مع توظيف سيناريوهات سريرية لاختبار قابلية النماذج للتطبيق في العالم الواقعي
وتتعاظم الحاجة إلى أدوات فحص أولي يعتمد عليها مع تزايد الضغط على أنظمة الرعاية الصحية وانتشار التطبيقات الصحية الرقمية التي يستخدمها المرضى لتقدير حالاتهم قبل مراجعة الطبيب، إذ قد يؤدي التشخيص الخاطئ أو المتأخر إلى عواقب صحية واقتصادية جسيمة، ومن ثم فإن بناء نماذج تعلم آلي دقيقة لهذه الأدوات لا ينفصل عن بناء أطر تقويم صارمة تختبرها في ظروف تحاكي الواقع السريري، بما فيها ندرة بعض الأمراض واختلال توازن فئات البيانات وتفاوت كلفة أنواع الأخطاء
أولًا: أهداف الدراسة ومنهجيتها
هدفت الدراسة إلى تقويم نماذج تعلم آلي وتحسينها لأدوات فحص الصحة القائمة على الأعراض باستخدام مجموعة بيانات مكونة من عشرة أمراض و9572 عينة، وقُسمت البيانات إلى مجموعتي تدريب واختبار لتيسير تدريب النماذج وتقويمها، واختيرت نماذج شجرة القرار والغابة العشوائية ونايف بايز والانحدار اللوجستي والجيران الأقرب وحُسّن أداؤها، وشملت مقاييس التقويم الدقة ودرجات إف 1 والتحقق المتقاطع بعشر طيات، كما استخدمت منحنيات خاصية تشغيل المستقبِل والمساحة أسفلها ومنحنيات الدقة والاستدعاء لتقويم أداء النماذج خاصة في سيناريوهات البيانات غير المتوازنة، ووظفت السيناريوهات السريرية لقياس قابلية النماذج للتطبيق في العالم الواقعي
وتميزت المنهجية بتنويع النماذج المقارنة بين خوارزميات بسيطة قابلة للتفسير وأخرى أكثر تعقيدًا، وبتنويع مقاييس التقويم بما يتجاوز الدقة الإجمالية إلى درجات إف 1 والتحقق المتقاطع بعشر طيات الذي يحد من فرط التلاؤم مع بيانات التدريب، فيما وفرت منحنيات الأداء زوايا إضافية للحكم عند اختلاف عتبات القرار، وجاءت السيناريوهات السريرية اختبارًا لمدى انتقال الأداء المخبري إلى مواقف تشبه الممارسة الفعلية
ثانيًا: أبرز النتائج
1- بين تقويم النماذج باستخدام الدقة ودرجات إف 1 والتحقق المتقاطع بعشر طيات مستويات أداء النماذج المختارة في تشخيص الأمراض استنادًا إلى الأعراض، 2- كشفت منحنيات المساحة أسفل منحنى خاصية تشغيل المستقبِل أن أداء النماذج تحسن مع ازدياد تعقيدها، 3- كانت منحنيات الدقة والاستدعاء مفيدة بوجه خاص في تقويم حساسية النماذج في سيناريوهات البيانات غير المتوازنة، 4- أظهرت السيناريوهات السريرية متانة النماذج في تقديم تشخيصات دقيقة، بما يدعم قابلية الاعتماد عليها في مواقف قريبة من الممارسة الواقعية
ثالثًا: دلالات الدراسة وتطبيقاتها
تؤكد الدراسة أهمية تقنيات التقويم الشامل للنماذج، فاستخدام اختبار السيناريوهات السريرية وتحليل منحنيات خاصية تشغيل المستقبِل والدقة والاستدعاء عناصر حاسمة لضمان اعتمادية أدوات فحص الصحة القائمة على الأعراض وحساسيتها، إذ تقدم هذه التقنيات فهمًا أكثر دقة وتفصيلًا لأداء النماذج وتبرز مواضع تحتاج إلى مزيد من التحسين، ويمكن لمطوري الأنظمة الصحية الرقمية الاستفادة من هذه المقاربة عند بناء أدوات فحص أولي تساعد المرضى والأطباء على اتخاذ قرارات أسرع وأكثر استنارة، مع استمرار تطوير النماذج واختبارها على بيانات أوسع وأكثر تنوعًا
ويمكن أن تستفيد الجهات المطورة لأدوات الفحص الصحي من هذه المقاربة في اعتماد بروتوكولات تقويم متعددة المقاييس قبل طرح الأدوات للاستخدام العام، مع إخضاعها لاختبارات دورية على بيانات جديدة ترصد تغير أنماط الأمراض والمجتمعات، كما ينبغي أن تبقى هذه الأدوات معينة على القرار لا بديلة عن الحكم السريري للطبيب، وأن توضح واجهاتها مستوى الثقة في النتيجة والحالات التي تستوجب مراجعة طبية عاجلة
وخلاصة القول إن توظيف مقاييس وأساليب تقويم متنوعة شرط أساسي لضمان متانة نماذج التعلم الآلي ودقتها في أدوات فحص الصحة القائمة على الأعراض، وإن دمج السيناريوهات السريرية في التقويم وتحليل منحنيات الأداء خطوات جوهرية نحو أدوات تشخيصية يمكن الوثوق بها في الممارسة الصحية