xMICD: Explainable Representation of Multiple ICD Codes

ملخص تقني: xMICD – تمثيل قابل للتفسير لرموز ICD المتعددة

بيان المشكلة
تعتمد السجلات الصحية الإلكترونية (EHRs) بشكل كبير على رموز التصنيف الدولي للأمراض (ICD) لتلخيص تشخيصات المرضى. ومع ذلك، فإن دمج هذه الرموز في نماذج تعلم الآلة (ML) يطرح مقايضة جوهرية بين الأداء التنبئي والقابلية للتفسير.

• التشتت عالي الأبعاد: يؤدي الترميز بأسلوب "الترميز الأحادي" (one-hot encoding) المباشر لرموز ICD إلى مساحات ميزات عالية الأبعاد ومتشتتة للغاية (على سبيل المثال، حوالي 70,000 رمز في ICD-10-CM)، مما يزيد من التكاليف الحسابية ويعيق قدرة النموذج على التعميم.
• المقايضة: تندرج الحلول الحالية عموماً تحت فئتين، لكل منهما قيود كبيرة:
  1. التمثيلات القائمة على التجميع: تقوم هذه الطريقة برسم خرائط للرموز إلى فئات محددة سريرياً (مثل كتل ICD، أو مؤشرات الاعتلال المشترك مثل CCI أو ECI) باستخدام مؤشرات ثنائية. وبينما تتميز بقابلية عالية للتفسير، إلا أنها تفقد المعلومات التفصيلية عبر معاملة الأمراض المتباينة داخل المجموعة الواحدة كأنها متكافئة، مما يؤدي غالباً إلى أداء تنبئي دون المستوى الأمثل.
  2. التمثيلات القائمة على التضمين (Embeddings): تتعلم طرق مثل ICD2Vec تمثيلات متجهية كثيفة تلتقط العلاقات الدلالية وأنماط التواجد المشترك. وبينما تحقق هذه الطرق دقة تنبئية قوية، فإن الأبعاد الناتجة هي متغيرات كامنة مجردة تفتقر إلى المعنى السريري المباشر، مما يجعلها "صناديق سوداء" يصعب على الأطباء تفسيرها.

المنهجية: xMICD
يقترح المؤلفون xMICD (التمثيل القابل للتفسير لرموز ICD المتعددة)، وهي طريقة مصمم لإنشاء تمثيلات منخفضة الأبعاد للمرضى تحافظ على الثراء الدلالي للتضمينات مع ربط الميزات بمفاهيم ذات معنى سريري.

تتضمن الآلية الجوهرية عملية تعيين نسبي بدلاً من العضوية الثنائية:

1. المرتكزات (Anchors): يتم تحديد مجموعة من نقاط المرجع (المرتكزات). يمكن أن تكون هذه المرتكزات مجموعات محددة سريرياً (مثل كتل ICD-10-CM، أو فئات CCSR، أو مجموعات ECI) أو عناقيد مدفوعة بالبيانات (مثل الـ medoids من أخذ عينات النقطة الأبعد).
2. حساب التشابه: بالنسبة لزيارة المريض التي تحتوي على مجموعة من رموز ICD $\{C_1, \dots, C_n\}$، تقوم الطريقة بحساب التشابه بين كل رمز $C_i$ وكل مرتكز $A_j$ ضمن مساحة تضمين مدربة مسبقاً (تحديداً باستخدام تضمينات ICD2Vec وتشابه جيب التمام في هذه الدراسة).
3. التطبيع (Normalization): للتركيز على الأهمية النسبية بدلاً من التشابه المطلق، يتم تطبيع التشابهات لكل رمز عبر "التحجيم الأدنى-الأقصى" (min-max scaling) عبر جميع المرتكزات. وهذا يرسم خريطة لأكثر مرتكز مشابه بالقيمة 1 ولأقل مرتكز مشابه بالقيمة 0 لهذا الرمز تحديداً.
4. التجميع: المتجه النهائي للزيارة هو متجه حيث يمثل كل بُعد $S_j$ مرتكزاً ما. يتم حساب القيمة كأقصى تشابه مُطبع عبر جميع الرموز في الزيارة لهذا المرتكز:
   $$S_j = \max_{i} \left( \text{normalized\_sim}(C_i, A_j) \right)$$
   يضمن هذا أنه إذا كان تشخيص المريض مرتبطاً بقوة بمجموعة سريرية معينة (حتى لو لم يكن داخلها تماماً)، فإن هذا البُعد سيعكس قيمة عالية.

المساهمات الرئيسية

• تمثيل مبتكر: تقديم xMICD، التي تحول رموز ICD المتعددة إلى متجه ميزات منخفض الأبعاد وذو هيكل سريري مناسب لنماذج تعلم الآلة القياسية.
• التكامل الهجين: التكامل الناجح بين تضمينات ICD المدربة مسبقاً (التي تلتقط العلاقات الدلالية الكامنة) مع المجموعات المحددة سريرياً (التي توفر القابلية للتفسير).
• التحقق التجريبي: تقييم شامل على مجموعات بيانات ضخمة من السجلات الصحية الإلكترونية (MIMIC-IV-ED و eICU-CRD) لإثبات أن xMICD توازن بين القوة التنبئية وشفافية مستوى الميزات.

النتائج
أُجريت التجارب على مجموعتي بيانات باستخدام نماذج XGBoost و MLP لمهام تشمل التنبؤ بالنتائج الحرجة، والاستشفاء، وإعادة الزيارة خلال 72 ساعة، والوفاة داخل وحدة العناية المركزة، والإقامة المطولة.

• الأداء التنبئي: حققت xMICD أداءً مقارباً للطريقة المعتمدة على التضمين (ICD2Vec) في معظم المهام.
  • في مجموعة بيانات MIMIC-IV-ED (عالية التنوع في الرموز)، تفوقت xICD بشكل كبير على طرق التجميع الثنائية وتساوت مع ICD2Vec.
  • في مجموعة بيانات eICU-CRD (أقل تنوعاً في الرموز)، كان أداء الرموز الخام مشابهاً للتضمينات، ومع ذلك حافظت xICD على أداء تنافسي.
  • الاستثناء الوحيد كان xMICD القائم على مرتكزات ECI (31 بُعداً)، والذي كان أداؤه أقل بسبب الاختزال المفرط في الأبعاد وفقدان المعلومات.
• الحفاظ على التشابه: أظهر تحليل مصفوفات تشابه (مريض-مريض) أن متغيرات xMICD حافظت على الهيكل العلاقاتي لـ ICD2Vec بشكل أفضل بكثير من طرق التجميع الثنائية (ارتباط سبيرمان بلغ حوالي 0.79 لـ xMICD-FPS مقابل ICD2Vec، مقارنة بـ 0.21–0.33 للمجموعات الثنائية).
• القابلية للتفسير: كشف التقييم النوعي القائم على القابلية للقراءة، والفهم، والمعقولية، والتتبع، والمحاكاة أن:
  • على عكس ICD2Vec، ترتبط ميزات xICD بمجموعات تشخيصية يمكن التعرف عليها.
  • على عكس المجموعات الثنائية، تلتقط xICD "التقارب التشخيصي"، مما يسمح للأطباء برؤية كيف ترتبط حالة المريض بمجموعة ما حتى بدون مطابقة مباشرة للرمز (مثل تحديد الحالات الحرجة الكامنة).
  • أكد تحليل قيم SHAP أن تفسيرات xICD مهيكلة حول مفاهيم سريرية (مثل "الفشل التنفسي"، "العدوى") بدلاً من الأبعاد الكامنة المجردة.

الأهمية والادعاءات
يدعي البحث أن xICD تقدم حلاً عملياً لمعضلة "التفسير مقابل الدقة" في تعلم الآلة السريري. فمن خلال ربط العلاقات الدلالية القائمة على التضمين بمجموعات سريرية محددة مسبقاً، تسمح xICD للنماذج بالاستفيد من القوة التنبئية للتعلم العميق مع إنتاج ميزات يمكن للأطباء الاستدلال عليها.

يؤكد المؤلفون أن القابلية العالية للتفسير لا تتطلب بالضرورة التضحية بالقوة التنبئية. تعمل xICD كإسقاط مهيكل لمساحات التضمين على نطاقات ذات معنى سريري، مما يسهل تطوير أنظمة دعم قرار مدعومة بالذكاء الاصطناعي تتسم بالشفافية والموثوقية. وتعد هذه الطة ذات قيمة خاصة في البيئات ذات التنوع العالي في رموز ICD حيث يكون اختزال الأبعاد أمراً حاسماً، ومع ذلك تظل القابلية للتفسير السريري شرطاً أساسياً لاعتمادها.