Artificial intelligence for detecting bipolar disorder in electronic health records of patients with affective diagnoses: a diagnostic accuracy study

ملخص تقني: الذكاء الاصطناي للكشف عن الاضطراب الوجداني ثنائي القطب في السجلات الصحية الإلكترونية

بيان المشكلة
يُعد الاضطراب الوجداني ثنائي القطب (BD) حالة نفسية مزمنة وشديدة، وغالباً ما يتم تشخيصها بشكل غير صحيح، لا سيما لدى المرضى الذين تظهر عليهم في البداية أعراض اضطرابات اكتئابية. يؤدي هذا التأخير في التشخيص غالباً إلى علاج غير مناسب، وزيادة خطر الانتحار، وأعباء اجتماعية واقتصادية كبيرة. وبينما يوفر الذكاء الاصطناعي ومعالجة اللغات الطبيعية (NLP) إمكانات للتشخيص المبكر من خلال تحليل البيانات السريرية غير المهيكلة، إلا أن هناك ندرة في النماذج المعتمدة للسجلات الصحية الإلكترونية باللغة الإسبانية، خاصة في سياقات أمريكا اللاتينية حيث تكون موارد الصحة النفسية محدودة. وتفتقر النماذج الحالية غالباً إلى الصلاحية الخارجية في هذه المجموعات السكانية أو تفشل في معالة الفروق الدقيقة المحددة للسرديات السريرية باللغة الإسبانية.

المنهجية
أجرَت هذه الدراسة تحليلاً استعاديًا لدقة التشخيص باستخدام 500 سجلاً من السجلات الصحية الإلكترونية من مستشفى إحالة نفسي في بوغوتا، كولومبيا (2020-2024). تألف المجتمع من مرضى تبلغ أعمارهم 18 عاماً فأكثر مع تشخيصات أساسية ضمن طيف الاكتئاب أو القلق.

• بنية النموذج: يعمل نموذج "Arkangel AI" كنظام ذي مرحلتين:
  1. استخراج المعلومات: باستخدام 18 أمراً (prompt) مستقلاً تعتمد على التفكير المتسلسل الموجه (CoT)، يقوم النموذج باستخراج بيانات ثنائية (موجود/غير موجود) لـ 18 مجالاً سريرياً محدداً مسبقاً (تسعة مجالات هوس/هوس خفيف وتسعة مجالات اكتئابية) بناءً على معايير DSM-5 وMINI. تم تحسين هذه الأوامر بشكل تكراري من خلال مرحلة تجريبية شملت مراجعة من قبل أطباء نفسيين لمعالجة الأخطاء في تفسير السرد الضمني.
  2. الاستدلال التشخيصي: يقوم نظام قائم على القواعد بتجميع الأعراض المستخرجة لتصنيف المرضى إلى أربع فئات خطر: (1) اضطراب وجداني مؤكد، (2) احتمال عالٍ للاضطراب الوجداني ثنائي القطب، (3) بعض الاحتمالية للاضطراب الوجداني ثنائي القطب، (4) لا يوجد خطر.
• التحقق من الصحة: عملت عينة فرعية مكونة من 100 سجل كمجموعة تحقق. كان الاختبار المرجعي هو تصنيف نموذج الذكاء الاصطناعي. أما المعيار المرجعي فكان تقييماً سريرياً مستقلاً من قبل أطباء نفسيين باستخدام معايِيري DSM-5 وMINI، مع عملية توافق لحل التباينات. وكان المراجعون معزولين عن معرفة مخرجات النموذج.
• التحليل الإحصائي: تم تقييم الأداء باستخدام الحساسية، والنوعية، والقيم التنبؤية الإيجابية والسلبية (PPV/NPV)، ومقياس F1-score، والمساحة تحت منحنى خصائص تشغيل المستقبِل (AUC-ROC). كما تم قياس الاتفاق في استخراج الأعراض باستخدام معامل كوهين كابا (Cohen's kappa) وGwet's AC1 لمراعاة تأثيرات الانتشار العالي.

النتائج الرئيسية

• استخراج الأعراض: حقق النموذج متوسط اتفاق بنسبة 91.1% مع المراجعين السريريين عبر المجالات الثمانية عشر. لوحظ اتفاق عالٍ لأعراض هوس محددة مثل سرعة الكلام (97.0%، κ=0.891) والتهيج (96.0%، κ=0.891). ولوحظ اتفاق أقل للمجالات ذات الانتشار العالي أو الواسعة دلالياً مثل المزاج المكتئب والأرق، وهو ما يُعزى بشكل كبير إلى مفارقة الانتشار.
• الأداء التشخيصي: في مهمة الفحص الثنائي (أي خطر للاضطراب الوجداني مقابل لا يوجد خطر)، أظهر النموذج:
  • الحساسية: 96.4% (فاصل ثقة 95%: 87.7%–99.0%)
  • النوعية: 84.4% (فاصل ثقة 95%: 71.2%–92.3%)
  • مقياس F1-score: 0.92
  • المساحة تحت المنحنى (AUC-ROC): 0.932 (فاصل ثقة 95%: 0.881–0.975)
• تصنيف المخاطر: أظهر النموذج أداءً قوياً في التمييز بين الفئات المتطرفة (الاضطراب الوجداني المؤكد ولا يوجد خطر) بمقاييس F1-score بلغت 0.902 و0.894 على التوالي. وكان الأداء أضعف في الفئات المتوسطة (احتمال عالٍ وبعض الاحتمالية)، حيث ظهر تداخل وارتباك أكبر بين النموذج والأطباء.
• الكفاءة: عالج نظام الذكاء الاصطناعي 100 سجل من سجلات التحقق في حوالي 20 دقيقة، مقارنة بـ 41.3 ساعة تراكمية للمراجعين البشريين. يمثل هذا انخفاضاً بنسبة 99.2% في وقت التحليل، أو زيادة في السرعة بمقدار 120 ضعفاً.

الأهمية والادعاءات
يزعم المؤلفون أن تحليل السجلات الصحية الإلكترونية باللغة الإسبانية القائم على معالجة اللغات الطبيعية يمكن أن يحقق أداءً ذا أهمية سريرية في تحديد أنماط أعراض الاضطراب الوجداني ثنائي القطب مع تقليل الوقت المطلوب للمراجعة بشكل جذري. ويضع النموذج نفسه ليس كأداة تشخيصية مستقلة، بل كـ نظام دعم القرار السريري المصمم لـ:

1. تحديد أولويات المرضى: تحديد الأفراد الذين تحتوي سجلاتهم على تجمعات أعراض تتوافق مع طبيعة الاضطراب الوجداني ثنائي القطب والذين قد يستفيدون من المقابلات المهيكلة أو إعادة التقييم من قبل متخصصين.
2. تقليل تأخير التشخيص: معالجة التأخير الكبير في تشخيص الاضطراب الوجداني ثنائي القطب، لا سيما في البيئات محدودة الموارد حيث يندر وقت المتخصصين.
3. تحسين الموارد: تحسين كفاءة النظام الصحي من خلال فرز كميات كبيرة من البيانات غير المهيكلة.

يؤكد البحث أن القوة الكبرى للنموذج تكمن في استخراج الأعراض بدلاً من التكامل التشخيصي الفئوي. ويقر بأن بينما يحدد النموذج بفعالية ذكر الأعراض الصريحة، فإن تفسير تنظيمها الزمني وأهميتها السريرية يظل مهمة معقدة تتطلب إشرافاً بشرياً. ويخلص المؤلفون إلى أن مثل هذه الأدوات تكون أكثر فعالية ضمن إطار "الإنسان في الحلقة" (human-in-the-loop)، حيث تكمل الكفاءة الحسابية الحكم النفسي ولا تستبدله.

القيود المذكورة
تقر الدراسة بالقيود بما في ذلك تصميمها الاستعادي، وعينة المركز الواحد (مما يحد من القدرة على التعميم)، والاعتماد على السرديات الموثقة روتينياً والتي قد تحتوي على تحيز معلوماتي. علاوة على ذلك، لم يتم التحقق من صحة النموذج في لغات أو مناطق أو أنظمة صحية أخرى، كما أن الأداء المنخفض في فئات المخاطر المتوسطة يشير إلى أن بعض الخطأ ينبع من الذاتية المتأصلة في التفسير النفسي وليس فقط من فشل الكشف.