Machine Learning Estimation of Gestational Age at Delivery Using Linked Mother-Infant Electronic Health Records Across Two Health Systems
تُظهر هذه الدراسة أن نماذج تعلم الآلة الخاضعة للإشراف، والتي تم تدريبها على سجلات صحية إلكترونية مرتبطة بين الأم والرضيع، يمكنها تقدير العمر الجنيني عند الولادة بدقة وقابلية للتعميم عبر مختلف الأنظمة الصحية، مما يوفر إطارًا قويًا لدعم أبحاث صحة الأم والوليد واسعة النطاق.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تحاول تخمين مدة الحمل بدقة بمجرد النظر إلى الملف الطبي للمريضة. أحياناً، يكون الملف يفتقر إلى التاريخ المحدد لموعد ولادة الطفل، أو تكون الملاحظات غير واضحة وصعبة القراءة. هذه مشكلة كبيرة للباحثين الذين يحاولون دراسة كيفية تأثير الأدوية على الأطفال، لأنهم إذا أخطأوا في التوقيت، فقد تصبح دراستهم بأكملها معيبة.
هذه الورقة البحثية تدور حول بناء متحرٍ رقمي ذكي يمكنه استنتاج طول فترة الحمل (العمر الجنيني) حتى عندما يكون السجل الرسمي مفقوداً أو غير واضح.
إليك كيف قام الباحثون بذلك، مشروحاً ببساطة:
١. ساحة التدريب: مكتبتان ضخمتان
لم يكتفِ الباحثون بالنظر في ملفات مستشفى واحد؛ بل استخدموا مكتبتين ضخمتين من السجلات الطبية:
- مركز فاندربيلت الجامعي الطبي (VUMC) في ناشفيل.
- جامعة ميشيغان (UMich) في آن أربر.
فكر في هاتين المكتبتين كأنهما "صالات تدريب رياضية" مختلفة. لقد أخذوا ملايين السجلات للأمهات والأطفال من هاتين الصالتين لتعليم برنامج الكمبيوتر الخاص بهم كيفية رصد الأنماط.
٢. أدوات المحقق: ما هي الأدلة التي استخدمها؟
لم يقم برنامج الكمبيوتر (نموذج تعلم الآلة) بالتخمين فحسب، بل بحث عن أدلة محددة في الملفات، تماماً مثل محقق يجمع قطع اللغز. لقد اختبروا ثلاث "مجموعات أدوات" مختلفة لمعرفة أيهما يعمل بشكل أفضل:
- المجموعة (أ) (الأم فقط): نظرت فقط إلى تاريخ الأم (عمرها، عرقها، حالات حملها السابقة).
- المجموعة (ب) (الأم + ملاحظات المستشفى): أضافت بيانات المستشفى العامة (مثل رموز ICD، وهي بمثابة تسميات مختصرة للحالات الطبية).
- المجموعة (ج) (الحزمة الكاملة): أضافت بيانات الطفل أيضاً! وتضمن ذلك وزن الطفل عند الولادة، ودرجة "أبجار" (Apgar score) (وهي فحص سريع للصحة فور الولادة)، والملصقات الطبية الخاصة بالطفل نفسه.
التشبيه: تخيل أنك تحاول تخمين مدة خبز كعكة ما.
- المجموعة (أ) تشبه التخمين بناءً على خبرة الخباز فقط.
- المجموعة (ب) تشبه النظر إلى بطاقة الوصفة.
- المجموعة (ج) هي النظر إلى الخباز، والوصفة، وكذلك حجم الكعكة وقوامها النهائي. وبطبيعة الحال، كانت "الحزمة الكاملة" (المجموعة ج) هي الأكثر دقة.
٣. "التخمين الذكي" مقابل "التخمين المتوسط"
قبل استخدام الذكاء الاصطناعي المتطور، جرب الباحثون طريقة بسيطة: وهي تخمين متوسط طول الحمل للجميع.
- النتيجة: كان المتوسط البسيط غالباً بعيداً جداً عن الواقع، مثل التخمين بأن كل كعكة تستغرق ٤٥ دقيقة بالضبط بغض النظر عن حجمها.
- نتيجة الذكاء الاصطناعي: كانت نماذج تعلم الآلة أكثر دقة بكثير. فقد استطاعت التنبؤ بطول فترة الحمل في غض_ن أسبوع واحد من التاريخ الحقيقي بنسبة تتراوح بين ٨٥٪ إلى ٩٣٪. وفي غضون أسبوعين، كانت دقيقة بنسبة ٩٤٪ إلى ٩٨٪.
٤. اختبار "عبر المدن"
للتأكد من أن المحقق ليس مجرد شخص يحفظ مكتبة ناشفيل فقط، أرسلوا نفس القواعد إلى مكتبة ميشيغان.
- النتيجة: لقد نجح الأمر بنفس القدر، بل وأدى أداءً أفضل في ميشيغان. وهذا يثبت أن "المحقق" ليس خبيراً محلياً فحلاً، بل هو خبير عام يمكنه العمل في مستشفيات مختلفة.
٥. أين يتعثر المحقق؟
الورقة البحثية صريحة بشأن المواضع التي لا يزال فيها النظام غير مثالي:
- الأطفال الخدج (المولودون مبكراً): النظام بارع في تخمين طول حالات الحمل كاملة المدة (الأطفال الذين ولدوا في "الوقت المناسب"). ومع ذلك، فإنه يواجه صعوبة أكبر قليلاً مع الأطفال الذين ولدوا مبكراً جداً (الخدج). الأمر يشبه كون المحقق جيداً في حل القضايا القياسية، لكنه يرتبك أمام الألغاز النادرة والمعقدة.
- البيانات القديمة: أدى النظام أداءً أفضل في السجلات من السنوات الأخيرة. قد يكون ذلك لأن السجلات الأقدم (ما قبل عام ٢٠١٥) استخدمت أنظمة ترميز مختلفة أو تقنيات تصوير بالموجات فوق الصوتية أقل دقة، مما جعل الأدلة أصعب في القراءة.
الخلاصة
تخلص الورقة البحثية إلى أننا نملك الآن "آلة حاسبة" محمولة وموثوقة يمكنها ملء تواريخ الحمل المفقودة في السجلات الطبية. ومن خلال استخدام مزيج من تاريخ الأم، وملاحظات المستشفى، وتفاصيل الطفل، يمكن لهذه الأداة مساعدة الباحثين في دراسة سلامة الحمل بدقة أكبر بكثير مما كان عليه الحال في السابق.
ملاحظة هامة: يذكر المؤلفون تحديداً أن هذه الأداة مخصصة للأبحاث لإصلاح البيانات المفقودة في الدراسات. وهم لا يدعون أن هذه الأداة يجب أن تُستخدم من قبل الأطباء لاتخاذ قرارات سريرية فورية للمرضى الأفراد في بيئة المستشفى في الوقت الحالي. إنها وسيلة لتنقية البيانات حتى يتمكن العلماء من تعلم المزيد عن صحة الأم والطفل.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.