Spatial and Machine Learning Analysis of Breast and Cervical Cancer Screening Uptake in Ghana: Evidence from the 2022 Ghana Demographic and Health Survey

في أجزاء كثيرة من العالم، يمثل اكتشاف السرطان مبكراً الفرق بين الحياة والموت. بالنسبة للنساء في غانا، يعد نوعان من السرطان — سرطان الثدي وسرطان عنق الرحم — من الهواجس الصحية الكبرى. إن الطريقة الأكثر فعالية للقبض عليهما مبكراً هي من خلال الفحص: وهو فحص بسيط حيث يفحص الطبيب الثدي أو يختبر عنق الرحم. ومع ذلك، فإن الحصول على هذه الخدمات ليس متساوياً للجميع. فقد أظهرت الدراسات السابقة أن الثروة والتعليم يعملان كبوابات؛ فالنساء اللواتي يمتلكن مالاً أكثر وتعليماً أكثر هن أكثر عرضة بكثير لإجراء الفحص مقارواً بمن يمتلكن أقل من ذلك. هذا النمط معروف جيداً، لكنه غالباً ما كان يُنظر إليه من منظور واسع، حيث ينظر إلى مناطق بأكملها أو إلى البلاد ككل. هذا النهج يعامل المنطقة وكأنها كتلة واحدة من اللون، مما يخفي حقيقة أن الظروف يمكن أن تتغير بشكل جذري على بعد أميال قليلة فقط. كما أنه يعتمد على أساليب إحصائية قياسية تفترض أن العلاقات بسيطة وخطوط مستقيمة، مما قد يؤدي إلى تفويت الطرق المعقدة التي تتفاعل بها العوامل المختلفة.

قرر فريق من الباحثين في غانا النظر عن كثب. وتساءلوا عما إذا كان نمط من يحصلون على الفحص يتغير في جيوب صغيرة محددة من الأراضي التي تغفلها الخرائط الإقليمية القياسية. كما أرادوا معرفة ما إذا كانت أدوات تعلم الحاسوب الحديثة يمكنها التنبؤ بمن من المرجح أن يخضع للفحص بشكل أفضل من الطرق التقليدية، دون الحاجة إلى معرفة الموقع الدقيق لكل امرأة. ومن خلال الجمع بين الخرائط التفصيلية ونماذج الحاسوب المتقدمة، هدفوا إلى إنشاء صورة أكثر حدة لعدم المساواة الصحية، صورة يمكنها مساعدة المسؤولين الصحيين على توجيه جهودهم بدقة أكبر.

لجأ الباحثون إلى مجموعة بيانات ضخمة تسمى "المسح الديموغرافي والصحي لعام 2022 في غانا". أجرت هذه الدراسة مقابلات مع آلاف النساء في جميع أنحاء البلاد، سألن عن صحتهن، وبيوتهن، وما إذا كن قد خضعن يوماً لفحص الثدي أو اختبار عنق الرحم. ركز الفريق على النساء اللواتي تتراوح أعمارهن بين 25 و49 عاماً، وهي الفئة الأكثر عرضة لخطر الإصابة بهذين النوعين من السرطان. وربط الفريق الإجابات المسحية بالمواقع الجغرافية المحددة التي جرت فيها المقابلات. وبينما تم إزاحة الإحداثيات الدقيقة قليلاً لحماية خصوصية المشاركات، إلا أنها كانت دقيقة بما يكفي لإظهار الأنماط على مستوى المجتمعات الصغيرة، المعروفة باسم "التجمعات"، بدلاً من مجرد المناطق الإدارية الكبيرة.

أولاً، قام الفريق برسم خرائط للبيانات لمعرفة ما إذا كان الفحص يحدث في نقاط عشوائية أو إذا كان يتكتل معاً. ووجدوا أنه يتكتل بالتأكيد. فالمناطق التي تخضع فيها النساء للفحص بشكل متكرر كانت غالباً ما تكون محاطة بمناطق أخرى يكون فيها الفحص شائعاً أيضاً. وعلى العكس من ذلك، فإن المناطق ذات معدلات الفحص المنخفضة كانت تميل لأن تكون جارة لمناطق أخرى ذات معدلات منخفضة. كان هذا التكتل مهماً لكل من سرطان الثدي وعنق الرحم، لكنه كان أقوى في فحوصات الثدي. وعندما تعمقوا في التفاصيل، رأوا "بقعاً ساخنة" من نشاط الفحص المرتفع تتركز حول العاصمة أكرا، وأجزاء من المناطق الوسطى والجنوبية. وفي المقابل، كانت "البقع الباردة" حيث يندر الفحص تتركز بشدة في الأجزاء الشمالية من البلاد. وقد أكد هذا أن الانقسام بين الشمال والجنوب حقيقي، ولكنه كشف أيضاً أن المشكلة ليست موحدة حتى داخل تلك المساحات الكبيرة؛ فهناك جيوب محددة من الاحتياج تختلف عن غيرها، وهو ما قد تخفيه المتوسطات الإقليمية الواسعة.

بعد ذلك، بنى الباحثون نموذجاً حاسوبياً للتنبؤ بالنساء اللواتي من المرجح أن يخضعن للفحص بناءً على ظروفهن الشخصية. فقد غذوا النموذج بمعلومات عن العمر، والتعليم، والثروة، ومكان السكن، وما إذا كان لديهن تأمين صحي. والأهم من ذلك، أنهم لم يخبروا الحاسوب بالموقع المحدد للنساء. بدلاً من ذلك، تركوا النموذج يتعلم الأنماط من التفاصيل الشخصية وحدها. وللتأكد من أن النموذج يتعلم حقاً وليس مجرد يحفظ البيانات، استخدموا طريقة اختبار ذكية. فقد قسموا البيانات إلى مجموعات بناءً على المجتمعات، وليس الأفراد. وهذا يعني أنه عند اختبار الحاسوب، كان عليه التنبؤ بعادات الفحص للنساء من مجتمعات لم يسبق له رؤيتها من قبل. وقد منع هذا النموذج من استخدام المعرفة المحلية التي لا ينبغي أن يمتلكها.

أدى نموذج الحاسوب أداءً جيداً إلى حد ما، حيث ميز بشكل صحيح بين النساء اللواتي من المرجح أن يخضعن للفحص واللواتي لن يخضعن، بقيمة (AUC) تتراوح بين 0.71 و0.73. وكانت أهم العوامل التي تقود هذه التنبؤات هي التعليم والثروة. فالنساء ذوات التعليم العالي والثروة الأكبر تم التنبؤ باستمرار بأن معدلات فحصهن ستكون أعلى. كما لعب العمر دوراً، حيث كانت النساء الأكبر سناً في المجموعة أكثر عرضة للفحص قلي بالقدر الطفيف. ومن المثير للاهتمام أن المنطقة التي تعيش فيها المرأة كانت أقل أهمية بمجرد أخذ تعليمها وثروتها في الاعتبار. وهذا يشير إلى أن السبب في أن بعض المناطق تبدو مختلفة على الخريطة هو إلى حد كبير أن الناس الذين يعيشون هناك لديهم مستويات مختلفة من التعليم والدخل، بدلاً من أن يكون للمنطقة نفسها صفة فريدة غير مفسرة.

كما بحثت الدراسة في مدى عدم المساواة في الوصول إلى الفحص. وعندما حسبوا الفجوة بين الأغنياء والفقراء، وجدوا تحولاً مفاجئاً اعتماداً على كيفية قياسها. فبالنسبة لسرطان عنق الرحم، بدت الفجوة ضخمة لأن عدد النساء اللواتي يخضعن للاختبار بشكل عام كان قليلاً جداً، مما جعل الأغنياء يبدون في ميزة هائلة. ومع ذلك، عندما عدل الباحثون الحسابات لأخذ حقيقة أن الأرقام الإجمالية كانت منخفضة جداً في الاعتبار، تغيرت الصورة. فقد اقترحت الأرقام المعدلة أن الفجوة في فحوصات الثدي كانت في الواقع أكثر تركيزاً بين النساء الثريات مقارنة بفحوصات عنق الرحم. بعبارة أخرى، بينما يميل كلا النوعين من الخدمات نحو الأغنياء، فإن عدم المساوا_ة في فحص الثدي أكثر انغلاقاً حول النساء الأكثر ثراءً.

رغم هذه النتائج المفصلة، يحرص الباحثون على عدم الادعاء بأنهم حلوا المشكلة أو أن خرائطهم جاهزة لتكون دليلاً نهائياً للمسؤولين الصحيين. كان نموذج الحاسوب جيداً في التنبؤ بناءً على التفاصيل الشخصية، لكنه لم يُختبر في مناطق جديدة تماماً خارج بيانات المسح، لذا فقد لا يعمل بشكل مثالي إذا طُبق في أماكن أخرى. كما أن الخرائط التي تظهر البقع الساخنة والباردة عوملت كدراسة استكشافية؛ فهي تشير إلى مناطق الاحتياج المحتمل، لكنها لم تُثبت إحصائياً بأعلى مستوى من اليقين لأن الباحثين لم يطبقوا تصحيحاً صارماً لاختبار العديد من المناطق الصغيرة في وقت واحد. علاوة على ذلك، لم تستطع الدراسة إثبات أن العيش في منطقة فقيرة يتسبب في تخطي المرأة للفحص؛ بل أظهرت فقط أن هذين الأمرين يحدثان معاً.

تكمن القيمة النهائية لهذا العمل في قدرته على إظهار الطبقات الخفية لقضية الصحة العامة. فمن خلال تجاوز المتوسطات الإقليمية الواسعة واستخدام أدوات يمكنها التعامل مع الأنماط المعقدة، أظهر الباحثون أن قصة فحص السرطان في غانا أكثر دقة وتفصيلاً من مجرد تقسيم بسيط بين الشمال والجنوب. لقد أثبتوا أنه بينما تعد الثروة والتعليم المحركين الأساسيين لمن يخضع للفحص، فإن هذه العوامل ليست موزعة بالتساوي عبر المشهد. فهناك مجتمعات محددة، حتى داخل المناطق الأكثر ثراءً، يتم تهميشها، وهناك جيوب محددة في المناطق الأفقر تحقق نتائج أفضل مما هو متوقع. يوفر هذا المستوى من التفصيل طريقة جديدة للتفكير في توجيه الموارد، مما يشير إلى أن المخططين الصحيين قد يحتاجون إلى النظر في التركيبة المحددة للمجتمعات الصغيرة بدلاً من مجرد متوسط منطقة كبيرة. وتعتبر الدراسة بمثابة إثبات مفهوم لإمكانية الجمع بين الخرائط المكانية وأدوات التنبؤ الحديثة للكشف عن التفاصيل الدقيقة لعدم المساواة الصحية، مما يقدم رؤية أوضح، وإن كانت لا تزال غير مكتملة، لمكان الحاجة الماسة للمساعدة.