Machine Learning-Supported Efficient VTE Risk Assessment using Routinely Collected Electronic Health Record Data
تُظهر هذه الدراسة أن نماذج تعلم الآلة التي تستخدم بيانات السجلات الصحية الإلكترونية التي تُجمع بشكل روتيني يمكنها دعم تقييم مخاطر الانصمام الخثاري الوريدي في الوقت الفعلي بفعالية ذات صلاحية سريرية تضاهي العوامل المسجلة من قبل الأطباء، مما يقدم حلاً قابلاً للتطبيق لتقليل عبء التوثيق مع الحفاظ على سلامة المرضى.
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
تُعد المستشفيات أماكن تكون فيها دفاعات الجسم في أدنى مستوياتها غالباً. فعندما يُدخل شخص ما لإجراء عملية جراحية أو بسبب مرض خطير، يمكن أن يتباطأ التدفق الطبيعي للدم عبر الأوردة، كما يمكن لاستجابة الجسم للتوتر أن تجعل الدم أكثر عرضة للتجلط. هذه الجلطات، المعروفة باسم الانصمام الخثاري الوريدي، يمكن أن تتكون في الساقين وتنتقل إلى الرئتين، مما يسبب انسداداً يعد من الأسباب الرئيسية للوفيات التي يمكن الوقاية منها في المستشفيات. ولمنع حدوث ذلك، تتطلب الإرشادات الطبية من الأطباء والممرضين فحص كل مريض بالغ عند وصوله؛ إذ يجب عليهم ملء نموذج محدد يطرح سلسلة من الأسئلة حول التاريخ الصحي للمريض، وحالته الراهنة، وقدرته على الحركة. وبناءً على الإجابات، يقرر الفريق الطبي ما إذا كان المريض يحتاج إلى جوارب خاصة، أو أدوية مسيلة للدم، أو كليهما. تهدف هذه العملية إلى أن تكون شبكة أمان، تلتقط المخاطر قبل أن تتحول إلى حالات طوارئ.
ومع ذلك، فإن ملء هذه النماذج هو مهمة يدوية تعتمد على إنسان يقرأ ملفاً طبياً، ويتذكر تاريخ المريض، ثم يكتب الإجابات في جهاز الكمبيوتر. وهذا يخلق فجوة بين ما يعرفه نظام الكمبيوتر في المستشفى بالفعل عن المريض وبين ما يكتبه الطبيب في النموذج. قد يكون لدى الكمبيوتر سجل لعملية جراحية سابقة أو تشخيص لمرض السرطان، ولكن إذا لم يقم الطبيب باختيار تلك العناصر يدوياً في القائمة، سيعامل النظام المريض على أنه أقل خطورة مما هو عليه في الواقع. وقد سأل هذا البحث، الذي أُجري في خمس مستشفيات كبرى في لندن، سؤالاً بسيطاً ولكنه حيوي: هل يمكن لسجلات الكمبيوتر الخاصة بالمستشفى أن تملأ إجابات هذه النماسیفية السلامة تلقائياً، مما يوفر وقت الأطباء ويضمن عدم تفويت أي عوامل خطر؟
فحص الباحثون كمية هائلة من البيانات، حيث درسوا ما يقرب من 580,000 حالة دخول إلى المستشفى على مدار عشر سنوات. ووجدوا أنه بينما كان الأطباء بارعين جداً في ملء النماذج - حيث أكملوها لما يقرب من 97% من المرضى - إلا أن التوقيت كان غالباً غير دقيق. في عام 2015، كان أقل من نصف هذه النماذج قد اكتمل خلال أول 14 ساعة من وصول المريض، وهي نافذة زمنية تقول الإرشادات إنها حاسمة للوقاية من الجلطات. وبحلول عام 2024، تحسن هذا الرقم بشكل ملحوظ ليصل إلى أكثر من 90%، لكن التأخير ظل مشكلة، خاصة للمرضى الذين أُدخلوا لأسباب طبية بدلاً من الجراحة. كما كشفت الدراسة أنه حتى عندما يتم إكمال النماذج، فإن المعلومات المكتوبة فيها لا تتطابق دائماً مع الحقائق المخزنة بالفعل في السجلات الإلكترونية للمستشفى.
وعندما قارن الفريق بين ما كتبه الأطباء في النماذج وبين ما أظهرته سجلات الكمبيوتر، وجدوا نمطاً من التفاصيل المفقودة. فبالنسبة للعوامل الشائعة، مثل كون المريض أكبر من 60 عاماً، اتفق الأطباء والسجلات الإلكترونية في معظم الأحيان. ولكن بالنسبة للمخاطر الأقل شيوعاً ولكنها خطيرة، غالباً ما ينسى الأطباء تدوينها. على سبيل المثال، إذا أُدخل مريض إلى وحدة العناية المركبة، فإن الكمبيوتر يعرف ذلك، لكن الطبيب لا يكتب ذلك في النموذج إلا في حوالي 14% من الحالات. وبالمثل، فإن وجود تاريخ من الجلطات الدموية في العائلة كان مسجلاً في الكمبيوتر للعديد من المرضى، ومع ذلك لم يدوّنه الأطباء في النموذج إلا في حوالي 5% من هؤلاء المرضى أنفسهم. وهذا يعني أن نماذج السلامة كانت تفتقر غالباً إلى القرائن ذاتها التي قد تستدعي العلاجات الوقائية الأكثر أهمية.
ولمعرفة ما إذا كانت هذه المعلومات المفقودة ذات أهمية، تحقق الباحثون مما إذا كانت درجات الخطورة المذكورة في النماذج تتنبأ بالفعل بمن سيصاب بجلطة دموية. ووجدوا أن المرضى المصنفين كمرضى ذوي خطورة عالية في النماذج كانوا بالفعل أكثر عرضة للإصابة بالجلطات من أولئك المصنفين كأصحاب خطورة منخفضة، مما يثبت أن النماذج كانت مفيدة. ومع ذلك، وجدوا أيضاً أنه عندما يكتب الأطباء أنهم أعطوا دواءً مسيلاً للدم، فإن ذلك لا يتطابق دائماً مع سجلات الصيدلية. فأحياناً يكتب الطبيب أنه أعطى عقاراً، بينما يظهر سجل الصيدلية عدم وجود شيء، والعكس صحيح. هذا التضارب جعل من الصعب معرفة مدى جودة حماية النظام الحالي للمرضى.
كان جوهر الدراسة هو إجراء تجربة لمعرفة ما إذا كان بإمكان الكمبيوتر القيام بمهمة الطبيب في ملء النموذج. فقد بنى الباحثون نموذج تعلم آلي، وهو نوع من البرمجيات التي تتعلم من البيانات السابقة، للبحث في السجلات الصحية الإلكترونية واختيار عوامل الخطورة تلقائياً. واختبروا هذا النظام على مجموعة من المرضى وقارنوا أداءه بالنماذج التي ملأها الأطباء بالفعل. وقد استطاع نموذج الكمبيوتر، باستخدام المعلومات المتاحة فقط خلال أول 14 ساعة من الدخول، أن يؤدي بنفس كفاءة الأطباء في التنبؤ بمن سيصاب بجلطة دموية. وفي الواقع، تمكن الكمبيوتر من تحديد نفس المرضى المعرضين للخطر الذين وجدهم الأطباء، ولكنه فعل ذلك باستخدام بيانات كانت موجودة بالفعل في النظام، وهي بيانات غالباً ما أغفلها الأطباء عند ملء النموذج الورقي.
تشير الدراسة إلى أن بيانات المستشفى غنية بما يكفي لدعم فحوصات السلامة هذه دون الحاجة إلى مطالبة الأطباء بإعادة إدخال كل شيء من الصفر. فقد أظهرت نماذج الكمبيوتر قدرتها على إيجاد نفس أنماط الخطورة التي يجدها الممارسون البشريون، وفي بعض الحالات، وجدت عوامل خطورة فاتَت البشر. وخلص الباحثون إلى أن المسار الأفضل للمضي قدماً ليس استبدال الطبيب، بل السماح للكمبيوتر بملء النموذج مسبقاً بالمعلومات التي يعرفها بالفعل. عندها سيقوم الطبيب ببساطة بمراجعة الإجابات المملوءة مسبقاً، وتأكيدها، وإضافة أي تفاصيل جديدة. هذا النهج من شأنه أن يقلل الوقت الذي يقضيه الأطباء في الأعمال الورقية، ويضمن عدم نسيان عوامل الخطورة الحرجة، ويساعد المستشفيات على الالتزام بالموعد النهائي الصارم لتقييمات السلامة البالغ 14 ساعة. ومن خلال استخدام البيانات الموجودة بالفعل، يمكن للمستشفيات جعل شبكات الأمان الخاصة بها أقوى وأكثر موثوقية، مما يضمن وصول الحماية المناسبة إلى المرضى المناسبين في الوقت المناسب.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.