Predicting Subjective Cognitive Decline on Future BRFSS Survey Years: An Open Multi-Language Machine Learning Benchmark
تقدم هذه الدراسة معياراً مفتوحاً لتعلم الآلة متعدد اللغات باستخدام بيانات نظام مراقبة عوامل الخطر السلوكية (BRFSS)، والذي يُظهر تنبؤاً مستقراً ومعايراً بدقة للتدهور المعرفي الذاتي (SCD) المستقبلي عبر الانقسامات الزمنية، مع تحديد المتنبئات الرئيسية مثل صعوبة اتخاذ القرار من خلال طرق التفسير التقاربية.
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
بالنسبة للكثير من الناس، لا تكون العلامة الأولى على تغير عقولهم نتيجة اختبار طبي، بل هي قلق شخصي هادئ. قد يشعرون بأن ذاكرتهم تتلاشى أو أنهم أكثر ارتباكاً من المعتاد. هذا الشعور، المعروف باسم التدهور المعرفي الذاتي، هو تجربة شائعة بين البالغين، ومع ذلك فمن الصعب دراسته لأنه يعتمد كلياً على ما يقول الشخص إنه يشعر به بدلاً مما يمكن للطبيب رؤيته. وبينما يمكن لهذا الشعور أن يكون أحياناً علامة تحذير مبكرة جداً لحالات خطيرة مثل مرض الزهايمر، إلا أنه يمكن أيضاً أن ينبع من التوتر، أو قلة النوم، أو مشكلات صحية أخرى. ولأن هذا الشعور شخصي للغاية والأسباب متنوعة جداً، فقد كان تتبع هذا الأمر عبر مجموعات كبيرة من الناس تحدياً لمسؤولي الصحة العامة. فهم بحاجة إلى طريقة لفهم من هم الأكثر عرضة للخطر وكيف تتغير هذه المشاعر بمرور الوقت، لكن الأساليب التقليدية غالباً ما تعتمد على مجموعات صغيرة من المرضى أو فحوصات دماغية باهظة الثمن غير متاحة للجميع.
لقد تصدى فريق من الباحثين لهذه المشكلة من خلال بناء نوع جديد من الأدوات الرقمية لتتبع هذه المشاعر في جميع أنحاء الولايات المتحدة. وبدلاً من البحث عن المرضى في المستشفيات، توجهوا إلى مسح هاتفي ضخم ومستمر يسمى "نظام مراقبة عوامل الخطر السلوكية"، والذي يسأل ملايين الأمريكيين عن صحتهم كل عام. أراد الباحثون معرفة ما إذا كان بإمكانهم استخدام الإجابات التي يقدمها الناس عن حياتهم اليومية — مثل شعورهم تجاه صحتهم العامة، أو ما إذا كانوا يواجهون صعوبة في اتخاذ القرارات، أو ما إذا كانوا يعانون من الاكتئاب — للتنبؤ بمن يُحتمل أن يبلغ عن مشاكل في الذاكرة في المستقبل. وللقيام بذلك، أنشأوا برنامجاً حاسوبياً يتعلم من بيانات المسح الماضية لإجراء تنبؤات حول السنوات المستقبلية، وهي طريقة تعمل مثل التنبؤ بالطقس للصحة العامة، باستخدام أنماط اليوم لتخمين اتجاهات الغد.
قسم الباحثون بيانات المسح من عام 2015 إلى عام 2024 إلى ثلاث فترات زمنية متميزة لاختبار نظامهم بشكل عادل. استخدموا السنوات الأولى لتعليم البرنامج الحاسوبي، والسنوات الوسطى للتحقق مما إذا كان يتعلم بشكل صحيح، والسنوات الأخيرة، التي لم يرها البرنامج من قبل، لمعرفة ما إذا كان بإمكانه التنبؤ بما يحدث بالفعل. هذا الفصل الصارم ضمن أن النتائج لم تكن مجرد تخمين محظوظ بناءً على بيانات قديمة. وقد اختبروا نهجهم في مكانين: في جميع أنحاء البلاد، وتحديداً داخل ولاية نيويورك. وفي كلتا الحالتين، قارنوا بين ستة عشر نوعاً مختلفاً من خوارزميات التعلم الحاسوبي للعثور على أفضلها أداءً. لم يكن الهدف هو العثودا إلى إيجاد آلة واحدة مثالية، بل بناء نظام موثوق ومفتوح يمكن للعلماء الآخرين استخدامه وتحسينه.
أظهرت النتتائج أن النماذج الحاسوبية كانت ناجحة تماماً في تحديد الأنماط. فعندما نظر النظام في أحدث البيانات من عامي 2023 و2024، تمكن من التمييز بين الأشخاص الذين أبلغوا عن مخاوف بشأن الذاكرة وأولئك الذين لم يبلغوا عنها بمستوى من الدقة كان ثابتاً عبر مختلف لغات البرمجة والأساليب. لقد كان أداء النماذج جيداً بما يكفي للإيحاء بأنها قد تكون مفيدة للمراقبة الصحية العامة، مما يساعد المسؤولين على رصد الاتجاهات المتزايدة في المخاوف المعرفية قبل أن تتحول إلى أزمة. ومع ذلك، فقد أكد الباحثون بحذر أن هذه الأدوات ليست مصممة لتشخيص الأفراد؛ فالنظام أفضل في تصنيف المجموعات من حيث الخطورة بدلاً من إخبار شخص واحد إذا كان يعاني من مرض معين. كانت الدقة عالية بما يكفي لتكون مفيدة للمراقبة واسعة النطاق، ولكنها لم تكن كافية لتحل محل تقييم الطبيب لمريض واحد.
كان أحد الاكتشافات الأكثر لفتاً للنظر هو مدى اتساق الإشارات عبر الطرق المختلفة. وسواء استخدم الباحثون نموذجاً حاسوبياً معقداً، أو معادلة إحصائية قياسية، أو خريطة بصرية لكيفية ترابط العوامل الصحية المختلفة، فقد برزت نفس الإجابات القليلة كأقوى المؤشرات. كان العامل الأهم بمفرده هو ما إذا كان الشخص قد قال إن لديه صعوبة في اتخاذ القرارات بسبب المشكلات الصحية. فالأشخاص الذين أجابوا بـ "نعم" على هذا السؤال كانوا أكثر عرضة بكثير للإبلاغ عن مشاكل في الذاكرة مقارنة بمن أجابوا بـ "لا". وشملت الإشارات القوية الأخرى كيفية تقييم الشخص لصحتة العامة وما إذا كان يتعامل مع الاكتئاب. تشير هذه النتائج إلى أن الشعور بالتدهور المعرفي مرتبط ارتباطاً وثيقاً بالصحة البدنية والعقلية الشاملة للشخص، بدلاً من كونه عرضاً معزولاً.
كما سلطت الدراسة الضوء على اتجاه متزايد في البيانات. فقد زاد عدد الأشخاص الذين يبلغون عن مشاكل الذاكرة والارتباك بشكل ملحوظ في السنوات الأخيرة من المسح، وخاصة في عامي 2023 و2024. وقد تمكنت النماذج الحاسوبية من تتبع هذا الارتفاع والاستمرار في الفصل بين أولئك الذين لديهم مخاوف ومن ليس لديهم، حتى مع تغير الأرقام الإجمالية. وهذه القدرة على التكيف مع البيانات الجديدة أمر بالغ الأهمية، مما يعني أن الأداة يمكن أن تظل مفيدة حتى مع تغير المشهد الصحي. وقد أتاح الباحثون عمليتهم بالكامل، بما في ذلك الكود والبيانات، للجمهور حتى يتمكن العلماء الآخرون من التحقق من النتائج أو تطبيق نفس الأساليب في مناطق مختلفة.
في نهاية المطاف، يوفر هذا العمل طريقة جديدة للاستماع إلى صوت الجمهور على نطاق واسع. فمن خلال تحويل إجابات المسح البسيطة إلى أداة تنبؤية، أنشأ الباحثون نظاماً يمكنه مساعدة مسؤولي الصحة على فهم نطاق المخاوف المعرفية في جميع أنحاء البلاد. إن هذه الأداة لا تحل لغز سبب شعور الناس بهذا الشعور، ولا تقدم علاجاً، لكنها تقدم صورة واضحة مدفوعة بالبيانات حول من يعاني وكيف تتغير تلك المعاناة بمرور الوقت. إنها تحول مجموعة من المخاوف الفردية إلى خريطة يمكن أن توجه الأبحىث المستقبلية وجهود الصحة العامة، مما يضمن رؤية احتياجات السكان وفهمها مع تطورها.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.