PhysioFusion: A Multi-Modal Ensemble using Static Preoperative Variables and Time Series Intraoperative Data to Predict Adverse Events Following Cardiothoracic Surgery
تُظهر دراسة "Physio Fusion" أن نموذجاً تجميعياً متعدد الأنماط يدمج المتغيرات الساكنة قبل الجراحة مع بيانات السلاسل الزمنية أثناء الجراحة يحقق دقة عالية (المساحة تحت المنحنى 0.87) في التنبؤ بالأحداث الضائرة بعد جراحات القلب والصدر، مما يكشف أنه بينما يعمل نمطا البيانات كبدائل لبعضهما البعض بدلاً من كونهما مكملين، فإن دمجهما يحسن المقايضة بين الحساسية والنوعية لتوفير أداة فحص ذات قيمة تنبؤية سلبية عالية للمرضى المعرضين لمخاطر عالية.
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
عندما يخضع المريض لجراحة كبرى في القلب أو الرئتين، تكون الساعات التي تليها نافذة حرجة حيث يمكن لتعافي الجسم إما أن يستقر أو يتخذ مساراً خطيراً. في وحدة العناية المركزة، تراقب الفرق الطبية باستمرار فيضاً من المعلومات: الإيقاع المنتظم للقلب، وضغط تدفق الدم عبر الأوردة، والتوازن الكيميائي للدم نفسه. لعقود من الزمن، اعتمد الأطباء على لقطات ثابتة لصحة المريض — مثل عمره، أو الحالات المرضية الموجودة لديه، أو نتائج فحوصات الدم التي أُجريت قبل العملية — لتخمين من قد يعاني. ومع ذلك، فإن التغيرات التي تحدث لحظة بلحظة أثناء خضوع المريض للتخدير وأثناء الجراحة نفسها تقدم نوعاً مختلفاً من القصة، قصة تتكشف أحداثها في الوقت الفعلي. وكان السؤال المركزي للباحثين هو ما إذا كان الجمع بين هذين النوعين من المعلومات — الخلفية الثابتة لصحة المريض والبيانات الديناميكية المتغيرة من غرفة العمليات — سيخلق صورة أوضح لمن هم عرضة للخطر، أم أن أحد المصدرين يكفي وحده.
لقد شرع فريق من الباحثين في الإجابة على ذلك من خلال بناء نوع جديد من الأنظمة الحاسوبية المصممة لمراقبة المرضى بعد جراحات الصدر والقلب. أطلقوا على ابتكارهم اسم "PhysioFusion"، وهي أداة تعمل كمراقب شديد الانتباه، قادرة على قراءة التاريخ الطبي الدائم للمريض والبيانات الحية والمتدفقة من جراحته. تم تدريب النظام على مجموعة هائلة من السجلات من جمعية جراح الصدر، والتي تضمنت تفاصيل عن آلاف المرضى. غَذّى الباحثون الحاسوب بتدفقين متميزين من البيانات: قائمة من الحقائق الثابتة حول كل مريض، مثل ما إذا كان لديه تاريخ من فشل القلب أو عدد خلايا الدم البيضاء لديه، وتدفق مستمر من الأرقام من غرفة العمليات، يتتبع أشياء مثل ضغط الدم ووظائف القلب في كل ثانية مع تقدم الجراحة. ولتفسير هذا التعقيد، لم يعتمد الفريق على طريقة واحدة؛ بل بنوا "مجموعة" (ensemble)، وهي مجموعة من النماذج الرياضية المختلفة التي تعمل معاً. صُممت بعض أجزاء النظام لإيجاد أنماط في القوائم الثática، بينما تخصصت أجزاء أخرى في فهم إيقاع وتدفق الإشارات القائمة على الوقت، تماماً كما قد يقرأ الموسيقي النوتة الموسيقية مقابل كيفية ارتجاله على الإيقاع.
كان الهدف هو التنبؤ بالأحداث الضائرة، وهي مضاعفات خطيرة يمكن أن تحدث في وحدة العناية المركزة بعد الجراحة. وعندما اختبر الباحثون نظامهم، وجدوا أنه يمكنه التمييز بين المرضى الذين سيظلون مستقرين وأولئك الذين سيواجهون مضاعفات بدقة عالية. حقق النموذج درجة 0.87 في قدرته على الفصل بين المجموعتين، وهو مستوى من الأداء يشير إلى أنه أداة موثوقة للفحص. لقد كان بارعاً بشكل خاص في تحديد المرضى الذين لن يواجهوا نتيجة سيئة، حيث استبعد بشكل صحيح المضاعفات لدى معظمهم تقريباً. وهذه ميزة حيوية لأداة الفحص، لأنها تمنح الأطباء الثقة بأن المريض المصنف على أنه منخفض المخاطر هو بالفعل في أمان، مما يسمح لهم بتركيز مواردهم الأكثر كثافة على القلة الذين يحتاجون إليها. كما حدد النظام عوامل محددة كانت الأكثر تأثيراً في تنبؤاته، بما في ذلك ما إذا كان المريض يعاني من فشل القلب قبل الجراحة، وما إذا كانت هناك حاجة لجهاز للمساعدة في ضخ الدم أثناء العملية، ومدة استخدام آلة القلب والرئة، ومستوى خلايا الدم البيضاء.
ومع ذلك، جاء الاكتشاف الأكثر إثارة للدهشة عندما اختبر الباحثون نوعي البيانات بشكل منفصل. فقد توقعوا أن دمج البيانات الثابتة من التاريخ الطبي مع إشارات غرفة العمليات الحية سيخلق تنبؤاً فائق القوة يكون أفضل من أي منهما بمفرده. وبدلاً من ذلك، وجدوا أن البيانات الثابتة من التاريخ الطبي للمريض، عند تحليلها بمفردها، أدت أداءً يضاهي النظام المدمج، حيث وصلت إلى نفس الدرجة وهي 0.87. أما الإشارات الحية من غرفة العمليات، عند تحليلها بمفردها، فكانت أقل فعالية قليلاً بنسبة 0.83. يشير هذا الاكتشاف إلى أنه بالنسبة لهذه المجموعة المحددة من المرضى، يعمل هذان النوعان من المعلومات كبدائل بدلاً من شركاء. فالبيانات التفصيلية للحظة بل لحظة من الجراحة لم تضف معلومات جديدة لم تكن موجودة بالفعل في التاريخ الثابت. بدلاً من ذلك، أدى الجمع بينهما ببساطة إلى تغيير التوازن بين رصد كل خطر ممكن وتجنب الإنذارات الكاذبة، مما غير المقايضة بين الحساسية والدقة دون زيادة في إجمالي الإشارة المفيدة.
وكشف مزيد من الاستقصاء في البيانات الحية أنه لم يكن هناك قناة مراقبة واحدة هي بطلة القصة. لم يعتمد النظام على رقم واحد فقط، مثل معدل ضربات القلب أو مستويات الأكسجين. وبينما كانت معدلات ضغط الدم المتوسط وضغط الأوردة المركزية هي القطع الأقل قابلية للاستبدال من المعلومات، أظهر النظام أنه يمكنه العمل دون أن يكون أي إشارة محددة بالذات حاسمة للغاية. تعني هذه المتانة أن الأداة ليست هشة؛ فهي لا تتعطل إذا تعطل أحد أجهزة المراقبة. وتخلص الدراسة إلى أنه بينما يمكن للأنظمة المتقدمة دمج تدفقات البيانات المعقدة، فإن المستشفيات التي تملك فقط وصولاً إلى سجلات المرضين القياسية وبيانات السجلات يمكنها أيضاً تحقيق نفس المستوى العالي من دقة التنبؤ كما هو الحال في تلك التي تمتلك مراقبة كاملة للسلاسل الزمنية. إن العمل يوضح أنه بالنسبة للتنبؤ بالمضاعفات بعد الجراحة في هذا السياق، فإن الفهم العميق للحالة المرضية المسبقة للمريض غالباً ما يكون بقوة مراقبة عقارب الساعة وهي تمر خلال الجراحة نفسها.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.