Machine Learning Based Detection of Chronic Kidney Disease using Full Blood Count from a Ghanaian Hospital Population with an Integrated Web Application
تُظهر هذه الدراسة أنه في حين يمكن لنماذج تعلم الآلة التي تستخدم بيانات تعداد الدم الكامل اكتشاف مرض الكلى المزمن لدى سكان غانا، إلا أن أداءها المُبلغ عنه يعتمد بشكل حاسم على قرارات المعالجة المسبقة، حيث أدى التطبيق غير السليم لتقنية SMOTE إلى تضخيم الدقة بمقدار 22.4 نقطة مقارنة ببروتوكول التحقق المتقاطع الصارم، مما أدى إلى نشر الأداة الإلكترونية القابلة للتفسير NephroScan GH.
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
غالباً ما يتطور مرض الكلى المزمن بصمت، مسبباً ضرراً قبل وقت طويل من شعور الشخص بالمرض بما يكفي لطلب المساعدة. وفي أجزاء كثيرة من العالم، يتطلب تأكيد هذا المرض فحوصات متخصصة للدم والبول يمكن أن تكون مكلفة أو ببسال غير متوفرة في العيادات المحلية. ومع ذلك، تجري المستشفيات في هذه المناطق بشكل متكرر فحصاً أكثر شيوعاً وأقل تكلفة بكثير يسمى "تعداد الدم الكامل". يقيس هذا الاختبار القياسي عدد وحجم خلايا مختلفة في الدم، مثل الخلايا الحمراء التي تحمل الأكسجين، والخلايا البيضاء التي تحارب العدوى، والصفائح الدموية التي تساعد على تجلط الدم. ولأن هذه الاختبارات تُجرى بالفعل لأسباب أخرى، تساءل الباحثون عما إذا كانت المعلومات الكامنة داخلها يمكن أن تعمل كنظام إنذار مبكر لمشاكل الكلى، مما قد ينقذ الأرواح عبر رصد المرض قبل أن يصبح حاداً.
وضع فريق من الباحثين في غانا هدفاً لاختبار هذه الفكرة باستخدام بيانات من مرضى في مستشفى بمدينة هو (Ho). أرادوا معرفة ما إذا كان بإمكانهم استخدام خوارزميات الكمبيوتر لرصد أنماط في تعداد خلايا الدم تميز الأشخاص المصابين بمرض الكلى عن غير المصابين به. كان التحدي يكمن في أن المرض كان نادراً نسبياً في مجموعتهم من المرضى، مما جعل من الصعب على الكمبيوتر تعلم الفرق دون أن تخدعه حالة عدم التوازن. ولحل هذه المشكلة، جرب الباحثون طريقتين مختلفتين لتجهيز البيانات للكمبيوتر. إحدى الطريقتين كانت صارمة وحذرة، حيث تضمن عدم رؤية الكمبيوتر للمرضى الخاضعين للاختبار إلا عندما يكون مستعداً لإجراء تنبؤ نهائي. أما الطريقة الأخرى فكانت أكثر هجومية، حيث قامت بإنشاء أمثلة اصطناعية للمرض النادر لمساعدة الكمبيوتر على التعلم بشكل أسرع، ولكن مع المخاطرة بأن يقوم الكمبيوتر بمجرد حفظ حالات الاختبار بدلاً من تعلم الأنماط حقاً.
تضمنت الدراسة سجلات لـ 155 مريضاً، 43 منهم يعانون من مرحلة ما من مرض الكلى المزمن. قام الباحثون بتغذية الكمبيوتر بعشر قطع من المعلومات: عمر المريض، وما إذا كان لديه تاريخ من أمراض القلب، وثمانية قياسات محددة من فحص الدم الخاص به. ثم قارنوا مدى كفاءة نماذج الكمبيوتر المختلفة تحت طريلتي التجهيز. عندما استخدم الباحثون الطريقة الصارمة والحذرة، قدمت نماذج الكمبيوتر أداءً متواضعاً؛ حيث حددت المرض بشكل صحيح بنسبة 62 بالمائة تقريباً لدى المرضى الذين لم يسبق رؤيتهم، وهي نتيجة أفضل بالكاد من مجرد التخمين بأن لا أحد مصاب بالمرض. وقد أشار هذا إلى أنه على الرغم من أن فحص الدم يحتوي بالفعل على بعض الإشارات المفيدة، إلا أن الإشارة لم تكن قوية بما يكفي لتكون كاشفاً مثالياً بمفردها.
ومع ذلك، تغيرت النتائج بشكل دراماتيكي عندما استخدم الباحثون الطريقة الأكثر هجومية التي أنشأت أمثلة اصطناعية. فبموجب هذا النهج، حققت نماذج الكمبيوتر مساحة تحت المنحنى (AUC) تقترب من 0.84، حيث حددت الغالبية العظمى من المرضى المصابين بمرض الكلى بشكل صحيح. هذا الاختلاف الصارخ، وهو فجوة تزيد عن 22 نقطة مئوية، كشف عن حقيقة جوهرية حول كيفية إجراء العديد من الدراسات الطبية. وجد الباحثون أن معدلات النجاح العالية المشهودة في العديد من الدراسات الطبية قد تكون مبالغاً فيها لأن الكمبيوتر أُعطي بالخطأ لمحة عن الإجابات أثناء تدريبه. ومن خلال مقارنة الطريقتين جنباً إلى جنب، أظهروا أن قراراً واحداً بشأن كيفية التعامل مع البيانات يمكن أن يغير تماماً النجاح المُبلغ عنه لأداة طبية.
وعلى الرغم من التحذير المنهجي، لم يتوقف الباحثون عند هذا الحد. فقد أخذوا النماذج التي قدمت أفضل أداء تحت الطريقة الهجومية وبنوا موقعاً إلكترونياً بسيطاً ومجانياً يسمى "NephroScan GH". تتيح هذه الأداة للطبيب أو المريض إدخال القيم العشر للدم والحصول فوراً على درجة خطر. صُمم النظام ليكون شفافاً؛ فهو لا يعطي مجرد رقم، بل يشرح بالضبط أي تعداد لخلايا الدم دفع الدرجة للأعلى أو للأسفل. فعلى سبيل المثال، وجد الكمبيوتر أن العمر كان العامل الأقوى، ولكن بين خلايا الدم، كانت تعداد خلايا الدم البيضاء وحجم الصفائح الدموية هي الإشارات الأكثر أهمية، بدلاً من خلايا الدم الحمراء التي تحمل الأكسجين. وهذا منطقي بيولوجياً، حيث يسبب مرض الكلى غالباً التهاباً وتغييرات في كيفية سلوك الصفائح الدموية، بينما تظهر العلامة الكلاسيكية لفقر الدم في الخلايا الحمراء عادة في مراحل لاحقة من المرض فقط.
كما يوفر الموقع الإلكترب خطوة عملية تالية. فبدلاً من مجرد إخبار المستخدم بأنه معرض للخطر، فإنه يوجهه إلى دليل للمستشفيات والمختبرات القريبة حيث يمكنه الحصول على الفحوصات الأكثر تحديداً والأكثر تكلفة اللازمة لتأكيد التشخيص. النظام بأكمله خفيف وسريع، مصمم للعمل على اتصالات الإنترنت الأساسية وأجهزة الكمبيوتر منخفضة التكلفة، مما يجعله مناسباً للبيئات محدودة الموارد حيث تشتد الحاجة إليه. ويؤكد الباحثون أن هذه الأداة ليست تشخيصاً، بل هي تنبيه؛ فهي وسيلة لاستخدام فحوصات الدم الروتينية الرخيصة المتوفرة بالفعل للإشارة إلى الأشخاص الذين يحتاجون إلى مزيد من الرعاية، مما يسد الفجوة بين المسح الأولي والنتيجة الطبية المؤكدة.
تخلص الدراسة إلى أنه على الرغم من أن تعداد الدم الكامل يحمل بالفعل إشارة حقيقية لمرض الكلى، إلا أن قوة تلك الإشارة تعتمد بشدة على كيفية التعامل مع البيانات. لقد أثبت الباحثون أن الأرقام المثيرة للإعجاب التي تظهر غالباً في أوراق التكنولوجيا الطبية يمكن أن تكون أحياناً وهماً ناتجاً عن طريقة تجهيز البيانات. ومن خلال كونهم صادقين بشأن هذه الاختلافات وبناء أداة تتسم بالشفافية وسهولة الوصول، فقد أنشأوا نظاماً يمكنه حقاً مساعدة الأطباء في غانا على تحديد من يحتاج إلى مزيد من الفحص. ويعمل هذا العمل كتذكير بأنه في خضم الاندفاع لبناء أدوات طبية ذكية، فإن الخطوة الأكثر أهمية هي التأكد من أن الكمبيوتر يتعلم من المعلومات الصحيحة، وليس مجرد حفظ إجابات الاختبار.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.