ICU Mortality and LOS Prediction Models Using Machine Learning Based on Both Real and Synthetic Data

ملخص تقني: نماذج التنبؤ بوفيات وحدة العناية المركزة ومدة الإقامة باستخدام التعلم الآلي بناءً على بيانات حقيقية واصطناعية

بيان المشكلة
إن تطوير نماذج تعلم آلي (ML) دقيقة لنتائج وحدات العناية المركزة (ICU) في البيئات ذات الموارد المحدودة، وتحديداً في إثيوبيا، يعوقه تحديان رئيسيان: ندرة بيانات التدريب عالية الجودة، وعدم التوازن الشديد في الفئات. في المجموعة المدروسة المكونة من 10,669 مريضاً من خمس مستشفيات عامة إثيوبية، بلغت نسبة الوفيات 13.9% فقط، مما خلق عدم توازن شديداً يميل عادةً بجعل النماذج منحازة نحو الفئة الأكثر شيوعاً (البقاء على قيد الحياة). علاوة على ذلك، غالباً ما تكون مؤشرات الخطورة القياسية (مثل SAPS-II وSOFA) غير قابلة للتطبيق في هذا السياق بسبب عدم توفر اختبارات معملية محددة (مثل غازات الدم الشرياني أو البيليروبين) والقيود المتعلقة بالموارد التي تؤثر على التدخلات في الوقت المناسب. وبينما تتفوق بنيات التعلم العميق (مثل المحولات Transformers وTCNs) في البيئات عالية الموارد ذات البيانات السلاسل الزمنية الكثيفة، إلا أنها محدودة في البيئات التي تكون فيها البيانات شحيحة، وجدولة (tabular)، وغالباً ما تعتمد على الورق. تعالج هذه الدراسة الحاجة إلى أدوات تنبؤية تعمل بفعالية ضمن هذه البيئات المقيدة بالبيانات.

المنهجية
استخدمت الدراسة تصميماً تجريبياً مقارناً استرجاعياً باستخدام بيانات من خمس مستشفيات عامة في إثيوبيا (التقويم الإثيوبي 2013–2016). تضمنت مجموعة البيانات 10,669 سجلاً لبالغين في وحدات العناية المركزة تشمل الديموغرافيا، العلامات الحيوية، النتائج المختبرية، والنتائج النهائية.

1. معالجة البيانات وموازنتها:

   • تم استبعاد السجلات التي تحتوي على فقدان بنسبة >20% في الحقول الإدارية الرئيسية.
   • تم تعويض القيم العددية المفقودة بالوسيط (median)، والقيم الفئوية بالمنوال (mode).
   • لمعالجة عدم توازن الفئات، تم استخدام أخذ عينات فرعية من الفئة الأكثر شيوعاً (الناجين)، مما أدى إلى إنشاء مجموعة تدريب متوازنة تضم 2,942 مريضاً (50% وفيات). أدت هذه العملية إلى استبعاد 7,631 سجلاً أصلياً.
   • تم تحديد القيم المتطرفة عند الشريحتين المئويتين الأولى والـ 99، وتم ترميز القيم الفئوية (label-encoding).

2. توليد البيانات الاصطناعية:
   تم تقييم ثلاث خوارزميات متميزة لتوليد بيانات اصطناعية لتعزيز مجموعة البيانات الحقيقية:

   • SMOTE-NC (تقنية الإفراط في أخذ العينات لتقليل الفئة الاسمية والمستمرة): استخدمت الاستيفاء الخطي بين حالات الأقلية الموجودة وأقرب جيرانها (k-nearest neighbors). وهي تتميز بالكفاءة الحسابية (2.1 ثانية) والقدرة على التكرار الحتمي (deterministic).
   • CTGAN (شبكة خصومية توليدية للبيانات الجدولية المشروطة): بنية تعتمد على مولد ومميز مصممة للتوزيعات الجدولية المعقدة وغير الخطية. وهي مكثفة حسابياً (187.4 ثانية) وعشوائية (stochastic).
   • المشفّر التلقائي المتغير (VAE): نموذج متغير كامن احتمالي. وقد واجه صعوبة في التعامل مع أنواع البيانات المختلطة في هذا التنفيذ المحدد، مما أدى إلى أداء ضعيف.

3. التصميم التجريبي:
   تم تدريب النماذج تحت ثلاثة تكوينات:

   • البيانات الحقيقية فقط (RO): التدريب حصرياً على البيانات الحقيقية.
   • البيانات الاصطناعية فقط (SO): التدريب حصرياً على البيانات الاصطناعية.
   • الهجين (HY): التدريب على مزيج من 80% بيانات حقيقية و20% بيانات اصطناعية.

4. خوارزميات التعلم الآلي:
   تم اختبار ثلاث خوارزميات لكل من التصنيف (الوفاة) والانحدار (مدة الإقامة - LOS):

   • الانحدار اللوجستي (النموذج المرجعي/Baseline)
   • الغابة العشوائية (Random Forest)
   • XGBoost

5. التحقق من الصحة:
   استُخدم تقسيم (hold-out) طبقي بنسبة 80/20، حيث عُزلت مجموعة الاختبار (n=589) حتى التقييم النهائي. تم تقييم الأداء باستخدام الدقة (Accuracy)، ودرجة F1، والمساحة تحت المنحنى (AUC) للوفيات، ومتوسط الخطأ المطلق (MAE) ومعامل التحديد (R²) لمدد الإقامة (LOS). تم التحقق من الاستقرار عبر 5×5 من التحقق المتقاطع الطبقي المتكرر.

النتائج الرئيسية

• جودة البيانات الاصطناعية:

  • أظهرت CTGAN تفوقاً في المنفعة اللاحقة، حيث حققت دقة 91.7% على مجموعة اختبار حقيقية (مقابل 86.4% لـ SMOTE-NC)، رغم أنها تطلبت وقتاً أطول بكثير للتدريب.
  • فشلت VAE في إنتاج قوة تنبؤية (دقة 51.6%، وهي مماثلة للتخمين العشوائي) واستُبعدت من التجارب الهجينة اللاحقة.
  • قدمت SMOTE-NC توازناً عملياً بين الحفاظ على الارتباط والكفاءة الحسابية.

• التنبؤ بالوفاة:

  • تفوقت النماذج الهجينة باستمرار على النماذج التي تعتمد على البيانات الحقيقية فقط أو الاصطناعية فقط.
  • كان النموذج الأفضل أداءً هو CTGAN + XGBoost في التكوين الهجين، حيث حقق دقة قدرها 0.998 (فاصل ثقة 95%: 0.995–1.000)، ودرجة F1 بلغت 0.996، وAUC بلغ 0.99.
  • حقق نموذج SMOTE-NC + Random Forest أيضاً دقة عالية بلغت (0.996).
  • ملاحظة: يحذر المؤلفون صراحة من أن أرقام الدقة العالية هذه تعتمد على مجموعة اختبار متوازنة اصطناعياً (50% وفيات) ولا تعكس توزيع الفئات في العالم الحقيقي.

• التنبؤ بمدة الإقامة (LOS):

  • حقق نموذج CTGAN + XGBoost في التكوين الهجين أفضل أداء بمتوسط خطأ مطلق (MAE) قدره 4.08 أيام (فاصل ثقة 95%: 3.58–4.67) ومعامل تحديد (R²) قدره 0.601.
  • تفوق CTGAN + Random Forest المدرب على البيانات الاصطناعية فقط بشكل مفاجئ على النماذج المرجعية للبيانات الحقيقية (MAE 3.76 أيام)، مما يشير إلى أن CTGAN نجحت في الحفاظ على الأنماط الزمنية ذات المعنى السريري.

• أهمية الميزات:

  • برزت الأكسجة (Oxygenation) كأهم مؤشر تنبؤي. كانت متطلبات الأكسجين (r = 0.327) وتشبع الأكسجين (SpO2) (r = 0.299) هما أعلى الميزات ترتيباً.
  • أظهر الهيموجلوبين ارتباطاً ضئيلاً جداً بالوفاة (r = -0.023، المرتبة 15/19).
  • لم يكن العمر مؤشراً ذا دلالة إحصائية (p = 0.39).
  • أكد تحليل SHAP أن متغيرات الأكسجة تقود مخاطر الوفاة أكثر من الهيموجلوبين أو العمر في هذه المجموعة المحددة.

الأهمية والادعاءات
يدعي البحث أنه يقدم ثلاث مساهمات رئيسية:

1. الأداء المقارن: يقدم مقارنة منهجية لنماذج التعلم الآلي عبر تكوينات البيانات الحقيقية والاصطناعية والهجينة في سياق إثيوبي ذي موارد محدودة.
2. المتنبئات الخاصة بالسياق: يحدد المتنبئات السريرية الخاصة بسياق وحدات العناية المركبة في إثيوبيا، لا سياً من خلال تسليط الضوء على الأكسجة كعامل حاسم، مع التشكيك في أهمية الهيموجلوبين والعمر كما ورد في دراسات أخرى.
3. تطوير نموذج أولي: تم تطوير نموذج أولي تفاعلي باستخدام Streamlit لتصور رؤى النماذج، وأهمية الميزات، وسيناريوهات "ماذا لو" لأصحاب المصلحة في الرعاية الصحية.

يؤكد المؤلفون أن النمذجة الهجيبة (التي تجمع بين البيانات الحقيقية والاصطناعية) هي حل قابل للتطبيق لإنشاء نماذج تنبؤ فعالة في البيئات المحدودة الموارد حيث تكون البيانات شحيحة وغير متوازنة. ويجادلون بأن تعزيز البيانات الاصطناعية يمكن أن يحسن التمييز في النماذج دون إدخال انحياز كبير، بشرما تم التحقق من طريقة التوليد (مثل CTGAN أو SMOTE-NC) من حيث المنفعة اللاحقة.

التواضع والقيود
تحافظ الورقة على نبرة متواضعة فيما يتعلق بالجاهزية السريرية:

• حالة التحقق: تعتمد النتائج على التحقق الداخلي (بيانات استرجاعية من خمس مستشفيات). يذكر المؤلفون صراحة أن الدقة العالية (99.5%) قد تكون متفائلة بسبب الموازنة الاصطناعية لمجموعة الاختبار وعدم وجود تحقق خارجي من مؤسسات أخرى.
• المنفعة السريرية: يوصف النموذج الأولي بأنه "إثبات مفهوم" (proof-of-concept) لأغراض العرض البحثي وتوليد الفرضيات فقط. وهو ليس معتمداً للاستخدام السريري ولا ينبغي أن يوجه قرارات رعاية المرضى.
• التعميم: النتائج خاصة بالمستشفيات العامة الثالثية في إثيوبيا، ولا ينبغي تعميمها على المستشفيات الخاصة أو المرافق الريفية أو دول أخرى دون إعادة معايرة وتحقق خارجي.
• السببية: يوضح المؤلفون أن قيم SHAP وأهمية الميزات تشير إلى الارتباط وليس السببية. فالعلاقات الملحوظة (مثل العلاقة بين SpO2 والوفاة) تتأثر بعوامل مربكة مثل الوقت المستغرق للتدخل وتوافر الموارد.

تخلص الدراسة إلى أنه بينما يظهر تعزيز البيانات الاصطناعية وعداً للتغلب على ندرة البيانات، فإن التحقق الخارجي المستقبلي وتجارب علم التنفيذ هما شرطان أساسيان قبل أي نشر سريري.