Machine Learning–Based Identification of Drug-Resistant Pathogen Infection in Patients With Sepsis: A Multicenter Cohort Study
تُظهر هذه الدراسة الأترابية متعددة المراكز أن نماذج تعلم الآلة القابلة للتفسير، والتي تستخدم متغيرات وحدة العناية المركزة المبكرة المتاحة روتينياً، يمكنها التنبؤ بدقة بخطر الإصابة بعدوى كائنات حية دقيقة محددة مقاومة للأدوية المتعددة (MRSA وVRE وCRPA) لدى المرضى المصابين بتعفن الدم، مما يوفر أداة محتملة للتصنيف المبكر للمخاطر لتوجيه العلاج بالمضادات الحيوية التجريبي.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
المحقق الرقمي في وحدة العناية المركزة
تخيل وحدة العناية المركزة في المستشفى كغرفة تحكم عالية المخاطر، حيث يقاتل المرضى من أجل حياتهم ضد عدو خفي: العدوى. عندما يصل مريض مصاب بتعفن الدم (Sepsis) — وهو رد فعل خطير وشامل للجسم تجاه العدوى — يتعين على الأطباء اتخاذ قرار في أجزاء من الثانية. إنهم بحاجة إلى البدء في إعطاء مضادات حيوية قوية فوراً، لكنهم لا يعرفون بعد بالضبط أي جراثيم هي التي تهاجم المريض. الأمر يشبه محاولة إصلاح محرك سيارة دون معرفة ما إذا كانت المشكلة في إطار مثقوب، أو شمعة احتراق مكسورة، أو محرك غمرته المياه. إذا أخطأوا في التخمين واستخدموا الدواء الخاطئ، فقد تسوء حالة المريض، أو قد تتعلم الجرثومة كيفية المقاومة، لتصبح "بكتيريا خارقة" (Superbug) لا يستطيع أي عقار قتلها.
هنا يأتي دور التعلم الآلي، ليعمل مثل محقق رقمي فائق الذكاء. فبدلاً من الاعتماد على دليل واحد، يقوم هذا المحقق بمسح آلاف النقاط البيانية الصغيرة من اليوم الأول للمريض في المستشفى — أشياء مثل معدل ضربات القلب، وكيمياء الدم، وكمية الأكسجين التي يحتاجها. والهدف هو رصد الأنماط الخفية التي تصرخ: "هذا المريض على الأرجح يقاتل بكتيريا خارقة!" قبل حتى أن تظهر نتائج المختبر. تستكشف الورقة البحثية التي ستطالعها الآن ما إذا كان هؤلاء المحققون الرقميون قادرين بالفعل على حل قضية ثلاث بكتيريا خارقة محددة وصعبة العلاج، وهي: MRSA و VRE و CRPA.
الورقة البحثية: هل تستطيع الحواسيب رصد البكتيريا الخارقة قبل المختبر؟
في هذه الدراسة، قام فريق من الباحثين ببناء مجموعة من المحققين الرقميين لمساعدة الأطباء في وحدة العناية المركزة. أرادوا معرفة ما إذا كان بإمكانهم التنبؤ، فور وصول المريض، بما إذا كان من المرجح أن يكون مصاباً بواحد من ثلاثة أنواع من "البكتيريا الخارقة" سيئة السمعة: المكورات العنقودية الذهبية المقاومة للميثيسيلين (MRSA)، والمكورات المعوية المقاومة للفانكومايسين (VRE)، أو الزائفة الزنجارية المقاومة للكاربابينيم (CRPA). هذه هي "الوحوش الزعيمة" في عالم البكتيريا — وهي جراثيم تعلمت كيف تتجاهل معظم المضادات الحيوية القياسية.
لم يعتمد الباحثون على التخمين فحسب؛ بل قاموا بتدريب نماذج الذكاء الاصطناي الخاصة بهم على مجموعة بيانات ضخمة. لقد نظروا في سجلات 45,141 مريضاً بالغاً تم إدخالهم إلى وحدات العناية المركزة في قاعدتي بيانات ضخمتين مختلفتين (eICU و MIMIC-IV). وركزوا فقط على أول 24 ساعة من إقامة المريض، باستخدام بيانات تُجمع بشكل روتيني، مثل العلامات الحيوية ونتائج فحوصات الدم. ومن الأهمية بمكان أنهم تأكدوا من أن الذكاء الاصطناعي لم "يغش" عبر النظر إلى معلومات من المستقبل، مثل مدة بقاء المريض في المستشفى أو ما حدث بعد اليوم الأول.
النتائج: لقد كان الذكاء الاصطناعي جيداً جداً في اللعبة
بعد تدريب النماذج، اختبر الباحثون هذه النماذج على مجموعة جديدة من المرضى لم يسبق للذكاء الاصطناعي رؤيتهم من قبل. كانت النتائج واعدة؛ حيث استطاعت نماذج الذكاء الاصطناعي التمييز بين المرضى المصابين بهذه البكتيريا الخارقة وغير المصابين بها بدقة عالية.
- بالنسبة لـ MRSA، كانت درجة دقة النموذج (المسماة AUROC) هي 0.82.
- بالنسبة لـ VRE، سجلت 0.85.
- بالنسبة لـ CRPA، سجلت 0.82.
ولوضع هذه الأرقام في سياقها، فإن درجة 0.5 تشبه رمي قطعة نقدية (احتمالية 50/50)، بينما 1.0 تعني الكمال. تشير هذه الدرجات إلى أن الذكاء الاصطناعي يؤدي بشكل أفضل بكثير من مجرد رمي قطعة نقدية، حيث يرصد بفعالية أنماط "البكتيريا الخارقة" في البيانات.
"لماذا": ما هي الأدلة التي استخدمها الذكاء الاصطناعي؟
أحد الأجزاء الأكثر إثارة في هذه الدراسة هو أن الباحثين لم يتركوا الذكاء الاصطناعي يعمل كـ "صندوق أسود" (مجهول العمليات). لقد استخدموا أداة خاصة تسمى SHAP لإلقاء نظرة داخل عقل المحقق لمعرفة لماذا قدم تخميناته. وتبين أن الذكاء الاصطناعي بحث عن أدلة محددة للغاية مرتبطة بكل نوع من الممرضات:
- بالنسبة لـ MRSA، ركز الذكاء الاصطناي اهتمامه على عدد الخلايا اليوزينية (نوع من خلايا الدم البيضاء)، ومستويات الأكسجين (PaO2)، وعدد الصفائح الدموية.
- بالنسبة لـ VRE، ركز على الفبرينوجين (بروتين تجلط الدم)، وعدد الخلايا اللمفاوية، ومستويات ثاني أكسيد الكربون (PaCO2).
- بالنسبة لـ CRPA، كانت الإشارات الرئيسية هي مستويات البوتاسيوم، والكوليسترول الضار (LDL)، وعدد الخلايا اللمفاوية.
الأمر كما لو أن الذكاء الاصطناعي تعلم أن MRSA تترك "بصمة" محددة في الدم تتعلق بالأكسجين والصفائح الدموية، بينما تترك VRE بصمة مختلفة تتعلق بالتجلط وثاني أكسيد الكربون.
اختبار الواقع: ليس عصا سحرية بعد
رغم أن النتائج مثيرة، إلا أن المؤلفين حذرون من إعلان النصر الآن. فقد أشاروا إلى أن هذه البكتيريا الخارقة كانت نادرة جداً في مجموعة البيانات الخاصة بهم، حيث ظهرت بنسبة 1.5% فقط للمرضى المصابين بـ MRSA، و 0.7% لـ VRE، ونسبة ضئيلة جداً بلغت 0.2% لـ CRPA. ولأن "الأشرار" نادرون جداً، يجب أن تكون النماذج دقيقة للغاية لتجنب إطلاق الإنذارات الكاذبة.
كما تسلط الدراسة الضوء على أن هذه النماذج هي حالياً مجرد "محققين رقميين" يعملون في بيئة محاكاة. لقد تم اختبارهم على بيانات تاريخية، لكن لم يتم اختبارهم في مستشفيات حقيقية تعمل بالوقت الفعلي بعد. ويقترح المؤلفون أنه قبل أن تتمكن هذه الأدوات من إخبار الطبيب: "ابدأ هذا المضاد الحيوي المحدد الآن"، فإنها تحتاج إلى التحقق من صحتها في بيئات العالم الحقيقي للتأكد من أنها تعمل عبر مستشفيات مختلفة ولا ترتبك بسبب أنواع جديدة من البيانات.
الخلاصة
تشير هذه الورقة البحثية إلى أن التعلم الآلي يمكن أن يعمل كنظام إنذار مبكر قوي، باستخدام أول 24 ساعة من إقامة المريض في وحدة العناية المركزة لتحديد أولئك المعرضين لخطر الإصابة بالعدوى الخطيرة والمقاومة للأدوية. ومن خلال تحديد "التوقيعات" الخاصة بـ MRSA و VRE و CRPA في فحوصات الدم الروتينية والعلامات الحيوية، يمكن لهذه النماذج أن تساعد الأطباء يوماً ما في اختيار المضادات الحيوية المناسبة بشكل أسرع، مما قد ينقذ الأرواح ويمنع انتشار البكتيريا الخارقة. ومع ذلك، فإن الرحلة من برنامج حاسوبي إلى أداة مستشفى لا تزال مستمرة، وهناك حا perlu لمزيد من الاختبارات لضمان جاهزية هؤلاء المحققين الرقميين للعالم الحقيقي.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.