Development and Validation of a Machine Learning-Based Model to Predict the Need for Intra-Aortic Balloon Pump Support After Coronary Artery Bypass Grafting in Patients with Heart Failure with Mildly Reduced Ejection Fraction
طورت هذه الدراسة وصادقت على نموذج تعلم آلي قائم على خوارزمية XGBoost باستخدام متغيرات ما قبل الجراحة وأثناء الجراحة للتنبؤ بدقة بالحاجة إلى دعم بمضخة البالون داخل الأبهر لدى مرضى فشل القلب الذين يعانون من انخفاض طفيف في الكسر القذفي بعد عملية مجازة الشريان التاجي، وذلك للمساعدة في التصنيف المبكر للمخاطر واتخاذ القرارات السريرية.
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
تخيل القلب البشري كمحرك قوي وإيقاعي يحافظ على تشغيل مدينة الجسم. أحياناً، يصبح هذا المحرك بطيئاً بعض الشيء، ليس معطلاً تماماً ولكنه لا يعمل بكامل سرعته أيضاً. في العالم الطبي، تُسمى هذه الحالة "الوسطية" بـ "فشل القلب مع انخفاض طفيف في الكسر القذفي" (HFmrEF). الأمر يشبه سيارة لا تزال تقود ولكنها تعاني في المرتفعات الشديدة؛ فهي ليست تعطلاً كاملاً، لكنها بالتأสัย ليست تعمل بسلاسة. عندما يحتاج الأطباء لإجراء جراحة كبرى لإصلاح خطوط الوقود لهذا المحرك — والمعروفة باسم "مجازة الشريان التاجي" (CABG) — فإنهم يواجهون سؤالاً صعباً: هل سيكون المحرك ضعيفاً جداً بحيث لا يتحمل إجهاد العملية؟
ولمساعدة المحرك على التعافي، يستخدم الجراحون أحياناً مساعداً ميكانيكياً يسمى "مضخة البالون داخل الأبهر" (IABP). فكر في الـ IABP كأنه مقعد تعزيز عالي التقنية ومؤقت للقلب. فهو ينتفخ وينكمش بإيقاع مثالي مع ضربات القلب ليعطيه دفعة إضافية، مما يضمن استمرار تدفق الدم إلى الدماغ والأعضاء بينما يرتاح القلب ويتعافى. التحدي الكبير يكمن في معرفة من يحتاج إلى مقعد التعزيز هذا قبل بدء الجراحة. إذا أخطأت في التقدير، فقد تترك قلباً يكافح دون مساعدة، أو تهدر مورداً ثميناً على قلب لا يحتاجه. وهنا يأتي دور علم التنبؤ، محاولاً تحويل التخمين إلى توقع محسوب.
قصة البلورة السحرية لجراحات القلب
في هذه الدراسة، قرر فريق من الباحثين من بكين وشنيانغ بناء بلورة سحرية رقمية. أرادوا إنشاء برنامج كمبيوتر خاص — نموذج تعلم آلي — يمكنه النظر إلى البيانات الصحية للمريض قبل الجراحة والتنبؤ بدقة عالية ما إذا كان سيحتاج إلى ذلك المعزز الميكانيكي (الـ IABP) بعد العملية. لقد ركزوا تحديداً على مجموعة المرضى "الوسطية" (HFmrEF)، لأن الأطباء لم يكن لديهم حتى الآن وسيلة جيدة للتنبؤ بمخاطرهم.
كيف بنوا الآلة
جمع الباحثون بيانات من 712 مريضاً خضعوا لجراحة مجازة الشريان التاجي بين عامي 2019 و2022. كان الأمر يشبه تجميع أحجية ضخمة حيث كل قطعة هي تفصيل صغير عن المريض: عمرهم، ضغط دمهم، كمية الدم التي فقدوها أثناء الجراحة، مدة العملية، وحتى مادة كيميائية في دمهم تسمى "اللاكتات".
ولإيجاد قطع الأحجية الأكثر أهمية، لم يعتمدوا على التخمين فحسب، بل استخدموا محققين رقميين فائقين الذكاء: أحدهما يسمى LASSO والآخر يسمى Boruta. قامت هذه الخوارزميات بتمشيط البيانات للعثور على القرائن المحددة التي تهم حقاً. وقد وجدوا أن سبعة عوامل كانت بمثابة "المفاتيح الذهبية" للتنبؤ:
- اللاكتات قبل الجراحة: وهو مقياس لمدى الإجهاد الذي تتعرض له أنسجة الجسم قبل الجراحة.
- ضغط الدم: سواء الرقم العلوي (الانقباضي) أو السفلي (الانبساطي).
- قوة ضخ القلب: وهي "الكسر القذفي للبطين الأيسف" (LVEF)، وهي النسبة المئوية للدم التي يضخها القلب مع كل نبضة.
- مدة الجراحة: كم استغرقت العملية.
- فقدان الدم: كمية الدم التي فُقدت أثناء الإجراء.
- "الأنبوب الذهبي": ما إذا كان الجراحون قد استخدموا شرياناً معيناً من الصدر (الشريان الثديي الداخلي الأيسف، أو LIMA) لإعادة بناء خطوط وقود القلب.
السباق الكبير
بمجرد حصولهم على هذه القرائن، لم يكتفِ الباحثون باختيار طريقة واحدة لحل الأحجية. بل أدخلوا "سباق روبوتات"، حيث قاموا بتدريب ثمانية أنواع مختلفة من خوارزميات التعلم الآلي (بما في ذلك الانحدار اللوجستي، والغابة العشوائية، وXGBoost) لمعرفة أي منها يمكنه التنبؤ بالحاجة إلى مضخة البالون بشكل أفضل.
الفائز في السباق كان XGBoost. لقد كان المتنبئ الأكثر دقة، حيث حقق درجة (تسمى AUC) بلغت 0.836 عند اختباره على البيانات التي تعلم منها. ولو وضعت ذلك في الاعتبار، فإذا كانت رمية العملة المعدنية هي 0.5 (حظ محض) والبلورة السحرية المثالية هي 1.0، فإن هذا الروبوت كان أقرب بكثير إلى المثالية من مجرد الحظ. وعندما اختبروه على مجموعة جديدة من المرضى لم يسبق له رؤيتها (مجموعة التحقق)، ظل أداؤه جيداً بدرجة بلغت 0.733.
ما تعلمه الروبوت
لم يرد الباحثون مجرد "صندوق أسود" يعطي الإجابات؛ بل أرادوا معرفة لماذا اتخذ الروبوت خياراته. باستخدام أداة تسمى SHAP (والتي تعمل مثل عدسة مكبرة لعقل الروبوت)، اكتشفوا العوامل الأكثر تأثيراً:
- كانت مستويات اللاكتات المرتفعة وضغط الدم المنخفض قبل الجراحة علامات تحذير قوية على أن المريض سيحتاج إلى المعزز.
- كما أن أوقات الجراحة الطويلة وفقدان الدم الأكبر دفعا التنبؤ نحو الحاجة إلى المساعدة.
- ومن المثير للاهتمام، أن استخدام شريان LIMA (الأنبوب الذهبي) كان عاملاً وقائياً. فالمرضى الذين حصلوا على هذا النوع المحدد من المجازة كانوا أقل عرضة للحاجة إلى مضخة البالون، مما يشير إلى أن هذه التقنية الجراحية تساعد القلب على تحمل الإجهاد بشكل أفضل.
الخلاصة
تشير الدراسة إلى أن نموذج XGBoost هذا هو أداة جديدة قوية للأطباء. فمن خلال النظر في البيانات الروتينية مثل ضغط الدم، ومستويات اللاكتات، ونوع الجراحة المخطط لها، يمكن للنموذج تحديد المرضى المعرضين للخطر في وقت مبكر. وهذا يسمح للجراحين بتجهيز المعزز الميكانيكي مسبقاً أو استخدام عناية إضافية أثناء العملية، مما قد ينقذ الأرواح ويحسن التعافي.
ومع ذلك، يوضح المؤلفون بحذر أن هذه الأداة هي أداة "استرشادية" تعتمد على بيانات من مستشفى واحد في الصين. وبينما قدم الروبوت أداءً مثيراً للإعجاب في اختباراتهم، فإنه لا يزال بحاجة إلى الاختبار في العديد من المستشفيات المختلفة حول العالم لإثبات فاعليته للجميع. أما الآن، فهو يقف كبوصلة واعدة جديدة للإبحار في المياه الصعبة لجراحات القلب لدى المرضى الذين يعانون من انخفاض طفيف في قوة القلب.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.