Machine Learning-Based Identification of Key Predictors of Estimated Glomerular Filtration Rate in Older Taiwanese Women
استخدمت هذه الدراسة التعلم الآلي على بيانات من 1,344 امرأة تايوانية مسنة لتحديد العمر، وحمض اليوريك في المصل، وضغط الدم، والبروتين التفاعلي C كمتنبئات غير خطية رئيسية لمعدل الترشيح الكبيبي المقدر، حيث أظهر نموذج XGBoost أداءً تنبؤياً فائقاً مقارنة بالخوارزميات الأخرى.
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 أن جسدك عبارة عن مدينة صاخبة، وفي أعماقها يقع مصنع ضخم ومتطور لمعالجة المياه يسمى الكلى. مهمتها هي تصفية النفايات والحفاظ على نظافة المياه لتبقى أنت بصحة جيدة. وللتحقق مما إذا كان هذا المصنع يعمل بشكل جيد، ينظر الأطباء عادةً إلى مادة كيميائية معينة في دمك تسمى "الكرياتينين". فكر في الكرياتينين كأنه "إشارة دخان" من عضلاتك؛ فكلما زادت كتلتك العضلية، زاد الدخان الذي تراه. ولكن هنا يكمكن الجزء الصعب: فمع تقدم الناس في السن، وخاصة النساء، غالباً ما يفقدن كتلتهن العضلية. وهذا يعني أن إشارة الدخان تصبح أضعف، والطريقة القديمة للتحقق من عمل مصنع المياه قد تخبرك بالخطأ أن المصنع يعمل بشكل أفضل مما هو عليه في الواقع. الأمر يشبه محاولة تقييم إنتاج مصنع من خلال كمية الدخان الخارج من مدخنة تم سد جزء منها بالثلوج. ولهذا السبب، يبحث العلماء عن طرق أكثر ذكاءً لمعرفة مدى كفاءة الكلى حقاً، خاصة بالنسبة للنساء المسنات اللواتي قد يفقدن عضلاتهن دون أن يدركن ذلك.
هنا تدخل فريق من الباحثين من تايوان باستخدام عدسة مكبرة رقمية تسمى "تعلم الآلة" (Machine Learning). فبدلاً من مجرد استخدام معادلة بسيطة، طلبوا من الكمبيوتر أن يعمل كـ "محقق خارق". قاموا بجمع بيانات صحية من 1,344 امرأة تايوانية مسنة (تجاوزن سن 65 عاماً) وغذوا بها خمسة برامج حاسوبية مختلفة. كُلفت هذه البرامج بمهمة العثور على الأدلة الخفية التي تتنبأ بأفضل طريقة لكيفية تصفية الكلى، وهي درجة تُعرف باسم "معدل الترشيح الكبيبي التقديري" أو (eGFR). أراد الباحثون معرفة ما إذا كانت هذه النماذج الحاسوبية الذكية قادرة على رصد الأنماط المعقدة التي قد تفوت على الأطباء البشر أو الرياضيات البسيطة، خاصة عند التعامل مع مزيج من العمر، وضغط الدم، والنظام الغذائي، وعادات نمط الحياة.
اختبرت الدراسة خمسة نماذج "تحرٍ" مختلفة: نموذج أساسي يسمى "الانحدار الخطي" (Linear Regression)، وأربعة نماكل أكثر تقدماً مثل "الغابة العشوائية" (Random Forest)، و"نماذج الإضافة المارغنية" (MARS)، و"تعزيز التدرج في تعزيز الأشجار" (XGBoost)، و"انحدار متجه الدعم" (Support Vector Regression). وبعد تغذية الكمبيوتر بكل البيانات — بما في ذلك العمر، وضغط الدم، ومستوى حمض اليوريك، وحتى مقدار تدخين الشخص أو ممارسته للرياضة — حاولت النماذج تخمين درجات كلى النساء. وأظهرت النتائج أن النموذج الأكثر تقدماً، وهو قوة ضاربة تسمى XGBoost، كان أفضل محقق. فقد حقق درجة (R²) بلغت 0.60 ومعدل خطأ (RMSE) قدره 9.8، وهو ما كان أفضل من النماذج الأخرى وأفضل بكثير من نهج الرياضيات البسيطة.
إذاً، ما هي الأدلة التي وجدها الكمبيوتر أكثر أهمية؟ كشف نموذج XGBoost أن العوامل الأكبر التي تحدد وظائف الكلى كانت العمر، وحمض اليوريك في المصل، وضغط الدم (الانقباضي والانبسطي)، والبروتين التفاعلي C (وهو مؤشر للالتهاب). ومن المثير للاهتمام أن النموذج وجد أن عوامل نمط الحياة مثل التدخين، والكحول، والتمارين الرياضية، وكذلك العوامل الاجتماعية والاقتصادية مثل الدخل والتعليم، ساهمت بشكل ضئيل جداً في التنبؤ. ويرى الباحثون أن هذا قد يكون بسبب كون البيانات المتعلقة بعادات نمط الحياة هذه غالباً ما تكون مفقودة أو غير متوازنة في مجموعة البيانات الخاصة بهم (على سبيل المثال، كانت بيانات الدخل مفقودة لأكثر من 63% من المشاركين).
تخلص الورقة البحثية إلى أنه بينما تعمل الرياضيات البسيطة بشكل مقبول، فإن تعلم الآلة أفضل بكثير في فك تشابك العلاقات غير الخطية الفوضوية بين إشارات أجسامنا. وهي تشير إلى أنه بالنسبة للنساء المسنات، فإن حالة كليتيهن ترتبط ارتباطاً وثيقاً بعمرهن، ومستويات حمض اليوريك لديهن، وضغط الدم لديهن، ومدى الالتهاب في أجسادهن، بدلاً من مجرد عاداتهن اليومية أو حجم محافظهن المالية. ويشير المؤلفون إلى أنه على الرغم من أن نموذجهم واعد، إلا أنه يحتاج إلى الاختبار على مجموعات أخرى من الناس للتأكد من أنه يعمل في كل مكان، كما يجب أن تسعى الدراسات المستقبلية للحصول على بيانات أفضل وأكثر اكتمالاً حول عادات نمط الحياة لمعرفة ما إذا كانت تلك العوامل ستصبح أكثر أهمية عندما تصبح الأرقام أكثر وضوحاً.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.