Clinical characteristics and machine learning-based prediction of postoperative enterocolitis in intestinal neuronal dysplasia: A 20-year retrospective study

تخيل أن جسدك عبارة عن مدينة صاخبة، وأن الأمعاء هي مركز النقل الرئيسي فيها. عادةً ما تتحرك القطارات (الطعام) بسلاسة عبر الأنفاق، مسترشدة بشبكة متطورة من إشارات المرور والضبط تسمى الجهاز العصبي المعوي. ولكن في بعض الأحيان، في حالة تسمى "خلل تنسج الأعصاب المعوية" (IND)، تصبح هذه الإشارات مشوشة. فبدلاً من التدفق السلس، يزدل الزحام المروري، مما يؤدي إلى توقف القطارات. هذا ليس عطلاً في المسار، بل هو خلل في مركز التحكم: حيث تنمو الخلايا العصبية في جدار الأمعاء بشكل مفرط، وتكون تجمعات ضخمة ومربكة، وتفشل في إخبار العضلات متى تنقبض وتدفع الأشياء للأمام. والنتيجة؟ مدينة في حالة شلل مروري، مما يؤدي إلى إمساك شديد، وانتفاخ، وأحياناً انسدادات خطيرة.

غالباً ما يضطر الأطباء لإجراء جراحة "الوصل والقطع" (pull-through) لإصلاح ذلك، وهي عملية تهدف أساساً لتغيير مسار حركة المرور لتجاوز الجزء المزدحم. ومع ذلك، حتى بعد الجراحة، لا تكون المدينة آمنة دائماً؛ فقد تضربها مضاعفة خبيثة وكريهة تسمى "التهاب الأمعاء والقولون بعد الجراحة" (POEC)، حيث تلتهب الأمعاء وتصاب بالعدوى، مما يحول عملية إصلاح ناجحة إلى أزمة جديدة. لسنوات طويلة، حاول الأطباء معرفة من هم الأكثر عرضة لهذه المضاعفات. لقد بحثوا في العمر، والجنس، ونوع الخلل العصبي المحدد، لكن الإجابات كانت غامضة. وهنا تبدأ قصة هذه الدراسة: قرر فريق من الباحثين استخدام أداة حديثة تسمى "تعلم الآلة" (Machine Learning) — فكر فيها كأنها محقق ذكي للغاية يمكنه رصد الأنماط الخفية في جبل من البيانات التي قد تخطئها العين البشرية — لمعرفة ما إذا كان بإمكانهم التنبؤ بمن سيواجه هذه المشكلة ولماذا.

قصة المحقق: نظرة إلى الوراء لمدة 20 عاماً

قرر الباحثون في مستشفى تونغجي في الصين لعب دور المحقق، من خلال النظر إلى الوراء عبر فترة زمنية هائلة بلغت 20 عاماً (من 2005 إلى 2025) لـ 84 طفلاً خضعوا لجراحة بسبب خلل تنسج الأعصاب المعوية (IND). أرادوا رسم صورة واضحة لهؤلاء الأطفال، وما كانت تبدو عليه أمعاؤهم تحت المجهر، وما حدث لهم بعد العملية.

أولاً، أجروا إحصاء لـ "المشتبه بهم". وجدوا أن المجموعة كانت في معظمها من الذكور (حوالي 57%)، وهو أكثر قليلاً من متوسط تعداد المواليد. وظهرت علامة خطر حمراء كبيرة على الفور: ما يقرب من نصف هؤلاء الأطفال (44%) كانوا يعانون من نقص الوزن. اتضح أن العيش مع أمعاء لا تتحرك بشكل صحيح هو أمر مرهق للجسم؛ فالأمر يشبه محاولة الركض في ماراثون بينما تحمل حقيبة ظهر ثقيلة. لم يكن الأطفال يعانون من الإمساك فحسب، بل كانوا غالباً يكافحون للحصول على التغذية الكافية لأن أجسادهم كانت عالقة في حالة من الازدحام المروري.

وعندما نظر أطباء علم الأمراض (محققو المجهر) إلى عينات الأنسجة، وجدوا أن حالة الـ IND "النقية" — حيث توجد مشكلة الأعصاب بمفردها — كانت في الواقع هي الأقلية. حوالي 36% فقط من الأطفال كانوا يعانون من IND نقية. أما الباقون (64%)، فكانوا يعانون من IND "مختلطة"، مما يعني أن خلل أعصابهم جاء مع "أمتعة إضافية"، مثل خلايا عصبية غير ناضجة أو نقص في الخلايا العصبية. وقد أكد هذا أن الـ IND نادراً ما يكون عملاً منفرداً؛ فهو عادة ما يظهر مع طاقم دعم من مشاكل الأمعاء الأخرى.

رحلة البحث عن الأدلة باستخدام تعلم الآلة

حدث السحر الحقيقي عندما سأل الفريق: "هل يمكننا التنبؤ بمن سيصاب بذلك الالتهاب اللعين بعد الجراحة (POEC)؟" من بين الـ 84 طفلاً، أصيب 10 بهذه المضاعفة. حاول الباحثون تحديد الجاني باستخدام الرياضيات التقليدية أولاً، للتحقق مما إذا كانت عوامل مثل كون الطفل ذكراً، أو فصيلة دم معينة، أو الانتظار لفترة طويلة قبل الجراحة، ستحدث فرقاً. لكن الرياضيات كانت صامتة؛ لم تستطع العثور على دليل واحد واضح.

لذا، استعانوا بالأسلحة الثقيلة: خوارزميات تعلم الآلة. قاموا بتغذية الكمبيوتر بخمسة أنواع مختلفة من أدوات التحقيق، بما في ذلك "XGBoost" (وهو أداة قوية لإيجاد الأنماط) و"Random Survival Forest" (وهي طريقة تراقب مدة بقاء المرضى دون وقوع حدث معين). اختبروا 101 مجموعة مختلفة من هذه الأدوات لمعرفة أي منها يمكنه تخمين المستقبل بشكل أفضل.

كانت النتائج رائعة. وبينما لم تبرز أي عامل منفرد مثل الجنس أو نوع الجراحة كمتنبئ مضمون، إلا أن شيئاً واحداً ظل يظهر باستمرار كأهم دليل عبر معظم النماذج: الحالة الغذائية، وتحديداً ما يتم قياسه بـ درجة مؤشر كتلة الجسم (BMI Z-score).

فكر في درجة (BMIZ) كأنها "تقرير نمو" يعدل النتائج بناءً على عمر الطفل وجنسه. كانت نماذج الكمبيوتر تهمس باستمرار بأن الأطفال الذين لديهم درجات BMIZ منخفضة (أي أنهم يعانون من نقص الوزن أو سوء التغذية) هم أكثر عرضة لخطر الإصابة بـ (POEC). لم يكن الأمر مجرد صدفة؛ فقد استمرت النماذج في الإشارة إلى التغذية كمتغير رئيسي. ومن المثير للاهتمام أيضاً أن النماذج أشارت إلى أن الفتيات والأطفال المصابين بـ IND "مختلطة" (أولئك الذين لديهم مشاكل عصبية إضافية) يميلون إلى امتلاك درجات BMIZ منخفضة، مما يشير إلى أن أجسادهم كانت تحت ضغط أكبر.

ما لم تجده النماذج

من المهم ملاحظة ما لم تجده الدراسة. فعلى الرغم من العمل التحقيقي عالي التقنية، لم يستطع الباحثون إثبات أن الانتظار لفترة أطول للجراحة، أو كونه من فصيلة دم معينة، أو امتلاك مزيج محدد من مشاكل الأعصاب، يضمن نتيجة سيئة. كانت نماذج تعلم الآلة جيدة في رصد الارتباط بالتغذية، لكنها لم تكن "كرة بلورية" مثالية. أفضل نموذج بنوه نجح في توقع النتائج بدقة تبلغ حوالي 63.5% فقط (AUC قدره 0.635). وفي عالم التنبؤ الطبي، هذا أفضل من التخمين، لكنها ليست قضية "تم حلها" بعد. ويؤكد المؤلفون بحذر أن هذه النتائج هي نتائج "استكشافية"، مما يعني أنها تلميحات قوية وليست قوانين نهائية للطبيعة.

الخلاصة: تغذية المستقبل

إذاً، ماذا يعني هذا بالنسبة للعالم الحقيقي؟ تشير الدراسة إلى أنه بالنسبة للأطفال المصابين بـ IND، فإن القصة لا تنتهي بالجراحة. "الازدحام المروري" في أمعائهم قد يكون قد تركهم جائعين ويعانون من نقص الوزن، وهذه الفجوة الغذائية قد تكون الحلقة الضعيفة التي تسمح للعدوى بالدخول بعد الإصلاح.

الباحثون لا يقولون: "إذا كنت تعاني من نقص الوزن، فستمرض بالتأكيد". بدلاً من ذلك، هم يقترحون على الأطباء إعطاء اهتمام خاص لمخططات النمو لهؤلاء الأطفال. فإذا كان الطفل يكافح لزيادة وزنه أو لديه درجة BMIZ منخفضة، فقد يكون ذلك علامة على حاجته إلى دفعة غذائية قبل أو بعد الجراحة لتقليل خطر حدوث المضاعفات. إنه تذكير بأن إصلاح "السباكة" (الجراحة) هو نصف المعركة فقط؛ وأن التأكد من أن المنزل لديه ما يكفي من الوقود (التغذية) قد يكون بنفس الأهمية لضمان استمرار عمل المدينة بسلاسة.

في النهاية، لم تجد هذه النظرة إلى الوراء لمدة 20 عاماً حلاً سحرياً، لكنها وجدت دليلاً قوياً جداً: التغذية مهمة. فمن خلال استخدام أدوات حاسوبية ذكية لغربلة بيانات عقود من الزمن، سلط الفريق الضوء على أن الحفاظ على تغذية هؤلاء الأطفال جيداً قد يكون وسيلة بسيطة وقوية لمساعدتهم على البقاء بصحة جيدة بعد عمليتهم الكبرى.