An Explainable, Robust, and Empirically-Validated Stacked Ensemble (RXTG-Stack) for Cardiovascular Risk Prediction Across Heterogeneous Datasets

تخيل أنك محقق تحاول حل لغز، ولكن بدلاً من مسرح جريمة، أنت تنظر إلى جسد شخص ما لتعرف ما إذا كان معرضاً لخطر الإصابة بنوبة قلبية. لفترة طويلة، كان الأطباء هم المحققين، مستخدمين أدوات مثل أجهزة قياس ضغط الدم وأجهزة مراقبة القلب لجمع الأدلة. ولكن في بعض الأحيان، قد تكون الأدلة مخادعة، ويمكن للدماغ البشري أن يتعب أو يغفل عن نمط دقيق مختبئ في البيانات. وهنا يدخل نوع جديد من المحققين إلى المشهد: الذكاء الاصطناعي (AI). فكر في الذكاء الاصطناعي كمساعد فائق الذكاء يمكنه قراءة آلاف السجلات الطبية في ثانية واحدة. ومع ذلك، هناك عقبة؛ فمعظم مساعدي الذكاء الاصطناعي يشبهون "الصناديق السوداء" — يعطونك إجابة، لكنهم لا يخبرونك لماذا يعتقدون ذلك. وإذا لم يستطع الطبيب فهم منطق الذكاء الاصطناعي، فلن يتمكن من الوثوق به في حياة مريضه. لذا، فإن التحدي الكبير ليس فقط في صنع ذكاء اصطناعي ذكي، بل في صنع ذكاء اصطناعي ذكي وصادق بشأن طريقة تفكيره.

يقدم هذا البحث فريق تحقيق جديد من الذكاء الاصطناعي يسمى RXTG-Stack. لقد بنى الباحثون هذا الفريق للتنبؤ بأمراض القلب من خلال الجمع بين نقاط القوة لأربعة "متخصصين" مختلفين في الذكاء الاصطناعي (Random Forest، وXGBoost، وTabNet، وGradient Boosting)، ثم جعل "قائد فريق" حكيم (Logistic Regression) يتخذ القرار النهائي بناءً على ما يقوله المتخصصون. تم تصميم الفريق ليكون "خالياً من التسريب"، مما يعني أنه لا يستخدم معلومات من مجموعة الاختبار أثناء التدريب، ويستخدم أداة خاصة تسمى SHAP لشرح قراراته بلغة بسيطة. اختبر الباحثون هذا الفريق على مجموعتين مختلفتين من المرضى: مجموعة صغيرة ومفحوصة بعناقة تضم 1,000 شخص، ومجموعة ضخمة تضم ما يقرب من 70,000 شخص. ووجدوا أن RXTG-Stack دقيق للغاية، خاصة في المجموعة الصغيرة حيث أصاب في 98.5% من الحالات. ولكن الأهم من ذلك، أنهم أثبتوا أن الفريق عادل، ولا يرتبك بسبب التغييرات الصغيرة في البيانات، ويمكنه شرح أي الأدلة (مثل نوع ألم الصدر أو ضغط الدم) التي أدت إلى استنتاجه.

فريق المحققين

تخيل أنك تحاول التنبؤ بما إذا كانت سيارة ستتعطل. يمكنك سؤال ميكانيكي واحد، ولكن ماذا لو كان هذا الميكانيكي بارعاً في المحركات ولكنه سيء في الإلكترونيات؟ يحل فريق RXTG-Stack هذه المشكلة عبر توظيف أربعة خبراء مختلفين.

• Random Forest يشبه مجموعة من الأصدقاء الذين ينظر كل منهم إلى السيارة من زاوية مختلفة ويصوتون.
• XGBoost و Gradient Boosting يشبهان مدرباً يتعلم من كل خطأ ارتكبه المدرب السابق، ليصبح أكثر ذكاءً مع كل خطوة.
• TabNet هو خبير عالي التقنية يركز انتباهه على الأجزاء الأكثر أهمية في السيارة، متجاهلاً الضجيج.

بدلاً من مجرد ترك هؤلاء الخبراء يصرخون بآرائهم، يستخدم الفريق "متعلمًا فائقًا" (قائد الفريق) للاستماع إليهم جميعًا. القائد لا يختار الصوت الأعلى فحسب، بل يتعلم مدى الثقة في كل خبير بناءً على أدائه السابق. يحدث هذا بطريقة خاصة تسمى "التكديس خارج الطية" (Out-of-Fold stacking). فكر في الأمر كأنه امتحان تجريبي: يتناوب الخبراء على اختبار مجموعة من الطلاب الذين لم يروهم من قبل، حتى لا يتمكنوا من استخدام المعلومات من مجموعة الاختبار أثناء التدريب. وهذا يضمن أن يحصل قائد الفريق النهائي على تقرير صادق حقاً حول مدى جودة أداء كل خبير بالفعل.

النتائج: ما مدى جودة الفريق؟

وضع الباحثون هذا الفريق تحت الاختبار في مجموعتين مختلفتين تماماً من البيانات.

• المجموعة "المنقحة سريرياً" (CVD-1K): كانت هذه مجموعة أصغر تضم 1,000 مريض بسجلات طبية مفصلة وعالية الجودة. هنا، كان فريق RXTG-Stack بمثابة نجم خارق؛ فقد حقق دقة بنسبة 98.5%، مما يعني أنه أخطأ حوالي 15 مرة فقط من بين 1,000 حالة. كما سجل 0.999 على مقي-اسكال يُسمى ROC-AUC (والذي يقيس مدى قدرة النموذج على التمييز بين المرضى والأصحاء)، وهو رقم يقترب من المثالية.
• مجموعة "السكان" (Cardio-68K): كانت هذه مجموعة ضخمة تضم ما يقرب من 70,000 شخص، لكن بياناتهم جاءت من استطلاعات وتقارير ذاتية، والتي يمكن أن تكون أقل دقة وأكثر "ضجيجاً". وحتى مع هذه البيانات "المشوشة"، كان أداء الفريق جيداً، حيث وصل إلى دقة بنسبة 77.0% و ROC-AUC قدره 0.803. ورغم أن هذه النتيجة ليست عالية مثل المجموعة الأولى، إلا أنها كانت أفضل من أي نموذج خبير منفرد حاول الباحثون تجربته بمفرده.

يشير البحث إلى أن الفرق في الدرجات ليس لأن الذكاء الاصطناعي سيء، بل لأن البيانات نفسها مختلفة. فالمجموعة الصغيرة كانت تمتلك أدلة سريرية واضحة (مثل نتائج اختبارات قلب محددة)، بينما اعتمدت المجموعة الكبيرة على تذكر الناس لعاداتهم، وهو أمر أصعب في التنبؤ به.

لماذا نثق في الذكاء الاصطناعي؟ (الجزء الخاص بـ "القابلية للتفسير")

الجزء الأكثر إثارة في هذا البحث ليس فقط أن الذكاء الاصطناعي دقيق، بل إنه قابل للتفسير. في الماضي، قد يقول الذكاء الاصطناعي: "هذا المريض معرض للخطر"، لكنه لا يستطيع قول السبب. يستخدم RXTG-Stack أداة تسمى SHAP لتفكيك القرار.

• النظرة الشاملة (Global View): أظهرت أنه بالنسبة لمجموعة البيانات الصغيرة، كانت أهم الأدلة هي ميل قطعة ST في ذروة التمرين (نتيجة اختبار قلب محدد)، ونوع ألم الصدر، وضغط الدم أثناء الراحة، والكوليسترول في المصل.
• النظرة المحلية (Local View): بالنسبة للمرضى الأفراد، يمكنه رسم "مخطط قوة" (force plot) يوضح بالضبط أي العوامل دفعت التنبؤ نحو "المرض" وأيها دفع نحو "الصحة". على سبيل المثال، بالنسبة لأحد المرضى، كان ارتفاع ضغط الدم ونوع معين من ألم الصدر هما السببان الرئيسيان للتنبؤ بـ "خطر مرتفع"، بينما ساعد نمط حياته النشط في خفض المخاطر قليلاً.

"اختبار الإجهاد" (التحقق التجريبي)

لم يكتفِ الباحثون بالدقة فحسب؛ بل أخضعوا الذكاء الاصطناعي لـ "اختبار إجهاد" صارم لمعرفة مدى قوته وعدالته.

• المتانة (Robustness): قاموا بتعديل البيانات قليلاً (مثل إضافة قدر ضئيل من الضجيج إلى قراءة ضغط الدم) لمعرفة ما إذا كان الذكاء الاصطناعي سيهلع ويغير إجابته. ظل الفريق مستقراً بنسبة 99.3% في المجموعة الصغيرة و 94.8% في المجموعة الكبيرة، حتى عندما تم تغيير البيانات بمقدار ±3%.
• العدالة (Fairness): تحققوا مما إذا كان الذكاء الاصطناعي يعامل الرجال والنساء بشكل مختلف. كان الفرق في كيفية تنبؤه بالمخاطر لكل مجموعة ضئيلاً جداً (بحد أقصى 0.026)، وهو أقل بكثير من مستوى القلق.
• الثقة (Confidence): استخدموا طريقة تسمى "التنبؤ التوافقي المنقسم" (split-conformal prediction) لضمان أنه عندما يقول الذكاء الاصطناعي إنه متأكد بنسبة 90%، فإنه يكون كذلك بالفعل. وقد طابقت النتائج الهدف تماماً (0.900 و 0.899 من حيث التغطية).

ماذا يعني هذا؟

يخلص البحث إلى أن RXTG-Stack هو أداة قوية وموثوقة للتنبؤ بأمراض القلب. ويشير إلى أنه من خلال الجمع بين أنواع مختلفة من الذكاء الاصطناعي وإجبارها على شرح عملها، يمكننا بناء أنظمة قد يثق بها الأطباء حقاً. ومع ذلك، يلاحظ المؤلفون بحذر أن هذا تم اختباره على مجموعتي بيانات محددتين. وهم يقترحون أنه قبل أن يصبح هذا أداة قياسية في المستشفيات، فإنه يحتاج إلى الاختبار على سجلات طبية أكبر من الواقع من مستشفيات عديدة لضمان عمله في كل مكان. في الوقت الحالي، يعد هذا دليلاً قوياً على أننا نستطيع بناء ذكاء اصطناعي ليس ذكياً فحسب، بل شفافاً وعادلاً أيضاً.