Metadata-based Methods to Generate Synthetic Health Data: A Scoping Review
تحدد هذه المراجعة النطاقية الأساليب القائمة المعتمدة على البيانات الوصفية لتوليد بيانات صحية اصطناعية، وتسلط الضوء على الفجوات الحرجة في تقييمها المعياري، وتوجيهاتها الأخلاقية، ومدى قابليتها للتطبيق النوعي في تطوير الأكواد ضمن سياقات التحليل الاتحادي.
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 أنك محقق يحاول حل لغز ما، لكن الشرطة أغلقت مسرح الجريمة. لا يمكنك لمس الأدلة الحقيقية لأنها تحتوي على معلومات خاصة عن أشخاص حقيقيين، والقواعد تمنعك من أخذها معك إلى المنزل. هذا هو بالضبط الموقف الذي يواجه فيه الباحثون الذين يدرسون البيانات الصحية. فهم بحاجة إلى اختبار نصوصهم البرمجية ونظرياتهم على "السجلات الصحية الإلكترونية" (EHRs) — وهي ملفات رقمية لزيارات المرضى، والتشخيصات، والأدوای — لكن لا يمكنهم استخدام الملفات الحقيقية دون خرق قوانين الخصوصية. لذا، هم بحاجة إلى بديل. إنهم بحاجة إلى "بيانات اصطناعية": سجلات مرضى وهمية تبدو وتتصرف تماماً مثل السجلات الحقيقية، ولكنها لا تنتمي لأي شخص.
عادةً، ولصنع هذه السجلات الوهمية، يحاول العلماء نسخ ولصق البيانات الحقيقية داخل "روبوت" معقد يعتمد على التعلم الآلي. لكن هذا الروبوت عب-ارة عن "صندوق أسود": يعمل في سرية، وإذا قام بتسريب سر لشخص حقيقي عن طريق الخطأ، فستكون كارثة. بالإضافة إلى ذلك، في العديد من إعدادات البحث الحديثة التي تسمى "التحليل الاتحادي" (federated analysis)، تكون البيانات الحقيقية مغلقة في مستشفيات مختلفة لا تشارك ملفاتها أبداً. لا يمكن للروبوت أن يعمل إذا لم يتمكن من رؤية البيانات. وهنا يأتي دور نهج مختلف: الأساليب القائمة على "البيانات الوصفية" (metadata-based). فبدلاً من النظر في التفاصيل المعقدة والخاصة لكل مريض، تستخدم هذه الأساليب "وصفة" أو "مخططاً". إنها تنظر إلى الإحصاءات الملخصة (مثل "50% من المرضى فوق سن الخمسين") والمعرفة العامة لبناء مرضى وهميين من الصفر، دون الحاجة أبداً لرؤية الملفات الحقيقية الخاصة.
هذه الورقة هي "مراجعة نطاق" (scoping review)، وهي تشبه رحلة استكشافية لرسم خرائط ضخمة. أراد المؤلفون، وهم فريق من الباحثين من مدينة أوتريخت، معرفة الأدوات المتاحة لبناء هذه السجلات الصحية الوهمية القائمة على "المخططات فقط". لم يكتفوا بالبحث عن الأدوات فحسب؛ بل بحثوا أيضاً في "كتب القواعد". وسألوا: كيف نعرف ما إذا كانت البيانات الوهمية جيدة؟ هل توجد قواعد للتأكد من سلامتها؟ والأهم من ذلك، هل يمكننا استخدام هذه السجلات الوهمية لاختبار أكوادنا قبل أن نلمس البيانات الحقيقية؟
بحث الفريق في الأدبيات العلمية ووجد 23 مقالاً ذا صلة. وصف اثنا عشر مقالاً طرقاً محددة لصنع البيانات، بينما ناقشت أحد عشر مقالة المراجعات حول كيفية تقييم البيانات والقواعد القانونية المحيطة بها. وهذا ما اكتشفوه:
الأدوات: البناء باستخدام المخططات
وجد الباحثون ست طرق رئيسية لتوليد هذه البيانات "الوصفية".
- Synthea: هي الأداة الأكثر شهرة. إنها تشبه أداة إنشاء الشخصيات في ألعاب الفيديو. تبدأ بمجتمع يعتمد على بيانات التعداد السكاني العام (مثل تعداد الولايات المتحدة). ثم تحاكي حياة المريض خطوة بخطوة. تستخدم طريقة "مونت كارلو" (وهي طريقة متطورة تعني أنها تقوم برمي نرد رقمي بناءً على الاحتمالات) لتقرر ما إذا كان المريض سيصاب بعدوى في الأذن، وفي أي عمر سيصاب بها، وما الدواء الذي سيحصل عليه. إنها تبني التاريخ الطبي الكامل للمريض من المعرفة العامة وإعدادات المستخدم، دون الحاجة أبداً لملف مريض حقيقي.
- OSIM: صُممت هذه الأداة لتتحدث لغة "نموذج البيانات المشترك OMOP"، وهو تنسيق قياسي للبيانات الصحية. تأخذ جداول ملخصة (مثل "كم عدد الأشخاص المصابين بالسكري") وتبني مجموعة بيانات وهمية تتوافق مع هذا المعيار.
- SASC: تطبيق قائم على الويب مخصص لبيانات كوفيد-19. يأخذ جداً ملخصة ويولد سجلات مرضى وهمية مع نتائج المختبر والنتائج النهائية.
- طريقة Davis et al: هذه الطريقة فريدة لأنها تحاكي عملية "التعلم". فهي تتخيل أن الأطباء يصبحون أفضل في علاج المرضى بمرور الوقت. تبني بيانات وهمية تتضمن منحنى التحسن هذا، وهو أمر رائع لاختبار كيفية أداء العلاجات الجديدة في العالم الحقيقي.
- مولد ODM: هذه الأداة مختلفة قليلاً. فهي لا تحاول جعل البيانات تبدو حقيقية إحصائياً؛ بل تكتفي بالتأكد من أن البيانات تتبع "قواعد اللغة" (النحو) الصحيحة للتجارب السريرية. إنها تشبه "مدقق الإملاء" لهيكل البيانات.
- طريقة Barr et al: نهج جديد يستخدم نموذج لغة كبير (مثل GPT-4o). أعطى الباحثون الذكاء الاصطناعي قائمة بالإحصائيات (مثل "متوسط العمر هو 45") وطلبوا منه كتابة جدول لمرضى وهميين. إنها طريقة جديدة وتجريبية للغاية للقيام بذلك.
المشكلة: لدينا أدوات، ولكن لا يوجد كتاب قواعد
هنا تكمن الحبكة في القصة. بينما وجد المؤلفون هذه الأدوات، وجدوا فجوة هائلة في كيفية التحقق من عملها.
- فخ "الدقة" (Fidelity): في كل مرة يتم فيها اختبار هذه الأساليب، كان الباحثون يتحققون فقط من "الدقة". وهذا يعني أنهم يسألون: "هل تشبه البيانات الوهمية البيانات الحقيقية؟" حيث قارنوا المتوسطات والرسوم البيانية. لكنهم نادراً ما تحققوا من "المنفعة" (Utility). المنفعة تسأل: "هل تساعدني هذه البيانات الوهمية فعلياً في كتابة كود أفضل أو حل مشكلة ما؟"
- الحلقة المفقودة: تشير الورقة صراحة إلى أنه لا أحد قد اختبر حقاً هذه الأساليب القائمة على البيانات الوصفية لحالتها المحددة: تطوير الكود في التحليل الاتحادي. نحن لا نعرف ما إذا كانت البيانات الوهمية "جيدة بما يكفي" لاختبار نص برمجي سيتم تشغيله لاحقاً على بيانات مستشفيات حقيقية ومغلقة.
- فوضى التقييم: نظر المؤلفون في أحد عشر مراجعة أخرى حول كيفية الحكم على البيانات الاصطناعية. ووجدوا فوضى من التعريفات المختلفة. البعض يسميها "الدقة"، والبعض الآخر يسميها "التشابه" أو "التمثيل"، بينما يتجاهل البعض الآخر "العدالة" (التأكد من أن البيانات الوهمية لا تنحاز ضد الأقليات). لا يوجد كتاب قواعد واحد متفق عليه.
- المنطقة القانونية الرمادية: وجدت المراجعة نقاشاً ضئيلاً جداً حول الجانب القانوني والأخلاقي. فبينما توجد قواعد للبيانات الحقيقية، لا تزال قواعد هذه البيانات "الوهمية" غير واضحة. ويشير المؤلفون إلى أن الهيئات التنظيمية الكبرى مثل FDA و EMA لم تقدم توجيهات واضحة بعد.
الحكم النهائي
تخلص الورقة إلى أننا نملك صندوق أدوات مليئاً بالطرق المثيرة للاهتمام لبناء بيانات صحية وهمية دون رؤية مرضى حقيقيين. ومع ذلك، فنحن نتحرك في الظلام. لم نقم بتوحيد كيفية اختبار هذه الأدوات، ولم نحدد القواعد المحددة لاستخدامها لاختبار الأكواد البرمجية في البيئات الآمنة والاتحادية.
يقترح المؤلفون أن الأبحاء المستقبلية يجب أن تتوقف عن السؤال فقط "هل تبدو حقيقية؟" وتبدأ في السؤال "هل تصلح للوظيفة المطلوبة؟". إنهم يدعون إلى إطار عمل جديد وموحد يربط بين طريقة التوليد والاستخدام المقصود. وحتى ذلك الحين، فإن استخدام هذه الأدوات لبناء كود لأبحاث صحية في العالم الحقيقي يشبه بناء طائرة نموذجية دون معرفة ما إذا كانت الأجنحة ستصمد فعلياً في نفق رياح حقيقي. الإمكانات هائلة، لكن فحوصات السلامة لا تزال قيد الكتابة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.