Low-Cost Early Prediction of Retinopathy of Prematurity Using Arterial Blood Gas Analysis: A Retrospective Cohort Study

بالنسبة للأطفال المبتسرين (الخدج)، يصل العالم قبل الأوان، ولا تزال أجسادهم تتعلم كيفية العمل خارج الرحم. ومن بين العديد من التحديات التي يواجهها هؤلاء الرضع الضعفاء، تبرز حالة تسمى "اعتلال الشبكية لدى الخدج" كواحدة من أكثر الحالات تهديداً. هذا المرض عبارة عن حالة لا تنمو فيها الأوعية الدموية في الجزء الخلفي من العين، أي الشبكية، بشكل سليم؛ فبدلاً من تشكيل شبكة صحية، قد تتوقف عن النمو أو تنمو بطريقة فوضوية وغير منظمة، مما قد يؤدي في النهاية إلى العمى. ولأن العين لا تزال في طور النمو، فإن توقيت العلاج أمر بالغ الأهمية؛ إذ يجب على الأطباء اكتشاف المشكلة في وقت مبكر بما يكفي للتدخل قبل حدوث ضرر دائم. حالياً، الطريقة القياسية للفحص هي استخدام كاميرا والنظر مباشرة داخل عين الطفل. ورغم أن هذه العملية فعالة، إلا أنها تتطلب معدات باهظة الثمن ومتخصصين مدربين تدريباً عالياً، وغالباً ما تعني فحص العديد من الأطفال الأصحاء لمجرد العثور على القلة الذين يواجهون خطراً حقيقياً.

لقد عرف الباحثون منذ فترة طويلة أن أكبر المخاطر لهذا المرض العيني هي الولادة في وقت مبكر جداً وانخفاض وزن المواليد عند الولادة. كما يعلمون أيضاً أن كمية الأكسجين التي يتلقاها الطفل تلعب دوراً رئيسياً، حيث يمكن لزيادة الأكسدة أو نقصها أن يؤذي الأوعية الدموية النامية. ومع ذلك، تشير دراسة جديدة إلى أنه قد يتمكن الأطباء من التنبؤ بالأطفال المعرضين للخطر في وقت أبكر وببساطة أكبر، باستخدام بيانات يجمعونها بالفعل يومياً. فمن خلال النظر في نتائج اختبارات الدم الروتينية التي تقيس مدى جودة تنفس الطفل وكيفية حمل دمه للأكسجين، تمكن فريق من العلماء من بناء نموذج حاسوبي يمكنه تحديد الرضع المعرضين لخطر عالٍ دون الحاجة إلى النظر داخل أعينهم أولاً. يمكن لهذا النهج أن يساعد المستشفيات، وخاصة تلك التي تمتلك موارد أقل، في تحديد الأطفال الذين يحتاجون إلى اهتمام أكثر إلحاحاً.

ركزت الدراسة، التي أجراها فريق من الأطباء والباحثين في الصين، على أكثر من 500 رضيع مبتسر وُلدوا بين عامي 2022 و2025. وقد تلقى هؤلاء الأطفال العلاج في وحدات العناية المركزة لحديثي الولادة في ثلاثة مستشفيات مختلفة. وفي هذه الوحدات، يسحب الأطباء روتينياً كميات صغيرة من الدم من الأطفال لفحص مستويات غازات الدم الشرياني. يوضح هذا الاختبار كمية الأكسجين وثنائي أكسيد الكربون في الدم، ومدى حموضة أو قاعدية الدم، ومدى كفاءة الجسم في استخدام الأكسجين. جمع الباحثون كل هذه البيانات، جنباً إلى جنب مع أوزان المواليد عند الولادة وعدد الأسابيع التي قضوها في الرحم قبل الولادة. ثم استخدموا نوعاً من التعلم الحاسوبي، حيث يقوم برنامج بدراسة الأنماط في البيانات لإجراء التنبؤات، لمعرفة ما إذا كانت نتائج اختبارات الدم هذه يمكن أن تخبرهم أي الأطفال سيصابون بمرض العين.

اختبر الفريق عشر خوارزميات حاسوبية مختلفة لمعرفة أي منها يعمل بشكل أفضل في رصد المخاطر. ووجدوا أن النموذج الأكثر نجاحاً اعتمد على قائمة محددة وسهلة الإدارة مكونة من عشر قطع من المعلومات الرئيسية. شملت هذه المعلومات عمر الحمل ووزن الولادة، بالإضافة إلى تسعة أرقام محددة من اختبارات غازات الدم التي أُخذت خلال الأسابيع الستة الأولى من الحياة. غطت هذه الأرقام أشياء مثل ضغط ثاني أكسيد الكربون في الدم، ومستويات أنواع مختلفة من الهيموجلوبين (البروتين الموجود في الدم الذي يحمل الأكسجين)، وعلامات حول كيفية تعامل الجسم مع الطاقة والإجهاد. وعندما تم تدريب الكمبيوتر على هذه المجموعة المحددة من الحقائق العشر، أصبح بارعاً بشكل ملحوظ في التنبؤ بالنتيجة. في المجموعة الأولية من الأطفال، حقق النموذج مساحة تحت المنحنى (AUC) بلغت 0.95. كما حقق مساحة تحت المنحنى بلغت 0.91 لتحديد الأطفال الأصحاء كأصحاب خطر منخفض، مما يعني أنه نادراً ما يغفل حالة تحتاج إلى اهتمام.

ولضمان أن هذه النتيجة لم تكن مجرد تخمين محظوظ مع مجموعة واحدة من المرضى، اختبر الباحثون نموذجهم على مجموعتين أخريين من الأطفال من مستشفيات مختلفة. وقد صمد النموذج جيداً في هذه البيئات الجديدة؛ ففي إحدى المجموعات، حقق مساحة تحت المنحونة بلغت 0.83، وفي الأخرى حقق 0.91. أظهرت الدراسة أن إضافة المزيد والمزيد من المتغيرات إلى النموذج الحاسوبي لم يجعله أفضل؛ بل في الواقع، كان النموذج الأبسط الذي يحتوي على الحقائق العشر الأكثر أهمية هو الأفضل أداءً. يشير هذا إلى أن اختبارات الدم الروتينية التي تُجرى بالفعل في المستشفيات تحتوي على إشارة خفية حول صحة أعين الأطفال تم التغاضي عنها. وأشار الباحثون إلى أن النموذج كان جيداً بشكل خاص في استبعاد الأطفال الآمنين، وهي ميزة حاسمة لأداة الفحص. فإذا تم تصنيف طفل على أنه منخفض المخاطر بواسطة هذا النموذج، يمكن للأطباء أن يكونوا واثقين من أن الطفل من غير المرجح أن يصاب بالشكل الشديد من المرض.

كما أوضحت الدراسة ماهية هذه الأداة وما ليست عليه. ويؤكد الباحثون أن هذا نظام للتنبؤ بالمخاطر، وليس بديلاً عن فحص العين الفعلي. فالطفل الذي يتم تصنيفه كعالي المخاطر بواسطة النموذج لن يتلقى العلاج تلقائياً؛ بل ستخبر النتيجة الأطباء بضرورة فحص عيني ذلك الطفل في وقت أبكر وبشكل أكثر تكراراً. قد يشكل هذا فرقاً حيوياً للمستشفيات التي لا يتوفر فيها أخصائي طب عيون بشكل يومي. فمن خلال استخدام بيانات غازات الدم الموجودة بالفعل، يمكن لهذه المستشفيات ترتيب أولويات موارد الفحص المحدودة لديها للرضع الذين هم في أمس الحاجة إليها. كما عمل النموذج مع الأطفال المولودين في مرحلة متأخرة قليلاً مقارنة بالعديد من الأدوات الحالية، والتي غالباً ما تنطبق فقط على أصغر المبتسرين وأكثرهم تعقيداً. وهذا يعني أن هذا النهج يمكن أن يساعد مجموعة أوسع من الأطفال، بما في ذلك أولئك الذين ولدوا أكثر نضجاً بقليل ولكنهم لا يزالون معرضين للخطر.

تشير النتائج إلى وجود صلة أعمق بين كيفية تعامل جسم الطفل مع الأكسجين وتطور عينيه. فقد كشفت اختبارات الدم أن الأطفال الذين أصيبوا بمرض العين كانت لديهم اختلافات طفيفة في كيفية حمل دمهم للأكسجين وكيفية تفاعل أجسادهم مع الإجهاد. على سبيل المثال، كانت مستويات أنواع معينة من الهيموجلوبين وتوازن الأحماض في الدم مختلفة لدى المجموعة المعرضة للخطر. تشير هذه الاختلافات إلى أن صراع الجسم لإدارة الأكسجين والطاقة في الأسابيع الأولى من الحياة مرتبط بالمشاكل التي تظهر لاحقاً في الشبكية. ومن خلال التقاط هذه الأنماط، يقوم النموذج الحاسوبي بترجمة الإشارات البيولوجية المعقدة إلى درجة مخاطر بسيطة.

ورغم أن النتائج واعدة، إلا أن الباحثين حذروا من أن هذه دراسة استعادية، مما يعني أنهم نظروا في بيانات تم جمعها بالفعل. والخطوة التالية، التي يخططون لها بالفعل، هي اختبار هذا النموذج في الوقت الفعلي أثناء علاج الأطفال. وهم يعتزمون جعل هذه الأداة متاحة للأطباء والباحثين الآخرين حتى يمكن التحقق من صحتها في أجزاء مختلفة من العالم. إذا أكدت الاختبارات المستقبلية هذه النتائج، فقد تصبح هذه الطريقة منخفضة التكلفة جزءاً قياسياً من الرعاية للرضع المبتسرين، مما يساعد في منع العمى من خلال ضمان حصول الأطفال المناسبين على فحوصات العين المناسبة في الوقت المناسب. إن هذا العمل يثبت أنه في بعض الأحيان، لا تكون أقوى الأدوات لإنقاذ البصر هي آلات جديدة، بل طريقة أذكى للنظر في البيانات التي نمتلكها بالفعل.