Development and Internal Validation of a Safety-Gated Artificial Intelligence System for Predicting Serious Bacterial Infection among Children in Northern Nigeria

في أجزاء كثيرة من العالم، تمثل حمى الطفل لحظة من الرعب الصامت للوالدين وسباقاً مع الزمن للأطباء. فعندما يمرض طفل صغير، لا يكمن التحدي غالباً في نقص الدواء، بل في نقص الوضوح. إذ يمكن أن تبدو أعراض عدوى بكتيرية خطيرة تماماً مثل نوبة فيروسية عادية، ومع ذلك، فإن عواقب الانتظار لفترة طويلة قد تكون مميتة. وفي المستشفيات ذات الموارد المحدودة، حيث تندر أو تتأخر الاختبارات المعملية المتقدمة، يتعين على الأطباء اتخاذ قرارات تتعلق بالحياة أو الموت بناءً على معلومات غير مكتملة. إنهم ينظرون إلى عمر الطفل، ووزنه، وطريقة تنفسه، وتاريخه المرضي، محاولين تجميع نمط يكشف ما إذا كان الطفل بحاجة إلى مضادات حيوية عاجلة أم يمكن إرساله إلى المنزل. هذا هو الواقع اليومي لملايين العائلات في البلدان منخفضة الدخل، حيث يمكن أن تكون الفجوة بين الطفل المريض والتشخيص المؤكد مسألة ساعات.

وللمساعدة في سد هذه الفجوة، يتجه الباحثون إلى الذكاء الاصطناعي، ليس كبديل للأطباء، بل كأداة لمساعدتهم على رؤية الأنماط التي قد تُغفل في زحمة العيادات المزدحمة. والهدف هو بناء نظام يمكنه أخذ القصة الطبية للطفل وعلاماته الحيوية وحساب خطر الإصابة بعدوى بكتيرية خطيرة. ومع ذلك، فإن مجرد تغذية الكمبيوتر بالبيانات ليس كافياً. ففي عالم غالباً ما تكون فيه السجلات الطبية مكتوبة بخط اليد، أو غير مكتملة، أو متناقضة، فإن الكمبيوتر الذي يخمن عندما لا ينبغي له ذلك قد يسبب ضرراً أكثر من النفع. إن الاختراق الحقيقي يكمن في تعليم الكمبيوتر كيف يعرف متى لا يملك معلومات كافية، لضمان أنه لا يقدم رأياً إلا عندما تكون المعلومات واضحة ومتسقة وآمنة للاستخدام.

لقد اتخذ فريق من الباحثين في نيجيريا خطوة كبيرة نحو هذا الهدف من خلال تطوير واختبار نوع جديد من الأنظمة الحاسوبية الواعية بالسلامة والمصممة خصيصاً للأطفال في منطقتهم. لقد عملوا مع آلاف السجلات الطبية لأطفال دون سن الخامسة ممن عولجوا في مستشفى تعليمي في كانو. أراد الفريق إنشاء مساعد رقمي يمكنه النظر في تاريخ الطفل - مثل مدة إصابته بالحمى، ووزنه، وما إذا كان خاملاً، وما إذا كان قد تمت رؤيته من قبل طبيب من قبل - والتنبؤ باحتمالية الإصابة بعدوى بكتيرية خطيرة. ولكن على عكس العديد من المحاولات السابقة التي كانت تكتفي بإخراج درجة المخاطر، قام هذا الفريق ببناء "بوابة سلامة" داخل النظام. تعمل هذه البوابة مثل مفتش جودة صارم؛ فقبل أن يُسمح للكمبيوتر بإجراء تنبؤ، يتحقق مما إذا كانت المعلومات المقدمة كاملة، وما إذا كانت الأرقام منطقية لطفل في ذلك العمر، وما إذا كانت هناك أي تناقضات في القصة. إذا كانت البيانات مفقودة أو تبدو مستحيلة، يرفض النظام التخمين، ويطلب بدلاً من ذلك من الطبيب تقديم المزيد من المعلومات.

قام الباحثون بتدريب نظامهم باستخدام مجموعة ضخمة من 11,466 سجلاً طبياً للأطفال. ومن بين هذه السجلات، تم تأكيد إصابة حوالي 8 بالمائة منها بعدوى بكتيرية خطيرة من خلال مزارع الدم، بينما لم تكن البقية كذلك. تم تصميم النظام ليتعلم من هذه البيانات باستخدام مزيج من طرق رياضية مختلفة، ودمجها معاً لجعله أكثر موثوقية من أي طريقة منفردة بمفرده. وللتعامل مع الواقع الفوضوي للملاحظات الطبية في العالم الحقيقي، استخدم الفريق أداة لغوية متخصصة لقراءة الأوصاف المكتوبة بنصوص حرة من قبل الأطباء وتحويلها إلى حقائق مهيكلة يمكن للكمبيوتر فهمها. وقد تم تقييد هذه الأداة بعناية لضمان عدم اختلاق حقائق أو إساءة تفسير الملاحظات، وهي مشكلة شائعة في الذكاء الاصطناعي.

وعندما اختبر الفريق نظامهم على مجموعة جديدة من البيانات لم يسبق له رؤيتها من قبل، أظهرت النتائج أنه يمكنه التمييز بين الأطفال المصابين وغير المصابين بالعدوى بدقة متوسطة. فقد حدد النظام بشكل صحيح حوالي 76 بالمائة من الأطفال الذين يعانون بالفعل من العدوى، وهو أمر بالغ الأهمية لأن تفويت طفل مريض أخطر بكثير من وضع طفل سليم تحت الرعاية الإضافية. ومع ذلك، فقد حدد النظام أيضاً بشكل صحيح حوالي 63 بالمائة من الأطفال الذين لم تكن لديهم العدوى. وأشار الباحثون إلى أن قدرة النظام على قول "لا" لطفل مريض لم تكن مثالية، لكن قدرته على قول "نعم" كانت قوية بما يكفي لتكون مفيدة كأداة فرز. ولم تكن أهم العوامل التي استخدمها النظام لاتخاذ هذه القرارات هي الأعراض المباشرة مثل الحمى أو السعال فحسب، بل شملت أيضاً نمو الطفل وتطوره. وكانت عوامل مثل وزن الولادة، والوزن الحالي، والعمر، وعمر الأم هي أقوى المؤشرات التي اعتمد عليها النظام، تليها العلامات السريرية مثل معدل التنفس وكيفية ظهور الطفل للطبيب.

ولعل الجزء الأكثر دلالة في الدراسة لم يكن فقط مدى جودة تنبؤ النظام، بل عدد المرات التي اختار فيها الصمت. ففي محاكاة قام فيها الفريق بتغذية النظام بـ 30 سيناريو سريرياً مختلفاً، نجح النظام في استخراج المعلومات من الملاحظات في 95 بالمائة من الحالات. ومع ذلك، في 20 بالمائة من تلك الحالات، منعت بوابة السلامة النظام من إجراء التنبؤ. حدث هذا لأن المعلومات كانت مفقودة، أو الأرقام كانت مستحيلة لطفل في ذلك العمر، أو أن القصة احتوت على تناقضات. على سبيل المثال، إذا أشارت ملاحظة إلى أن الطفل يعاني من الحمى بينما كانت درجة حرارته المسجلة طبيعية، أو إذا تم تسجيل علامة حيوية مستحيلة بيولوجياً، فإن النظام يحجب التنبؤ ويطلب توضيحاً. كان هذا السلوك مقصوداً؛ فقد أراد الباحثون إثبات أنه في البيئات محدودة الموارد، من الأفضل للكمبيوتر أن يعترف بأنه لا يستطيع اتخاذ قرار بدلاً من تقديم إجابة واثقة ولكن خاطئة بناءً على بيانات سيئة.

تسلط الدراسة الضوء على أن طريق استخدام الذكاء الاصطناعي في أماكن مثل نيجيريا يتطلب أكثر من مجرد خوارزميات قوية؛ إنه يتطلب نظاماً يحترم قيود البيئة. وجد الباحثون أنه بينما يمكن للكمبيوتر أن يتعلم رصد الأنماط في البيانات، فإن القيمة الحقيقية جاءت من القواعد التي منعت الكمبيوتر من التخمين عندما تكون البيانات مهتزة. تم تصميم النظام ليعمل جنباً إلى جنب مع الطبيب البشري، وليس ليحل محله. فهو يعرض نتائجه في شكل ملخص مهيكل، يسلط الضوء على المخاطر ويشير إلى المواضع التي كانت فيها المعلومات غير مؤكدة، تاركاً القرار النهائي في يد الطبيب.

ويقر الفريق بأن هذه ليست سوى البداية. فقد تم اختبار النظام على سجلات تاريخية ومدخلات محاكية، وليس على مرضى حقيقيين في عيادة تعمل في الوقت الفعلي. وتشير النتائج إلى أن هذا النهج قابل للتطبيق وأن آليات السلامة تعمل كما هو مخطط لها، لكن الباحثين يحذرون من الحاجة إلى مزيد من الاختبارات قبل إمكانية استخدام هذه الأداة في الممارسة اليومية. وهم يؤكدون أن النظام هو أداة دعم للمساعدة في جعل قرارات الأطباء أسرع وأكثر استنارة، وليس آلة تشخيصية يمكنها استبدال الحاجة إلى الحكم السريري أو الاختبارات المعملية. ومن خلال بناء نظام يعرف متى يتوقف ويطلب المساعدة، نجح الباحثون في إنشاء إطار عمل يمكنه في النهاية تقليل عدد الأطفال الذين يعانون من تأخر التشخيص في البيئات التي تعد فيها كل دقيقة أمراً حاسماً. إن هذا العمل يثبت أنه لكي يكون الذكاء الاصطناعي مفيداً حقاً في البيئات الصحية الأكثر تحدياً في العالم، يجب بناؤه بتواضع، وتصميمه للتعامل مع فوضى الحياة الواقعية، وإدارته بقواعد تعطي الأولوية للسلامة على السرعة.