Development and internal validation of a pre-operative machine-learning model for prolonged postoperative stay in older adults undergoing colorectal cancer surgery
طورت هذه الدراسة نموذجاً للتعلم الآلي قبل الجراحة باستخدام بيانات سريرية روتينية وتحققت من صحته داخلياً للتنبؤ بدرجة متوسطة بطول مدة الإقامة في المستشفى لدى كبار السن الذين يخضعون لجراحة سرطان القولون والمستقيم، مع تحديد الهشاشة والأمراض المصاحبة كمتنبئات رئيسية، مع تسليط الضوء على الحاجة إلى التحقق الخارجي قبل التطبيق السريري.
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
تُعد المستشفيات أماكن للاستشفاء، ولكن بالنسبة لكبار السن، يمكن أن تصبح الإقامة الطويلة مصدراً لضرر جديد. فعندما يُدخل شخص مسن لإجراء جراحة كبرى، يمكن للبيئة الاستشفائية نفسها أن تؤدي إلى تدهور قدراته البدنية والعقلية. هذه الظاهرة، المعروفة باسم "الإعاقة المرتبطة بالمستشفى"، تشمل فقدان القوة العضلية، والارتباك، وانخفاض القدرة على رعاية الذات، وكل ذلك قد يحدث ببساطة لأن المريض مقيد بالسرير أو بالغرفة لفترة طويلة جداً. وبالنسبة للمرضى الذين يواجهون جراحة سرطان القولون والمستقيم، يتضاعف التحدي نظراً لأنهم غالباً ما يصلون وهم يعانون من مزيج من المشكلات الصحية الأخرى، وانخفاض الاحتياطي البدني، والاحتياجات الاجتماعية المعقدة التي تجعل العودة إلى المنزل أمراً صعباً. لقد عرف الأطباء منذ زمن طويل أن "الهزال" —وهي حالة من زيادة الضعف تجاه الضغوط— يعد مؤشراً أفضل للنتائج السيئة من العمر وحده، ومع ذلك، لا يزال التنبؤ بدقة بمن سيحتاج إلى إقامة طويلة في المستشفى أمراً صعباً. فالأدوات التقليدية غالباً ما تركز على خطر الوفاة أو المضاعفات الكبرى، متجاهلة الخطر الأكثر دقة وتدميراً في آن واحد، وهو الإقامة المطولة التي تترك المريض أضعف مما كان عليه عند وصوله.
في دراسة حديثة، سعى باحثون في مستشفى ساوث إيند الجامعي ومستشفى ساوث ميد إلى بناء أداة رقمية لحل هذه المشكلة تحديداً. أرادوا معرفة ما إذا كان بإمكانهم استخدام برنامج حاسوبي للنظر في البيانات الصحية للمريض قبل الجراحة والتنبؤ بما إذا كان ذلك المريض سيبقى في المستشفى لأكثر من عشرة أيام. ركز الفريق على 197 شخصاً من كبار السن، جميعهم تبلغ أعمارهم 65 عاماً أو أكثر، ممن يتم تقييمهم لإجراء جراحة سرطان القولون والمستقيم. ومن هذه المجموعة، قاموا بتحليل سجلات 149 مريضاً خضعوا بالفعل للعملية الجراحية. جمع الباحثون مجموعة واسعة من المعلومات المتاحة قبل بدء الجراحة، بما في ذلك عمر المريض، ومقياس لهزاله يسمى "مقياس الإكلينيكي للهزال" (Clinical Frailty Scale)، وعدد الحالات الطبية الأخرى التي يعاني منها، وعدد الأدوية التي يتناولها، ووضعه الاجتماعي، مثل مكان سكنه ومدى توفر المساعدة له في المنزل. كما تضمنوا أيضاً درجات المخاطر الجراحية القياسية التي تُقدر مدى صعوبة العملية.
ولفهم هذا المزيج المعقد من البيانات، استخدم الفريق طريقة تعلم آلي تسمى "المصنف المعزز بالتدرج" (gradient-boosted classifier). يمكنك التفكير في هذا كبرنامج حاسوبي يتعلم من خلال بناء سلسلة من أشجار القرار، حيث تقوم كل شجرة جديدة بتصحيح أخطاء الشجرة التي سبقتها، مما يؤدي في النهاية إلى إنشاء نموذج عالي الدقة لرصد الأنماط. قام الباحثون بتدريب هذا النموذج للتمييز بين المرضى الذين ستكون إقامتهم قصيرة أو متوسطة، وأولئك الذين ستكون إقامتهم مطولة لأكثر من عشرة أيام. واختبروا النموذج بصرامة من خلال تقسيم البيانات بشكل متكرر إلى مجموعات مختلفة لضمان أن النتائج لم تكن مجرد تخمين محظوظ. أثبت النموذج نجاحاً متوسطاً في مهمته؛ فقد حدد المرضى المعرضين لخطر الإقامة الطويلة بنسبة 75% من الوقت تقريباً، مع حساسية بلغت 66%، مما يعني أنه رصد ثلثي الأشخاص الذين انتهى بهم الأمر بالبقاء لفترة طويلة جداً. كما كان جيداً بشكل معقول في استبعاد أولئك الذين ستكون إقامتهم قصيرة، بنسبة نوعية بلغت 75%.
وكشفت الدراسة أن أقوى الأدلة للتنبؤ بالإقامة الطويلة لم تكن ببساطة عمر المريض أو نوع الجراحة، بل كانت مستوى الهزال لديه ودرجة مخاطر الجراحة الإجمالية. كما لعب عدد الحالات الصحية الأخرى وحركية المريض أدواراً مهمة. ومن المثير للاهتمام أن الباحثين وجدوا أنه بينما كان النموذج جيداً في التنبؤ بنتيجة ثنائية —أي ما إذا كانت الإقامة ستكون طويلة أم لا— فإنه كان أقل موثوقية بكثير في التنبؤ بالعدد الدقيق للأيام التي سيقضيها المريض في المستشفى. فعندما حاولوا استخدام الحاسوب للتنبؤ بمدد زمنية محددة، كانت التوقعات غال عدة أيام، مما يشير إلى أن المدة الدقيقة للإقامة في المستشفى تتأثر بعوامل كثيرة لا يمكن التنبؤ بها بدقة. هذا التمييز أمر بالغ الأهمية: فالأداة أفضل في تحديد المريض عالي المخاطر الذي يحتاج إلى تخطيط إضافي، منها في إخبار الطبيب متى سيتم خروج المريض بالضبط.
إن الآثار المترتبة على القدرة على تحديد هؤلاء المرضى المعرضين للخطر كبيرة. فقد قدر الباحثون أنه إذا تم تطبيق هذا النموذج على حوالي 21,000 عملية جراحية رئيسية للأمعاء تُجرى سنوياً في إنجلترا وويلز، فإنه يمكن أن يساعد في تحديد آلاف المرضى الذين من المرجح أن يواجهوا إقامة مطولة. فالإقامة المطولة ليست مجرد مسألة توافر أسرة في المستشفى؛ بل هي تهديد مباشر لاستقلالية المريض. وسلطت الدراسة الضوء على أن المرضى الذين يقيمون لفترات أطول يتعرضون لمعدلات أعلى من التدهور الوظيفي، والهذيان، والمضاعفات الأخرى المكتسبة من المستشفى. ومن خلال تحديد هؤلاء المرضى مبكراً، يمكن للفرق الطبية التدخل عبر تحضير مكثف قبل الجراحة أو دعم ما بعد الجراحة لتقصير مدة إقامتهم. كما أن الحجة الاقتصادية مقنعة أيضاً؛ حيث حسب الباحثون أن تقليل مدة الإقامة ليوم واحد فقط لـ 10% من هذه الحالات الوطنية يمكن أن يوفر ما يقرب من مليوني جنيه إسترليني في تكاليف الأسرة وحدها، وهو رقم سيرتفع إلى أكثر من 5 ملايين جنيه إسترليني إذا تم تحقيق هذا الخفض في 20% من الحالات.
وعلى الرغم من هذه النتائج الواعدة، يلاحظ المؤلفون بحذر أن هذه الأداة ليست جاهزة بعد للاستخدام الفوري في كل مستشفى. فقد أُجريت الدراسة في مركز واحد واعتمدت على بيانات استرجاعية، مما يعني أن النموذج تم اختباره على سجلات سابقة بدلاً من مرضى مستقبليين. وقد تباين أداء النموذج اعتماداً على كيفية اختبار البيانات، وأكد الباحثون على ضرية التحقق من صحته ضمن مجموعة أكبر وأكثر تنوعاً من المرضى قبل الوثوق به لتوجيه القرارات السريرية. وتخلص الدراسة إلى أنه بينما يظهر التعلم الآلي وعداً كبيراً في مساعدة الأطباء على التخطيط لرعاية كبار السن الذين يخضعون لجراحة سرطان القولون والمستقيم، فإن الخطوة التالية هي اختبار النموذج في تجارب مستقبلية في الوقت الفعلي لمعرفة ما إذا كان العمل بناءً على توقعاته سيؤدي بالفعل إلى إقامات مستشفى أقصر وأكثر أماناً. وحتى ذلك الحين، تظل هذه الأداة وسيلة متطورة لتصنيف المخاطر، تقدم رؤية أوضح لمن هم الأكثر عرضة للمخاطر الخفية للإقامة الطويلة في المستشفى.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.