Explainable machine learning to predict depression across phenotype definitions integrating genetic and environmental factors

يُعد الاكتئاب سبباً رئيسياً للإعاقة في جميع أنحاء العالم، حيث يؤثر على الملايين من الناس، ومع ذلك يظل التنبؤ بمن سيصاب به أحد أصعب التحديات في الطب الحديث. وتكمن الصعوبة في طبيعة الحالة نفسها؛ فالاكتئاب ليس شيئاً واحداً متجانساً، بل هو نسيج معقد مغزول من خيوط متنوعة. فبينما يعيش البعض فترة عابرة من الحزن، يعاني آخرون صراعاً مزمناً مع أعراض شديدة. علاوة على ذلك، فإن الأسباب هي مزيج متشابك من البيولوجيا والتجارب الحياتية؛ إذ يعلم العلماء أن الجينات تلعب دوراً، لكنهم يعلمون أيضاً أن النوم، والضغوط المالية، والعزلة الاجتماعية هي قوى مؤثرة. ولأن تعريف الاكتئاب يتغير بناءً على من يسأل وما هي الأسئلة التي يطرحها، فقد كان بناء نموذج حاسوبي موثوق للتنبؤ به أشبه بمحاولة إصابة هدف متحرك. وقد تساءل الباحثون طويلاً عما إذا كان الطريقة التي يعرفون بها المرض في بياناتهم تغير نتائج تنبؤاتهم، وما إذا كانت الإشارات الجينية المخفية في حمضنا النووي مفيدة لأنواع معينة فقط من الاكتئاب أم للحالة ككل.

لقد وضع فريق من الباحثين في جامعة إدنبرة نصب أعينهم حل هذا اللغز من خلال اختبار مدى قدرة نماذج تعلم الآلة على التنبؤ بالاكتئاب عند تزويدها بتعريفات مختلفة للمرض. وقد لجأوا إلى "UK Biobank"، وهو قاعدة بيانات ضخمة تحتوي على معلومات صحية من أكثر من نصف مليون متطوع، لفحص ما يقرب من 153,000 شخص. وبدلاً من الاعتماد على طريقة واحدة فقط لتحديد الاكتئاب، أنشأ الفريق أربع مجموعات متميزة. تمثل إحدى المجموعات الأشخاص الذين يشعرون بالاكتئاب حالياً، ويتم تحديدهم من خلال استبيان قياسي حول الأعراض في الأسبوعين الماضيين. أما المجموعات الثلاث الأخرى، فتمثل الاكتئاب مدى الحياة، محددة بمستويات مختلفة من الصرامة: مسح واسع النطاق يعتمد على الأعراض الجوهرية، وسجل ذاتي لتاريخ طلب المساعدة المهنية، ومزيج صارم من كل هذه العوامل لضمان تشخيص عالي الثقة. ولكل شخص في هذه المجموعات، جمع الباحثون مجموعة واسعة من البيانات، بما في ذلك العمر، والجنس، وعادات النوم، والوضع المالي، ودرجة المخاطر متعددة الجينات، وهي رقم واحد يلخص الاحتمالية الجينية للشخص للإصابة بالاكتئاب بناءً على آلاف الاختلافات الدقيقة في حمضه النووي.

قام الباحثون بتدريب خمسة أنواع مختلفة من الخوارزميات الحاسوبية للتعلم من هذه البيانات والتنبؤ بمن سيُصنف مصاباً بالاكتئاب. ووجدوا أن الخوارزميات الأكثر تقدماً، والمعروفة بنماذج التعزيز (boosting models)، كانت الأفضل أداءً، لكن القصة الحقيقية كانت في كيفية تغيير تعريفات الاكتئاب للنتائج. فعندما نظرت النماذج إلى الاكتئاب مدى الحياة، كانت متسقة بشكل ملحوظ؛ فبغض النظر عن كون التعريف واسعاً أو صارماً، حدد الكمبيوتر نفس العوامل الخمسة الأولى كأكثر العوامل أهمية: كون الشخص أنثى، والعمر، والأرق، والصحة المقيمة ذاتياً، ودرجة المخاطر الجينية. وأظهرت هذه النماذج أن المعلومات الجينية أضافت دفعة صغيرة ولكن ذات معنى لدقة التنبؤ بالاكتئاب مدى الحياة. ومع ذلك، عندما غير الباحثون الهدف إلى التنبؤ بالأعراض الحالية خلال الأسبوعين الماضيين، تغيرت الصورة تماماً؛ إذ اعتمد النموذج الخاص بالأعراض الحالية بشكل أقل بكثير على الجينات والجنس، ووضع بدلاً من ذلك وزناً كبيراً على عوامل الحياة القابلة للتعديل، مثل مدى قدرة الشخص على البوح بأسراره للآخرين وما إذا كان يواجه صعوبات مالية.

كشف هذا التحول عن رؤية جوهرية: إن الطريقة التي نعرف بها الاكتئاب هي التي تحدد ما يتعلمه الكمبيوتر عنه. فالنماذج المدربة على الاكتئاب مدى الحياة كانت قابلة للنقل بدرجة عالية، مما يعني أنها تعلمت نفس القواعد بغضاً عن كون التعريف واسعاً أو صارماً. وفي المقابل، تعلم النموذج الخاص بالأعراض الحالية مجموعة مختلفة من القواعد، حيث ركز على الظروف الحياتية الراهنة بدلاً من الاستعداد طويل الأمد. كما بحث الباحثون فيما إذا كانت الجينات والبيئة تتفاعلان، بحثاً عن حالات قد تزداد فيها المخاطر الجينية للشخص بسبب وضعه الحياتي. ووجدوا أدلة قوية على أن الخطر الجيني للاكتئاب كان أكثر وضوحاً لدى الأشخاص الذين يعانون من الأرق، مما يشير إلى أن اضطراب النوم قد يعمل كمحفز يجعل الاستعداد الجيني أكثر قوة. كما وجدوا تفاعلات مماثلة مع العمر والصحة العامة.

خلصت الدراسة إلى أنه لا توجد طريقة واحدة "مثلى" للتنبؤ بالاكتئاب لأن المرض نفسه ليس شيئاً واحداً. فالنموذج المصمم لتحديد الأشخاص المعرضين لخطر الإصابة بالاكتئاب مدى الحياة سيبدو مختلفاً تماماً عن النموذج المصمم لرصد شخص في خضم نوبة حالية. وتشير النتائج إلى أنه بينما تكون البيانات الجينية مفيدة لفهم المخاطر طويلة الأمد، فإنها أقل فائدة في التنبؤ بالأعراض الفورية، التي تقودها الضغوط الحياتية والروابط الاجتماعية الحالية. ومن خلال إظهار أن تعريف المرض هو ما يشكل التنبؤ، يسلط هذا البحث الضوء على ضرورة أن يكون العلماء والأطباء دقيقين بشأن ما يحاولون التنبؤ به. فإذا كان الهدف هو الوقاية، يجب أن تركز النماذج على عوامل خطر الاكتئاب مدى الحياة. أما إذا كان الهدف هو التدخل الفوري، فيجب أن ينتقل التركيز إلى الظروف البيئية والاجتماعية الراهنة. لا يقدم هذا العمل حلاً سحرياً لعلاج الاكتئاب، ولكنه يوفر خريطة أوضح للتضاريس، موضحاً أنه لفهم مستقبل الصحة العقلية، يجب علينا أولاً أن نتفق على ما نبحث عنه.