Avoiding Data Leakage in Machine Learning Models for Diabetes and Hypertension Classification Using Routine Occupational Health Screening Data
تُظهر هذه الدراسة أن إدراج المتنبئات المحددة للنتائج، مثل جلوكوز الدم الصائم وضغط الدم، في نماذج تعلم الآلة لتصنيف داء السكري وارتفاع ضغط الدم يتسبب في تسريب حاد للبيانات وتضخم مصطنع في الأداء، في حين أن النماذج التي تستبعد هذه المتغيرات باستخدام بيانات الفحص المهني الروتينية تحقق دقة متوسطة ولكنها واقعية سريرياً، بينما تسلط الضضوء على القيمة التنبؤية لعوامل مثل العمر، ومؤشر كتلة الجسم، والاضطراب النفسي.
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
في عالم الطب الحديث، يُطلب من الحواسيب بشكل متزايد النظر في بيانات المريض للتنبؤ بما إذا كان سيصاب بمرض خطير مثل السكري أو ارتفاع ضغط الدم. هذا المجال، المعروف باسم تعلم الآلة، يعمل من خلال تغذية الحاسوب بآلاف الأمثلة لأشخاص مرضى وآخرين أصحاء، جنباً إلى جنب مع قائمة طويلة من القياسات مثل العمر، والوزن، ونتائج فحوصات الدم. بعد ذلك، يحاول الحاسوب إيجاد أنماط خفية تربط هذه القياسات بالمرض. وإذا تعلم الحاسوب جيداً، يأمل الأطباء أن يتمكن من رصد الأفراد المعرضين للخطر في وقت مبكر، ربما أثناء فحص روتيني في العمل، مما يسم يسمح بالوقاية قبل أن يستقر المرض. ومع ذلك، هناك فخ خطير في هذه العملية يسمى "تسرب البيانات". يحدث هذا عندما يُعطى الحاسوب بالخطأ "مفتاح الإجابة" بينما لا يزال يحاول التعلم. فإذا رأى الحاسوب مستوى سكر في الدم مرتفعاً بالفعل، ثم طُلب منه التنبؤ بما إذا كان الشخص مصاباً بالسكري، فهو لا يتنبأ بشيء حقاً؛ بل هو ببساطة يقرأ تعريف المرض. وهذا يخلق شعوراً زائفاً بالثقة، مما يجعل الحاسوب يبدو كأنه عبقري بينما هو في الواقع يستخدم بيانات غير صالحة.
قام فريق من الباحثين في إيران بتطوير نظام يمكنه تحديد الإصابة بالسكري وارتفاع ضغط الدم بين موظفي الجامعة باستخدام البيانات التي جُمعت خلال فحوصاتهم الصحية السنوية. أرادوا معرفة ما إذا كانت هذه السجلات الروتينية، التي تشمل أشياء مثل قياسات الجسم، وفحوصات الدم، وحتى الأسئلة حول التوتر والمزاج، يمكن أن تساعد في رصد الأشخاص المعرضين للخطر. لكن هدفهم الأهم لم يكن مجرد بناء نموذج، بل إثبات مدى سهولة خداع الباحثين لأنفسهم عبر الاعتقاد بأن نماذجهم مثالية. لقد أخذوا مجموعة كبيرة من سجلات الموظفين وقسموها إلى مجموعتين لاختبار أفكارهم. أولاً، بنوا نموذجاً يتضمن كل معلومة متاحة، بما في ذلك أرقام سكر الدم وضغط الدم ذاتها التي يستخدمها الأطباء لتشخيص الأمراض. ومن الطبيعي، أن هذا النموذج أدى بشكل شبه مثالي، حيث حدد كل الحالات تقريباً بشكل صحيح. بدا الأمر وكأنه طفرة نوعية.
بعد ذلك، قام الباحثون بشيء حاسم. فقد بنوا نموذجاً ثانياً يُمنع فيه منعاً باتاً من النظر في أرقام سكر الدم وضغط الدم المحددة تلك. لقد أجبروا الحاسوب على الاعتماد فقط على القرائن الأخرى، مثل العمر، وحجم الجسم، ومستويات التوتر النفسي، لتقديم تخمينه. هذا النموذج الثاني يمثل ما سيحدث في العالم الحقيقي، حيث قد يرغب الطبيب في التنبؤ بالمخاطر قبل إجراء الاختبار التشخيصي النهائي. وعندما قارنوا بينهما، كان الفرق صارخاً. فالنموذج الأول، الذي كان يمتلك مفتاح الإجابة، ادعى أنه محق بنسبة 96 بالمائة من المرات. أما النموذج الثاني، الذي اضطر للقيام بالعمل الشاق المتمثل في التنبؤ الفعلي، فقد انخفضت نسبة صحته إلى حوالي 78 بالمائة. لم يكن هذا الفارق، الذي يقارب عشرين نقطة مئوية، خطأً بسيطاً؛ بل كان تضخماً هائلاً ناتجاً بالكامل عن استراق الحاسوب للنظر في الإجابة. لقد أظهرت الدراسة أن العديد من الادعاءات السابقة حول دقة التنبؤ الطبي العالية قد تكون مبنية على هذا الأساس الهش نفسه، حيث كان الحاسوب ببساطة يقرأ تعريف المرض بدلاً من تعلم كيفية رصده.
وإلى جانب كشف هذا الخلل المنهجي، وجد الباحثون أن النموذج الذي لا يمتلك مفتاح الإجابة لا يزال يحتفظ بقيمته. فحتى بدون قراءات ضغط الدم أو السكر المباشرة، استطاع الحاسوب التمييز بين الموظفين الأصحاء والمعرضين للخطر بدرجة متوسطة من الدقة. والأكثر إثارة للدهشة هو أن الحاسوب تعلم أن العوامل النفسية كانت قرائن قوية؛ إذ جاءت المتغيرات التي تقيس الضيق النفسي العام، والاكتئاب، والقلق، ضمن أهم المتنبئات بكلتا الحالتين، حيث ظهرت بنفس أهمية المقاييس الجسدية مثل محيط الخصر أو مؤشر كتلة الجسم. وهذا يشير إلى أن العقل والجسد مرتبطان بعمق في هذه الأمراض، وأن الحالة الذهنية للعامل قد تكون علامة تحذير مبكرة حيوية للمشاكل الصحية الجسدية.
وقد حرص الباحثون على ملاحظة أن نتائجهم هي نقطة انطلاق وليست حلاً نهائياً. فقد أُجريت الدراسة على مجموعة صغيرة نسبياً من الموظفين من جامعة واحدة، ولم تُختبر النماذج على مجموعات مختلفة من الناس في أماكن أخرى. كما أن أداء النموذج الواقعي، رغم كونه مفيداً لتصنيف الناس إلى مجموعات خطر، ليس عالياً بما يكفي ليحل محل تشخيص الطبيب. إن القيمة الحقيقية لهذا العمل تكمن في تحذيره للمجتمع العلمي: إذا كنت تريد معرفة ما إذا كانت أداة التنبؤ تعمل حقاً، فيجب عليك اختبارها دون السماح لها برؤية الأرقام التي تُعرف المرض. ومن خلال إظهار مدى انخفاض الأداء بالضبط عند اتباع هذه القاعدة، توفر الدراسة إطاراً واضحاً وصادقاً للبحوث المستقبلية. إنها تذكرنا بأنه في السباق نحو استخدام الذكاء الاصطناعي في الصحة، فإن الخطوة الأكثر أهمية هي ضمان أن الحاسوب يتعلم الحقيقة، وليس مجرد حفظ الاختبار.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.