Machine learning–based prediction of in-hospital postoperative ischemic stroke following off-pump coronary artery bypass grafting
طورت هذه الدراسة وصادقت على نموذج تعلم آلي قائم على خوارزمية XGBoost، دُمج في أداة ويب سهلة الاستخدام تسمى POISM، للتنبؤ بدقة بخطر الإصابة بالسكتة الدماغية الإقفارية داخل المستشفى لدى المرضى الذين يخضعون لعمليات مجازاة الشريان التاجي خارج مضخة القلب باستخدام بيانات من مجموعتين كبيرتين من المستشفيات.
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
تعد جراحة القلب إنجازاً هائلاً في الطب الحديث، حيث تمنح فرصة ثانية لأولئك الذين أصبحت شرايينهم مسدودة بشكل خطير. ولعقود من الزمن، استخدم الجراحون تقنية تسمى زراعة مجازة الشريان التاجي لإعادة توجيه الدم حول هذه الانسدادات، مما يعني أساساً بناء طريق سريع جديد لتدفق الدم إلى عضلة القلب. وفي كثير من الحالات، تُجرى هذه العملية بينما يكون المريض متصلاً بجهاز القلب والرئة الذي يتولى مهمة ضخ الأكسجين وتزويد الدم بالأكسجين. ومع ذلك، فإن هناك نهجاً مختلفاً، يُعرف باسم الجراحة خارج مضخة القلب (off-pump surgery)، يسمح للقلب بالاستمرار في النبض بينما يعمل الجراح عليه، مما يتجنب المضاعفات المحتملة التي قد تنشأ عندما يتم إيقاف القلب وتدوير الدم اصطناعياً. ورغم أن هذه الطريقة (خارج المضخة) تقلل من مخاطر معينة، إلا أنها لا تلغي خطر الإصابة بسكتة دماغية، وهي انقطاع مفاجئ وغالباً ما يكون مدمراً لتدفق الدم إلى الدماغ. وحتى مع التخطيط الدقيق، لا يزال بعض المرضى يعانون من سكتة دماغية أثناء وجودهم في المستشفى بعد الإجراء، وهي مضاعفة يمكن أن تؤدي إلى إعاقة طويلة الأمد أو الوفاة. ولأن هذه الأحداث غير متوقعة ومكلفة، سعى الأطباء طويلاً لإيجاد وسيلة لتحديد المرضى الأكثر عرضة للخطر قبل دخولهم غرفة العمليات، آملين في تخصي ص رعايتهم لمنع وقوع المآسي.
لسنوات، اعتمد الأطباء على أنظمة تسجيل قياسية لتقدير هذه المخاطر، لكن هذه الأدوات غالباً ما تتعامل مع كل عامل خطر كحدث منعزل، مما يؤدي إلى إغفال الطرق المعقدة التي تتفاعل بها المشكلات الصحية المختلفة. فقد يعاني المريض من ارتفاع ضغط الدم والسكري، وبينما يعد كل وضع منهما خطيراً بحد ذاته، فإن الجمع بينهما قد يخلق خطراً فريداً تفشل قوائم التحقق البسيطة في رصده. ولحل هذه المشكلة، لجأ فريق من الباحثين من مستشفيات في بكين إلى فرع قوي من علوم الحاسوب يسمى تعلم الآلة. فبدلاً من اتباع مجموعة صارمة من القواعد، تتعلم هذه البرامج الحاسوبية من كميات هائلة من البيانات، وتجد أنماطاً وصلات خفية قد تغفل عنها العين البشرية. وقد جمع الباحثون سجلات مفصلة لما يقرب من ستة وعشرين ألف مريض خضعوا لجراحة القلب خارج المضخة، ثم أدخلوا هذه المعلومات في عدة نماذج حاسوبية مختلفة، لتعليم كل منها البحث عن العلامات المحددة التي تسبق السكتة الدماغية. ولم يكن الهدف مجرد بناء حاسبة أفضل، بل إنشاء أداة يمكنها شرح "لماذا" كان المريض معرضاً للخطر، مما يمنح الأطباء صورة واضحة عما يجب مراقبته.
وكشفت الدراسة، التي حللت بيانات آلاف المرضى الذين عولجوا بين عامي 2016 و2024، أن نوعاً معيناً من نماذج تعلم الآلة، يُعرف باسم (XGBoost)، كان متفوقاً بمراحل على غيره في التنبؤ بمن سيعاني من سكتة دماغية. لم يقم هذا النموذج بالتخمين فحسب؛ بل تعلم من النتائج الفعلية للمرضى، مميزاً بين أولئك الذين ظلوا بصحة جيدة وأولئك الذين أصيبوا بسكتة دماغية بدقة ملحوظة. وعندما اختبر الباحثون هذا النموذج على مجموعة جديدة تماماً من المرضى من مستشفى مختلف، أثبت كفاءته، مما أثبت أن الأنماط التي وجدها كانت حقيقية وليست مجرد مصادفة في مجموعة البيانات الأولى. نجح النموذج في تحديد مجموعة محددة من عشرة عوامل كانت الأكثر أهمية في التنبؤ بالسكتة الدماغية، وشملت هذه العوامل أموراً مثل التاريخ المرضي للسكتات الدماغية السابقة، والضيق الشديد في شرايين الرقبة، ووجود مرض السكري. كما رصد أيضاً علامات أكثر دقة وديناميكية، مثل المدة التي انخفض فيها ضغط دم المريض بشكل كبير أثناء الجراحة، وما إذا كان قد أصيب باضطراب في ضربات القلب بعد ذلك.
وما يجعل هذا الاكتشاف قيماً للغاية هو أن النموذج الحاسوبي لم يكتفِ بإخراج رقم فقط؛ بل أظهر للباحثين بالضبط العوامل التي دفعت نحو هذا التنبؤ. فعلى سبيل المثال، سلط النموذج الضوء على أن المدة التي ظل فيها ضغط دم المريض منخفضاً أثناء العملية كانت مساهماً رئيسياً في الخطر. كما أشار إلى أن النساء واجهن خطراً أعلى من الرجال، وأن بعض المؤشرات الدموية، مثل مستويات بروتينات معينة تشارك في التجلط، كانت علامات تحذيرية هامة. ومن خلال فهم هذه المحركات المحددة، يمكن للأطباء الآن اتخاذ خطوات استباقية؛ فإذا حدد النموذج مريضاً كعالي الخطورة بسبب تاريخ من السكتة الدماغية وضيق شديد في شرايين الرقبة، يمكن للفريق الطبي الاستعداد بشكل أكثر عدوانية، رب الله بمراقبة ضغط الدم عن كثب أو تعديل الأدوية للحفاظ على استقرار مستويات السكر في الدم. حتى أن الباحثين قاموا ببناء أداة بسيطة ومجانية عبر موقع إلكتروني تعتمد على هذا النموذج، مما يسمح لأي طبيب بإدخال تفاصيل المريض ورؤية مستوى خطورته فوراً، محولين بذلك البيانات المعقدة إلى دليل عملي لغرفة العمليات.
وعلى الرغم من هذه النجاحات، يحرص الباحثون على الإشارة إلى أن عملهم ليس حلاً نهائياً. فقد كانت الدراسة استرجاعية، مما يعني أنها نظرت في سجلات كُتبت بالفعل، وكان عدد المرضى الذين أصيبوا بسكتة دماغية فعلياً صغيراً نسبياً مقارنة بإجمالي عدد العمليات الجراحية. وهذا يعني أنه رغم كون النموذج واعداً، إلا أنه يحتاج إلى مزيد من الاختبار في دراسات مستقبلية لضمان عمله للجميع وفي كل مكان. كما أقر الفريق بأن بياناتهم جاءت من منطقة محددة في الصين، لذا قد تحتاج النتائج إلى تعديل لتناسب مجموعات سكانية مختلفة. ومع ذلك، يمثل هذا العمل خطوة كبيرة للأمام؛ فهو ينقل المجال من التقديرات العامة التي تناسب الجميع إلى نهج أكثر تخصيصاً، حيث تُستخدم المجموعة الفريدة من التاريخ الصحي للمريض والتفاصيل المحددة لجراحته للتنبؤ ومنع واحدة من أكثر المضاعفات التي يخشاها الناس في جراحة القلب. ومن خلال منح الأطباء رؤية أوضح للمخاطر قبل البدء، توفر هذه الأداة الأمل في عمليات أكثر أماناً ونتائج أفضل للمرضى الذين يواجهون الرحلة الحرجة لجراحة القلب.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.