Explainable Machine Learning Model for Predicting Filter Lifespan in Patients on Continuous Renal Replacement Therapy

في وحدات العناية المركزة بالمستشفيات حول العالم، تقف غالباً آلة متخصصة حارسةً للمرضى الذين توقفت كليتيهم عن العمل فجأة. هذه الآلة، المعروفة باسم العلاج المستمر لتعويض الكلى، تعمل ككلية اصطناعية، حيث تقوم ببطء بتصفية السموم والسوائل الزائدة من الدم بينما تتعافى أعضاء المريض الأصلية. قلب هذه الأداة المنقذة للحياة هو المرشح (الفلتر)، وهو مكون يسمح بمرور الدم من خلاله مع احتجاز الفضلات. ومع ذلك، فإن هذا المرشح هش؛ فتماماً مثل مرشح القهوة المسدود، يمكن أن ينسد بسبب تجلط دم المريض داخل الأنابيب الصغيرة، مما يجبر الآلة على التوقف ويستوجب استبدال المرشح. وعندما يحدث هذا بسرعة كبيرة، ينقطع العلاج، وقد تتدهور حالة المريض. لعقود من الزمن، جاهد الأطباء للتنبؤ بالمرضى الذين ستستمر مرشحاتهم في العمل لفترة طويلة وأولئك الذين سيواجهون هذه الإخفاقات المفاجئة والمكلفة، معتمدين على الخبرة والقواعد العامة بدلاً من التوقعات الدقيقة.

قام فريق من الباحثين في مستشفى مقاطعة تشيجيانغ الشعبي في الصين الآن ببناء أداة جديدة للمساعدة في حل هذا اللغز. فمن خلال النظر في السجلات الطبية لـ 854 مريضاً تلقوا هذا العلاج بين عامي 2021 و2024، قاموا بتدريب نظام حاسوبي للتعرف على الأنماط التي قد تغيب عن أعين الأطباء البشر. لم يطلب الباحثون من الحاسوب مجرد التخمين، بل علموه كيفية شرح منطقه. لقد غذوا النظام بكم هائل من المعلومات، بما في ذلك عمر المريض، وكيمياء دمه، ونوع الدواء المستخدم لمنع التجلط، وحتى الموقع المحدد الذي أُدخل فيه الأنبوب إلى الجسم. ثم قام الحاسوب بتحليل هذه التفاصيل للتنبؤ بما إذا كان المرشح سيستمر لأكثر من ستين ساعة، وهو معيار يُعتبر نجاحاً في التشغيل، أو ما إذا كان سيفشل قبل ذلك.

اختبر الباحثون ستة أنواع مختلفة من نماذج التعلم الحاسوبي، يستخدم كل منها نهجاً رياضياً مختلفاً قليلاً لإيجاد الإجابة. برز نموذج واحد، يُسمى "الغابة العشوائية" (Random Forest)، كفائز واضح. يُسمى هذا النموذج بهذا الاسم لطريقة اتخاذه للقرارات: فبدلاً من الاعتماد على قاعدة واحدة، يعمل كأنه لجنة من صغار صناع القرار، حيث ينظر كل منهم إلى البيانات من زاوية مختلفة، ثم يصوتون على النتيجة النهائية. وفي الاختبار، حدد هذا النموذج خطر الفشل المبكر للمرشح بدقة بلغت حوالي ثمانين بالمائة، وهو مستوى من الدقة تفوق على الطرق الأخرى التي جربوها. والأهم من ذلك، استخدم الباحثون تقنية تسمى "تحليل شاب" (SHAP analysis) لتقشير طبقات عملية صنع القرار في الحاسوب. سمح لهم ذلك برؤية العوامل التي دفعت التنبؤ نحو النجاح أو الفشل لكل مريض على حدة، محولين "الصندوق الأسود" إلى دليل شفاف.

كشف التحليل أن العامل الأكثر حرجاً لم يكن عمر المريض أو أمراضه الكامنة، بل الطريقة المستخدمة لمنع تجلط الدم. فالمرضى الذين تلقوا علاجاً باستخدام "السيترات"، وهي مادة تربط الكالسيوم لمنع التجلط داخل المرشح، كانوا أكثر عرضة بكثير لامتلاك مرشح طويل الأمد. في المقابل، واجه المرضى الذين لم يتلقوا أي مضادات للتجلط، أو الذين اعتمدوا على "الهيبارين"، خطراً أكبر بكثير في انسداد المرشح بسرعة. كما كان لموقع الأنبوب أهمية أيضاً؛ إذ ارتبط وضع القسطرة في الجانب الأيمن من الرقبة، وتحديداً في الوريد الوداجي الباطن، بنتائج أفضل من المواقع الأخرى. ويرجع ذلك على الأرجح إلى أن المسار من هذا الوريد إلى القلب أكثر استقامة، مما يسمح للدم بالتدفق بسلاسة أكبر ويقلل من فرص انحشار الأنبوب ضد جدار الوعاء الدموي.

بعيداً عن العوامل الواضحة، وجد الحاسوب بعض الروابط المفاجئة. فقد أشار إلى أن المرضى الذين لديهم مستويات أعلى قليلاً من البوتاسيوم في دمهم، أو أولئك الذين أظهرت نتائج فحص دمهم أن دمهم يستغرق وقتاً أطول للتجلط، يميلون إلى امتلاك مرشحات تدوم لفترة أطول. وبالمثل، فإن المرضى الذين يعانون من فشل كلوي أكثر شدة، كما يشير مقياس منخفض لكفاءة ترشيح كليتيهم للفضلات، شهدوا أيضاً مرشحات تدوم لفترة أطول. ويشدد الباحثون بحذر على أن هذه النتائج هي ارتباطات وليست بالضرورة أسباباً. فمن الممكن أن يتم التعامل مع المرضى الذين لديهم هذه الملفات الدموية المحددة بشكل أكثر عدوانية من قبل الأطباء، أو أن أجسامهم ببساطة تتفاعل بشكل مختلف مع العلاج. لم يثبت الحاسوب أن ارتفاع البوتاسيوم يسبب طول عمر المرشح، لكنه أشار إليه كدليل هام يستحق الانتباه.

ولتوضيح كيفية عمل ذلك في الممارسة العملية، نظر الباحثون في حالتين لمريضين محددين. الأول كان رجلاً مسناً يعاني من ارتفاع في البوتاسيوم ووقت تجلط دم أبطأ من المتوسط. توقع الحاسوب أنه سيكون له عمر مرشح طويل، وبالفعل، استمر مرشحه لما بعد الستين ساعة. وكانت العوامل الرئيسية التي دفعت هذا التنبؤ هي كيمياء دمه المحددة وحقيقة تلقيه علاج السيترات. في المقابل، كان مريض آخر يعاني من انخفاض في البوتاسيوم وسرعة في التجلط، ولم يتلقَ أي مضادات للتجلط، فتوقع الحاسوب أن يكون له عمر مرشح قصير، وبالفعل فشل مرشحه مبكراً. كان تفسير الحاسوب لهذا الفشل واضحاً: غياب الوقاية من التجلط وكيمياء الدم المحددة خلقا "عاصفة مثالية" لانسداد المرشح.

لا تقدم هذه الدراسة علاجاً سحرياً لفشل المرشح، ولا تدعي أنها حلت المشكلة لكل مستشفى. فقد جاءت البيانات من مستشفى واحد، ويقر الباحثون بأن المراكز الطبية المختلفة تستخدم بروتوكولات ومعدات مختلفة، مما قد يغير النتائج. كما استخدموا حداً فاصلاً بسيطاً قدره ستون ساعة لتحديد النجاح، وهو ما قد لا يناسب كل الحالات السريرية. ومع ذلك، يوفر هذا العمل طريقة قوية للنظر إلى مشكلة قديمة. فمن خلال الجمع بين نموذج حاسوبي قوي وتفسير واضح لسبب اتخاذ النموذج لتنبؤاته، منح الباحثون الأطباء طريقة جديدة للتفكير في مرضاهم. فبدلاً من التخمين، يمكن للطبيب الآن النظر في الملف الشخصي المحدد للمريض وفهم العوامل التي تعمل ضده بدقة. وهذا يسمح بإجراء تغييرات استباقية، مثل تغيير نوع مضادات التجلط أو تعديل وضع القسطرة، للحفاظ على عمل المرشح لفترة أطول وضمان سلامة المريض. الهدف ليس استبدال حكم الطبيب، بل منح إياه حافة حادة مدعومة بالبيانات، لضمان استمرار العلاج المنقذ للحياة دون انقطاع.