Development and Validation of machine learning models for early prediction of severe Respiratory Syncytial Virus pneumonia in children

في كل عام، يصاب ملايين الأطفال الصغار حول العالم بنزلة برد يمكن أن تتحول بسرعة إلى شيء أكثر خطورة بكثير. هذا الفيروس، المعروف باسم الفيروس المخلوي التنفسي (RSV)، هو جرثومة شائعة تستهدف الرئتين والمجاري التنفسية. بالنسبة لمعظم الأطفال، يبدو الأمر وكأنه إنفلونزا شديدة مع سيلان في الأنف وسعال، ولكن بالنسبة لعدد كبير منهم، وخاصة أولئك الذين تقل أعمارهم عن خمس سنوات، يمكن أن يتطور الأمر إلى التهاب رئوي حاد، وهو عدوى تهدد الحياة في الرئتين. التحدي الذي يواجه الأطباء هو أن الفيروس يتصرف بشكل غير متوقع؛ فقد يبدو الطفل بخير في الصباح، ثم يعاني من صعوبة في التنفس بحلول المساء. ولأن النافذة الزمنية لمنع حدوث أزمة غالبًا ما تكون ضيقة، يحتاج الفرق الطبية إلى وسيلة لتحديد الأطفال الأكثر عرضة للخطر في اللحظة التي يدخلون فيها المستشفى، قبل وقت طويل من تدهور حالتهم.

لعقود من الزمن، اعتمد الأطباء على الخبرة وقوائم التحقق القياسية لاتخاذ هذه الأحكام، من خلال مراقبة الحمى، والسعال، ومعدلات التنفس. ومع ذلك، فإن العقل البشري ليس دائمًا الأداة الأفضل لرصد الأنماط المعقدة المختبئة داخل جبل من البيانات. تشير دراسة جديدة من مستشفى في مدينة زوني بالصين، إلى أن أجهزة الكمبيوتر قد تكون قادرة على المساعدة. لقد لجأ الباحثون إلى فرع من فروع الذكاء الاصطناعي يسمى "تعلم الآلة"، والذي يسمح للكمبيوتر بالتعلم من الأمثلة الماضية لإجراء تنبؤات حول المستقبل. وبدلاً من اتباع مجموعة صارمة من القواعد التي وضعها البشر، قام الكمبيوتر بتحليل مئات السجلات الحقيقية للمرضى للعثور على روابط دقيقة بين الأعراض المختلفة ونتائج المختبر التي قد يغفل عنها البشر. كان الهدف بسيطًا ولكنه حيوي: بناء أداة رقمية يمكنها النظر في بيانات دخول الطفل والتنبؤ بدقة بما إذا كان التهابه الرئوي سيصبح حادًا، مما يمنح الأطباء دفعة استباقية لبدء العلاج.

بدأ الفريق بجمع معلومات عن 180 طفلًا تم إدخالهم إلى المستشفى مع تأكيد إصابتهم بالالتهاب الرئوي الناتج عن الفيروس المخلوي التنفسي. وقسموا هذه الحالات إلى مجموعتين: أولئك الذين عانوا من مرض خفيف وأولئك الذين طوروا التهابًا رئويًا حادًا. ثم قام الباحثون بتغذية نظام الكمبيوتر الخاص بهم بكمية هائلة من البيانات، بما في ذلك عمر الطفل ووزنه، وتاريخه الطبي، ونتائج فحوصات الدم وفحوصات الرئة التي أجريت خلال أول يومين من دخول المستشفى. وكان عليهم توخي الحذر لتنظيف البيانات، وملء الأرقام المفقودة بتقديرات ذكية حتى يتمكن الكمبيوتر من التعلم من كل سجل. ولإيجاد أهم القرائن، استخدموا طريقتين رياضيتين لتصفية الضجيج؛ حيث عملت إحدى الطريقتين مثل المنخل، حيث قامت بإزالة المتغيرات التي كانت متشابهة جدًا مع بعضها البعض، بينما قارنت الطريقة الأخرى أهمية كل عرض مقابل الضجيج العشوائي لمعرفة أي منها كان مهمًا حقًا.

بعد عملية التصفية الدقيقة هذه، حدد الكمبيوتر سبعة عوامل رئيسية فقط كانت مرتبطة بقوة بالمرض الشديد. لم تكن هذه عوامل غامضة أو ألغازًا طبية، بل كانت علامات ملموسة وقابلة للملاحظة: وزن الطفل، ومعدل تنفسه، وما إذا كان يتنفس بشكل أسرع من المعتاد، وما إذا كان يعاني من ضيق في التنفس، وثلاثة أرقام محددة من فحوصات الدم الخاصة به. ومع اختيار هذه السمات السبع، بنى الباحثون ثمانية نماذج كمبيوتر مختلفة لمعرفة أي نموذج يمكنه التنبؤ بالنتيجة بشكل أفضل. لقد اختبروا كل شيء، بدءًا من الأساليب الإحصائية البسيطة وصولاً إلى الأنظمة الأكثر تعقيدًا التي تحاكي طريقة معالجة الدماغ البشري للمعلومات. قاموا بتدريب هذه النماذج على ثلثي بيانات المرضى، ثم اختبروها على الثلث المتبقي لمعرفة ما إذا كان بإمكانها تعميم ما تعلمته على مرضى جدد لم يسبق رؤيتهم.

أظهرت النتتائج أن أحد النماذج، المعروف باسم "الغابة العشوائية" (Random Forest)، قد تفوق على جميع النماذج الأخرى. يُسمى هذا النموذج بهذا الاسم نظرًا لطريقته في اتخاذ القرارات من خلال الجمع بين آراء العديد من أشجار القرار الأصغر، تمامًا مثل لجنة من الخبراء تصوت على التشخيص. في مرحلة الاختبار، حدد هذا النموذج بشكل صحيح ما يقرب من 90 بالمائة من الأطفال الذين سيصابون بالتهاب رئوي حاد، وهو مستوى من الحساسية يعد أمرًا بالغ الأهمية لسلامة المرضى. وبينما فاته بعض الحالات أو صنف بعض الحالات الخفيفة على أنها شديدة، فإن قدرته على رصد الحالات الخطيرة كانت أقوى سماته. كما استخدم الباحثون تقنية لتصور كيفية اتخاذ النموذج لخياراته، مما كشف أن معدل التنفس ووجود ضيق في التنفس كانا يمثلان الأوزان الأثقل في القرار. تعلم الكمبيوتر أن معدل التنفس السريع، خاصة عندما يقترن بالشعور بضيق التنفس، كان إشارة قوية على أن رئتي الطفل تحت ضغط شديد.

كما سلطت الدراسة الضوء على كيفية وزن الكمبيوتر لعوامل أخرى. فقد وجد أن انخفاض وزن الجسم كان عامل خطر، ويرجع ذلك على الأرج Or أنه يعكس الصحة الغذائية العامة للطفل وقوة مناعته. وبالمثل، قدمت تغيرات محددة في حجم خلايا الدم الحمراء ونسبة الخلايا اللمفاوية، وهي نوع من خلايا الدم البيضاء، أدلة إضافية حول كيفية محاربة الجسم للعدوى. لم يكن الكمبيوتر يخمن فحسب؛ بل تعلم أن هذه العلامات البيولوجية المحددة، عندما تجتمع مع صعوبات التنفس لدى الطفل، تخلق نمطًا يتنبأ بشكل موثوق بنتيجة شديدة. وأكد الباحثون أن هذا النهج قدم فائدة حقيقية مقارنة بالطرق التقليدية، مشيرين إلى أن استخدام مثل هذه الأداة يمكن أن يساعد المستشفيات على تخصيص مواردها بشكل أكثر فعالية والتدخل في وقت مبكر للمرضى الأكثر عرضة للخطر.

رغم هذه النتائج الواعدة، يحرص المؤلفون على ملاحظة أن عملهم هو مجرد خطوة أولى. فقد تم بناء النموذج باستخدام بيانات من مستشفى واحد، مما يعني أنه لم يتم اختباره بعد على الأطفال في أجزاء مختلفة من العالم أو في أنظمة رعاية صحية مختلفة. كما كانت الدراسة استرجاعية، مما يعني أن الكمبيوتر تعلم من سجلات الماضي بدلاً من اختبار الأطفال في الوقت الفعلي. ويؤكد الباحثون أنه قبل استخدام هذه الأداة في العيادات اليومية، يجب التحقق من صحتها في دراسات أكبر متعددة المراكز لضمان فعاليتها للجميع. ومع ذلك، توضح الدراسة أنه من خلال الجمع بين الملاحظات السريرية البسيطة واليومية مع تحليل الكمبيوتر المتقدم، من الممكن إنشاء نظام يرى علامات الخطر للالتهاب الرئوي الحاد في وقت أبكر من أي وقت مضى، مما يوفر طبقة جديدة من الحماية للأطفال الذين يصارعون هذا الفيروس الشائع ولكنه قد يكون مميتًا.