MultiDiseasePred: An Interpretable Multi-Disease Risk Prediction Framework and Its Application for Early Risk Stratification in the Emergency Department

في بيئة غرف الطوارئ بالمستشفيات، وهي بيئة تتسم بالفوضى وارتفاع المخاطر، غالبًا ما تكون الدقائق القليلة الأولى هي الأكثر حرجًا. فعند وصول مريض، لا يكون مجرد مشكلة واحدة؛ بل هو مزيج معقد من الأعراض التي قد تشير إلى أي شيء، بدءًا من نوبة قلبية وصولاً إلى عدوى شديدة أو انسداد في شريان الرئة. تقليديًا، اعتمد الأطباء على قوائم فحص وأنظمة تقييم منفصلة لتقييم كل احتمال من هذه الاحتمالات واحدًا تلو الآخر. فقد يستخدم الممرض أداة واحدة للتحقق من تسمم الدم (الإنتان)، وأخرى لمشاكل القلب، وثالثة لمشاكل التنفس. ورغم أن هذه الأدوات مفيدة، إلا أنها مصممة للنظر في مرض واحد فقط في كل مرة. وهذا يخلق صورة مجزأة، مما يضطر الكوادر السريرية إلى محاولة ربط درجات مخاطر مختلفة ذهنيًا أثناء التسابق مع الزمن، وغالبًا دون الاستفادة من نتائج المختبر أو صور الأشعة التي تصل لاحقًا. التحدي يكمن في رؤية المريض ككل بشكل فوري، وفهم كيفية تداخل المخاطر المختلفة وتنافسها على الاهتمام قبل أن تُعرف القصة الطبية الكاملة.

ولمعالجة ذلك، طور فريق من الباحثين من جامعة مينيسوتا ومؤسسات أخرى نهجًا جديدًا يسمى MultiDiseasePred. فبدلاً من بناء نماذج منفصلة لكل مرض، أنشأوا نظامًا موحدًا وشاملًا مصممًا لفحص المريض وتقدير خطر سبعة حالات حادة مختلفة ونتيجتين حرجتين في آن واحد، مثل ما إذا كان المريض سيحتاج إلى دخول المستشفى. يركز النظام على الحالات السبع التي غالبًا ما تظهر بأعراض مبكرة متشابهة بشكل مربك: تسمم الدم (الإنتان)، متلازمة الضائقة التنفسية الحادة، تفاقم أمراض الرئة المزمنة مثل الربو أو الانسداد الرئوي المزمن، المتلازمة التاجية الحادة (مشاكل القلب)، الالتهاب الرئوي الفيروسي، الانصمام الرئوي (جلطة في الرئة)، وإصابة الكلى الحادة. كما يتنبأ باحتمالية دخول المستشفى وبنتيجة "حرجة" مركبة تشمل دخول العناية المركزة أو الوفاة. لم يكن الهدف مجرد التنبؤ بهذه المخاطر، بل القيام بذلك باستخدام المعلومات المتاحة فقط لحظة دخول المريض من الباب، مثل العلامات الحيوية، والعمر، والشكوى الرئيسية، دون انتظار فحوصات الدم أو الأشعة السينية.

درب الباحثون هذا النظام على مجموعة بيانات ضخمة تضم ما يقرب من 1.7 مليون زيارة لغرف الطوارض من نظام صحي كبير في مينيسوتا، تغطي الأعوام من 2019 إلى 2025. ثم اختبروا مدى كفاءة النظام على مجموعات مختلفة تمامًا من المرضى من مركزين طبيين رئيسيين آخرين: أحدهما في بوسطن والآخر في كاليفورنيا. كان هذا الاختبار الخارجي حاسمًا لضمان أن النظام لا يقوم فقط بحفظ البيانات المحلية، بل يمكنه حقًا فهم العلامات العالمية للمرض. تعلم النظام تحديد الأنماط عبر ملايين الزيارات، مكتشفًا أنه بينما كل مرض فريد من نوعه، إلا أنها غالبًا ما تشترك في إشارات فسيولوجية أساسية. فعلى سبيل المثال، قد يكون انخفاض ضغط الدم أو تغير معدل التنفس علامة تحذير لعدة حالات مختلفة في وقت واحد. ومن خلال تحليل هذه الإشارات المشتركة جنبًا إلى جنب مع القرائن المحددة، تعلم النموذج كيفية وزن الأدلة لكل حالة على حدة مع رؤية الروابط بينها في الوقت ذاته.

تعد القدرة على البقاء بسيطًا وعمليًا للاستخدام في العالم الحقيقي ميزة رئيسية لهذا الإطار الجديد. فقد وجد الباحثون أنهم ليسوا بحاجة إلى قائمة طويلة تضم عشرات المتغيرات لإجراء تنبؤات دقيقة. ومن خلال عملية اختيار دقيقة، قلصوا المدخلات إلى اثني عشر متغيرًا فقط يتم تسجيلها روتينيًا من قبل ممرضي الفرز الطبي، مثل معدل ضربات القلب، وضغط الدم، ومستويات الأكسجين، والعمر، وتاريخ طبي معين. تعني هذه المجموعة "المقتصدة" من المدخلات أن النظام يمكن استخدامه فورًا دون الحاجة إلى إدخال بيانات معقدة أو انتظار نتائج المختبر. كما يتضمن النموذج نظام شرح مدمج؛ فعندما يشير إلى مريض بأنه معرض لخطر مرتفع لحالة معينة، فإنه لا يكتفي بإعطاء رقم فحسب، بل يسلط الضوء بدقة على العوامل التي ساهمت في هذا القرار. فمثلاً، إذا توقع النظام خطرًا مرتفعًا للإصابة بالانصمام الرئوي، فقد يوضح أن تاريخ المريض مع ارتفاع ضغط الدم الرئوي كان المحرك الأساسي لهذا التنبؤ، مما يسم يسمح للممارس السريري برؤية المنطق وراء التنبيه.

كانت نتائج الدراسة واعدة. ففي الاختبار الداخلي، حقق النظام مستوى عاليًا من الدقة في التمييز بين المرضى الذين ستتطور لديهم هذه الحالات وأولئك الذين لن تتطور لديهم، حيث أدى بشكل يضاهي أو يتفوق على نماذج تعلم الآلة الحالية المخصصة لمرض واحد. والأهم من ذلك، عند اختباره على البيانات الخارجية من بوسطن وكاليفورنيا، حافظ النظام على أداء قوي دون الحاجة إلى إعادة تدريبه أو تعديله للمواقع الجديدة. يشير هذا إلى أن الأنماط التي تعلمها النموذج قوية ويمكنها الانتقال عبر بيئات مستشفيات مختلفة. وبالنسبة للحالات الحادة السبع، حدد النظام المخاطر بدرجة عالية من الموثوقية، وبالنسبة لنتائج التوجيه (الاستقرار) المذكورة، كان أداؤه جيدًا أيضًا. وأشار الباحثون إلى أنه بينما كان النظام ممتازًا في تصنيف المرضى حسب الخطورة، فإن قدرته على التنبؤ بالأحداث النادرة جدًا بدقة تامة كانت أقل قليًا، وهو تحدٍ شائع في التنبؤ الطبي. ومع ذلك، نجح النظام في تقديم ملف تعريف مخاطر منسق ومتعدد الحالات يمكن للأطباء تفسيره فورًا.

كما بحثت الدراسة في كيفية تعامل النظام مع واقع رعاية الطوارئ، حيث تكون البيانات غالبًا غير مكتملة أو مفقودة. صمم الباحثون النظام للتعامل مع المعلومات المفقودة باستخدام قيم قياسية محددة مسبقًا بناءً على بيانات التدريب، مما يضمن تصرف النظام باتساق بغضًا عما إذا كان قد تم تسجيل علامة حيوية معينة أم لا. كما ضمنوا أن النظام لا يعتمد على "مؤشر شدة الطوارئ"، وهو درجة غالبًا ما يحددها الممرضون، لتجنب الاستنتاج الدائري حيث يكتفي النموذج بتكرار التقييم الأولي للممرض. بدلاً من ذلك، يبني النظام تقييمه المستقل من البيانات السريرية الخام. وأكد الباحثون أن هذه الأداة تهدف لتكون وسيلة مساعدة في اتخاذ القرار، وليس بديلاً عن الحكم السريري؛ فهي مصممة لمساعدة الأطباء على تنظيم أفكارهم وتحديد أولويات الحالات التي يجب التحقيق فيها أولاً، مما قد يسرع من وقت الوصول إلى العلاجات الحرجة مثل المضادات الحيوية لتسمم الدم أو مسيلات الدم للجلطات.

وعلى الرغم من الأداء القوي، يلاحظ المؤلفون بحذر أن هذه دراسة استعادية، مما يعني أنها نظرت في بيانات سابقة بدلاً من اختبار النظام في بيئة حية وفي الوقت الفعلي. وهم يقرون بأنه قبل اعتماد مثل هذه الأداة على نطاق واسع، يجب اختبارها استباقيًا لمعرفة كيف تؤثر فعليًا على نتائج المرضى، وكفاءة سير العمل، وما إذا كانت تساعد أو تعيق عملية اتخاذ القرار في قسم طوارئ مزدحم. كما توجد قيود تتعلق بمصادر البيانات المستخدمة؛ فعلى سبيل المثال، يعتمد النظام على البيانات المهيكلة ولا يدمج بعد الملاحظات غير المهيكلة أو نتائج التصوير. علاوة على ذلك، لم تتضمن الدراسة تحليلًا مفصلاً لكيفية أداء النظام عبر المجموعات العرقية أو الإثنية المختلفة، حيث لم تكن تلك البيانات متاحة باستمرار عبر جميع المستشفيات التي تمت دراستها. وهذه مجالات هامة للبحث المستقبلي لضمان أن الأداة آمنة وفعالة للجميع.

في نهاية المطاف، يمثل هذا العمل تحولًا في كيفية التعامل مع تقييم مخاطر الطوارئ. فمن خلال الانتقال من مجموعة من الأدوات المعزولة والمخصصة لمرض واحد نحو إطار عمل موحد وقابل للتفسير، أثبت الباحثون أنه من الممكن رؤية الطيف الكامل لمخاطر المريض المحتملة في بداية رعايته. يوفر النظام احتمالية واضحة ومعايرة لعدة حالات في آن واحد، مصحوبة بشرح لسبب تحديد هذه المخاطر. يحترم هذا النهج تعقيد قسم الطوارئ، حيث غالبًا ما يعاني المرضى من أعراض متداخلة وتشخيصات محتملة متعددة. وبينما لا يعد النظام منتجًا نهائيًا جاهزًا للنشر الفوري في كل مستشفى، إلا أنه يقدم إثباتًا مقنعًا للمفهوم بأن إطارًا واحدًا ذكيًا يمكن أن يساعد الأطباء في التنقل عبر حالة عدم اليقين في الدقائق الأولى من مواجهة الطوارئ، مما قد يوفر وقتًا ثمينًا ويحسن رعاية المرضى الذين يعانون من حالات مهددة للحياة.