Construction and Multi-Model Performance Evaluation of an Intelligent Screening Model for Meige Syndrome Based on Machine Learning

على مدى عقود، واجه الأطباء لغزاً محبطاً عندما يصل المرضى وهم يعانون من تشنجات لا إرادية في جفون العين أو تشنج في الفم. هذه الأعراض، التي تُعرف بحالة "متلازمة ميج" (Meige syndrome)، غالباً ما تبدو تماماً مثل تهيجات العين الشائعة مثل جفاف العين أو التهاب الجفون. ولأن العلامات الخارجية متشابهة للغاية، غالباً ما يتلقى المرضى علاجاً للحالة الخاطئة، مما يترك الاضطراب العصبي الحقيقي دون علاج لسنوات. وتكمن الصعوبة الجوهرية في التمييز بين نوع معين من تشنج العضلات الذي ينشأ في الدماغ وبين مشاكل العين البسيطة، وهي مهمة تعتمد حالياً بشكل كبير على خبرة المتخصص بدلاً من الاختبارات الواضحة والموضوعية. وبدون وسيلة موثوقة للتمييز بين هذه الحالات بسرعة، يفقد المرضى نافذة التدخل المبكر، مثل الحقن المستهدفة التي يمكن أن توقف التشنجات قبل أن تسبب ضرراً دائماً.

قام فريق من الباحثين في جامعة تشنغتشو والمستشفى الثالث في مقاطعة هنان بمعالجة هذا التحدي التشخيصي من خلال بناء أداة فحص جديدة من نوعها. فبدلاً من البحث عن علامات كيميائية معقدة في الدم، والتي تتطلب عملاً مخبرياً يستغرق وقتاً طويلاً، توجهوا إلى المعلومات التي يجمعها الطبيب ببساطة من خلال طرح الأسئلة على المريض. ومن خلال تحليل السجلات الطبية لما يقرب من 4000 شخص، درب الباحثون أنظمة حاسوبية للتعرف على الأنماط الدقيقة في التاريخ السريري الروتيني التي قد تغفل عنها البشر. وقد اختبروا أربعة نهج رياضية مختلفة لمعرفة أي منها يمكنه أفضل فرز المرضى إلى ثلاث مجموعات متميزة: المصابين بمتلازمة ميج، والمصابين بأمراض العين الأخرى، والأصحاء تماماً. وكان الهدف هو إنشاء طريقة سريعة وسهلة يمكن للطبيب العام استخدامها لتحديد ما إذا كان المريض يحتاج إلى اهتمام متخصص.

بدأت الدراسة بجمع بيانات من 3,996 فرداً، تم تقسيمهم بعناية إلى ثلاث مجموعات متساوية لضمان مقارنة عادلة. تألفت إحدى المجموعات من مرضى ثبتت إصابتهم بمتلازمة ميج، وشملت مجموعة أخرى أشخاصاً يعانون من حالات عينية شائعة مثل جفاف العين أو التهاب الجفن، بينما ضمت المجموعة الثالثة أفراداً أصحاء ليس لديهم مشاكل عصبية أو عينية. واستخرج الباحثون اثني عشر معلومة من ملف كل شخص، تراوحت من العمر والجنس إلى العادات النمطية للحياة مثل التدخين وشرب الكحول، بالإضافة إلى تاريخهم الطبي المتعلق بحالات مثل أمراض الغدة الدرقية، وجودة النوم، وغيرها من المشكلات التي تؤثر على الوجه أو الرأس. ثم قاموا بتقسيم هذه البيانات، باستخدام معظمها لتعليم النماذج الحاسوبية كيفية التعرف على الاختلافات، مع الاحتفاظ بجزء أصغر لاختبار مدى أداء النماذج على حالات جديدة لم تظهر من قبل.

وعندما قارن الباحثون بين النماذج الحاسوبية الأربعة، وجدوا أن أحد النهجين، المعروف باسم "الشبكة العصبية الاصطناعية"، قد تفوق على غيره. هذا النوع من النماذج مصمم لمحاكاة الطريقة التي يعالج بها الدماغ البشري المعلومات المعقدة، مما يسمح له برصد الروابط المتشابكة بين الأعراض المختلفة. وفي الاختبار النهائي، حدد هذا النموذج المجموعة التي ينتمي إليها المريض بشكل صحيح بنسبة 77.7% تقريباً، وأظهر قدرة عالية على التمييز بين الحالات الثلاث. وبينما جاء نموذج آخر يسمى "الغابة العشوائية" (random forest) في المرتبة الثانية بفارق ضئيل، إلا أنه كان أقل اتساقاً عند التنبؤ بالحالات الأكثر احتمالاً. أما الطريقتان الأخريان، اللتان تعتمدان على صيغ إحصائية تقليدية، فلم تؤديا بشكل جيد في هذه المهمة المحددة. وتشير النتائج إلى أن الشبكة العصبية هي الأداة الأكثر موثوقية لهذا العمل المحدد.

كان جزء حاسم من البحث يتضمن تبسيط الأداة لجعلها عملية للاستخدام اليومي. فقد اكتشف الفريق أن القائمة الكاملة المكونة من اثني عشر سؤالاً لم تكن ضرورية؛ إذ أن خمسة عوامل محددة فقط كانت تحمل الوزن الأكبر في تقديم تشخيص دقيق. وكانت هذه المؤشرات الخمسة الرئيسية هي: عمر المريض، وجودة نومه، وتاريخه في شرب الكحول، وما إذا كان لديه تاريخ من أمراض الغدة الدرقية، وما إذا كان يعاني من أي حالات أخرى تؤثر على الوجه أو العين أو الأنف أو الدماغ. ومن خلال التركيز فقط على هذه العناصر الخمسة، أنشأ الباحثون نسخة مبسطة من النموذج تعمل بنفس كفاءة النسخة المعقدة التي تستخدم جميع المتغيرات الاثني عشر تقريباً. ولا تتطلب هذه الأداة المبسطة فحوصات دم ويمكن إكمالها في أقل من دقيقة، مما يجعلها قابلة للتطبيق في عيادات الرعاية الأولية حيث تتوفر الموارد والوقت المحدود.

سلطت النتائج أيضاً الضوء على الخصائص المحددة التي تميز هذه المجموعات. فقد أكدت البيانات أن متلازمة ميج أكثر شيوعاً لدى النساء بين سن 55 و60 عاماً، وهي الفئة الديموغرافية التي أظهرت انتشاراً أعلى بكثير للمرض مقارنة بالمجموعة السليمة. وبرزت جودة النوم كعامل مهم، حيث أفاد المرضى الذين يعانون من متلازمة ميج بضعف جودة النوم بشكل أكبر بكثير من المصابين بأمراض العين أو الأصحاء. ومن المثير للاهتمام، وجدت الدراسة أن مرضى متلازمة ميج كانوا أقل عرضة لامتلاك تاريخ في شرب الكحول مقارنة بالبالغين الأصحاء، وهو فرق يعزوه الباحثون جزئياً إلى التقدم في السن وغلبة الإناث في مجموعة المرضى، رغم أنهم أشاروا إلى أن الكحول يمكن أن يخفف أحياناً من الأعراض في بعض اضطرابات الحركة. وكان هناك تمييز قوي آخر يتمثل في وجود حالات أخرى تصيب الوجه والجمجمة؛ فبينما كانت هذه الحالات نادرة لدى الأصحاء، إلا أنها كانت شائعة بشكل مفاجئ في مجموعة المصابين بأمراض العين الأخرى، مما ساعد النموذج على التمييز بين مشكلة بسيطة في العين وبين الاضطراب العصبي الأكثر تعقيداً.

وقد أشار الباحثون بعناية إلى أن عملهم له حدود. فبما أن البيانات جاءت من مستشفى واحد وتم جمعها من خلال النظر في السجلات الماضية، فإن النتائج تحتاج إلى التأكيد عبر اختبار النموذج على مرضى من مستشفيات مختلفة وفي بيئات واقعية. بالإضافة إلى ذلك، فإن بعض المعلومات، مثل مستويات التوتر وجودة النوم، اعتمدت على أوصاف المرضى الخاصة، والتي يمكن أن تكون ذاتية. ورغم هذه القيود، تثبت الدراسة أن إنشاء أداة فحص بسيطة وغير جراحية أمر ممكن. فمن خلال استخدام نموذج حاسوبي مدرب على خمسة أسئلة روتينية فقط، قد يمتلك الأطباء قريباً وسيلة عملية لتحديد متلازمة ميج مبكراً، مما يضمن حصول المرضى على التشخيص والعلاج الصحيحين في وقت أقرب بكثير مما هو عليه الحال اليوم.