Construction of a Retinopathy of Prematurity Onset Prediction Model Using the Random Forest Machine Learning Algorithm

في كل عام، يواجه آلاف الأطفال الذين يولدون قبل أوانهم تهديداً صامتاً لبصرهم. هذه الحالة، المعروفة باسم اعتلال الشبكية لدى الخدج، هي اضطراب تفشل فيه الأوعية الدموية في الجزء الخلفي من العين في التطور بشكل صحيح. ولأن هؤلاء الرضع يولدون قبل أن تكتمل عيونهم تماماً، فإن الشبكة الدقيقة من الأوعية التي ستنقل الدم إلى الشبكية لاحقاً يمكن أن تتوقف عن النمو أو تنمو بطريقة فوضوية ومسببة للضرر. وإذا تُركت دون علاج، يمكن لهذا النمو غير الطبيعي أن يسحب الشبكية بعيداً عن خلفية العين، مما يؤدي إلى العمى الدائم. إن النافذة المتاحة للوقاية من ذلك ضيقة؛ إذ يجب على الأطباء تحديد الأطفال المعرضين للخطر وعلاجهم قبل أن يصبح الضرر غير قابل للإصلاح. ومع ذلك، فإن النظام الحالي لفحص كل طفل مبتسر لهذه الحالة يشكل عبئاً ثقيلاً. فمعظم هؤلاء الرضع لن يصابوا بالمرض أبداً، ومع ذلك يخضعون لفحوصات عين متكررة، وغالباً ما تكون مجهدة، وتستهلك الموارد الطبية وتسبب القلق للعائلات. ويكمن التحدي الذي يواجه الأطباء في إيجاد طريقة لتمييز القلة الذين يحتاجون حقاً إلى التدخل من بين الكثيرين الذين لا يحتاجونه، دون تفويت حالة واحدة.

ولحل هذا اللغز، لجأ باحثون في غوانغشي، الصين، إلى أداة قوية من عالم علوم الكمبيوتر: وهي خوارزمية تعلم آلي تسمى "الغابة العشوائية" (Random Forest). وبدلاً من الاعتماد على قاعدة واحدة أو قائمة مرجعية بسيطة، يحاكي هذا النهج الطريقة التي قد يتناقش بها مجموعة من الخبراء للوصول إلى تشخيص، حيث يجمع بين معلومات مختلفة للوصول إلى استنتاج أكثر موثوقية. وقد سعى الفريق، بقيادة يونغ يانغ ومينلي هوانغ، لبناء واختبار نموذج يمكنه التنبؤ بالأطفال المبتسرين الذين سيصابون باعتلال الشبكية لدى الخدج بناءً على تاريخهم الطبي. لقد جمعوا بيانات من 150 طفلاً خضعوا للفحص في مستشفى محلي بين يناير وسبتمبر 2024. وكان كل رضيع في هذه المجموعة قد ولد مبكراً، أو بوزن منخفض عند الولادة، أو يعاني من مضاعفات صحية خطيرة أخرى تضعه في دائرة الخطر. وراجع الباحثون بدقة السجلات الطبية الإلكترونية لهؤلاء الأطفال، بحثاً عن أنماط في مراحل حياتهم الأولى قد تشير إلى مشكلات في عيونهم.

بدأ الباحثون بقائمة طويلة تضم ستة وأربعين علامة تحذيرية محتملة، تتراوح من صحة الأم أثناء الحمل إلى العلاجات المحددة التي تلقاها الطفل بعد الولادة. وقد أدخلوا هذه المعلومات في خمسة نماذج حاسوبية مختلفة، صُمم كل منها لإيجاد المؤشرات الأكثر أهمية. كان الهدف هو العثور على العوامل التي اتفقت عليها جميع النماذج باعتبارها حاسمة. وبعد معالجة الأرقام، حدد الكمبيوتر تسعة مؤشرات رئيسية ظهرت باستمرار عبر الطرق المختلفة. وشملت هذه المؤشرات عمر الطفل عند الولادة ووزنه، واستخدام العلاج بالأكسجين وتركيز الأكسجين المحدد المعطى، ووجود حالات مثل فقر الدم، وضيق التنفس، والتهاب معوي حاد يُعرف باسم التهاب الأمعاء والقولون الناخر. كما شملت القائمة ما إذا كان قد تم تخصيب الطفل عبر التلقيح الاصطناعي، وما إذا كانت المضادات الحيوية قد استُخدمت خلال فترة إقامتهم في المستشفى. ومن خلال التركيز على هذه التفاصيل التسعة المحددة، نجح الباحثون في تضييق نطاق البيانات الطبية الهائلة إلى أقوى الإشارات.

ومع وجود هذه العوامل التسعة في أيديهم، أنشأ الفريق نموذج التنبؤ الخاص به واختبره مقابل البيانات الواقعية من الـ 150 طفلاً. وكانت النتائج واعدة؛ فقد أثبت النموذج فعالية عالية في تحديد الأطفال الذين لا يعانون من المرض، حيث صنفهم بدقة كأطفال منخفضي المخاطر. وفي الواقع، أكدت الدراسة أن النموذج لم يفت أي طفل من الـ 135 طفلاً مبتسراً الذين لم يطوروا اعتلال الشبكية. كما نجح في التنبؤ بظهور الحالة في معظم الحالات التي حدثت فيها. وكانت دقة الكمبيوتر في التمييز بين العيون السليمة وتلك التي تطور المرض قوية، مع درجة أداء تشير إلى أنه أداة موثوقة. وأظهرت الدراسة أنه من خلال استخدام هذه المؤشرات الطبية التسعة المحددة، استطاع النموذج فرز البيانات بدرجة عالية من الثقة، مما يشير إلى أنه يمكنه مساعدة الأطباء في تحديد الأطفال الذين يحتاجون إلى الاهتمام الأكثر إلحاحاً وأولئك الذين قد لا يتطلبون مثل هذا الفحص المكثف والمتكرر.

تقدم هذه النتائج طريقة جديدة للنظر في البيولوجيا المعقدة للولادة المبكرة. فقد أكدت الدراسة أن المخاطر الأكثر أهمية ترتبط بعدم نضج جسم الرضيع وبالتدخلات اللازمة لإبقائه على قيد الحياة. فعلى سبيل المثال، الحاجة إلى تركيزات عالية من الأكسجين، رغم كونها منقذة للحياة بالنسبة للرئتين، يمكن أن تكون ضارة للأوعية الدموية النامية في العين. وبالمثل، يبدو أن الحالات التي تسبب التهاباً أو إجهاداً في الجسم، مثل الالتهابات الشديدة أو صعوبات التنفس، مرتبطة ارتباطاً وثيقاً بتطور مشاكل العين. لم يكن النموذج مجرد تخمين؛ بل تعلم من النتائج الفعلية لـ 150 مريضاً حقيقياً، ووجد أن الأطفال الذين طوروا الحالة كانوا عموماً أصغر حجماً، ووُلدوا في وقت أبكر، وكان لديهم تاريخ طبي أكثر خطورة من أولئك الذين لم يطوروا المرض. وهذا الارتباط بين صراع الجسم العام من أجل البقاء وبين الصحة المحددة للعين يوفر صورة أوضح لمن هم الأكثر عرضة للخطر.

ورغم أن النموذج أظهر وعداً كبيراً، إلا أن الباحثين أشاروا إلى أنه ليس بلورة سحرية مثالية. ففي اختباراتهم، كان النظام جيداً للغاية في استبعاد المرض لدى الأطفال الأصحاء، حيث حدد بدقة جميع الأطفال الـ 135 الذين لم يطوروا الحالة. ومع ذلك، واجه النموذج قصوراً في التنبؤ بدقة بأي من الأطفال المصابين باعتلال الشبكية لن يحتاجون إلى مزيد من الفحص، حيث كانت حساسيته في اكتشاف بداية الحالة المحددة في المجموعة الأصغر المتأثرة أقل. وهذا تمييز بالغ الأهمية في الطب؛ فمن الأفضل غالباً تفويت بعض الحالات المحتملة وعلاجها لاحقاً بدلاً من إثارة ذعر العديد من العائلات السليمة. وتشير الدراسة إلى أن هذه الأداة يمكن استخدامها لمساعدة الأطباء في ترتيب أولويات عمليات الفحص الخاصة بهم، مما يضمن رؤية الأطفال الأكثر عرضة للخطر أولاً. إنها لا تحل محل الحاجة إلى فحص الطبيب الدقيق، لكنها تقدم وسيلة قائمة على البيانات لتنظيم الرعاية وتقليل عدد الإجراءات غير الضرورية. ومن خلال التركيز على العوامل التسعة المحددة التي تم تحديدها، يمكن للفرق الطبية فهم مسار صحة الطفل المبتسر واتخاذ قرارات أكثر استنارة بشأن حماية بصره.