AI-Enabled Early Prediction of Lassa Fever: A Clinical Decision Support System for Endemic Settings

في المناطق الدافئة والرطبة في غرب أفريقيا، تدور كل يوم لعبة صامتة وخطيرة من الفرز الطبي في العيادات المزدحمة. فعندما يصل مريض يعاني من حمى، وصداع، وشعور عام بالمرض، يواجه الطبيب خياراً صعباً. هذه الأعراض شائعة في أمراض عديدة، من الملاريا إلى التيفوئيد، ولكنها أيضاً العلامات الأولى لحمى لاسا، وهو مرض فيروسي نزفي يمكن أن يكون مميتاً إذا لم يُعالج بسرعة. تكمن المشكلة في أن تأكيد حالة حمى لاسا يتطلب اختباراً مخبرياً متخصصاً غالباً ما يكون بعيداً، أو مكلفاً، أو ببساطة غير متوفر في المناطق النائية. وبحلول الوقت الذي تعود فيه نتيجة المختبر، قد يكون المريض قد نشر الفيروس بالفعل إلى آخرين في غرفة الانتظار، أو قد تكون حالته قد تدهورت بما لا يمكن إصلاحه. لعقود من الزمن، اضطر الأطباء إلى الاعتماد على حكمهم الخاص ومجموعة من القواعد العامة لتقرير من يحتاج إلى العزل فوراً ومن يمكنه الانتظار. هذا اليقين يخلق عنق زجاجة حيث قد يتم تفويت الحالات الأكثر خطورة، أو حيث تُهدر الموارد المحدودة على مرضى هم في الواقع آمنون.

قام فريق من الباحثين من نيجيريا وشركاء دوليين ببناء أداة رقمية جديدة لمساعدة الأطباء على تجاوز حالة عدم اليقين هذه قبل حتى أن يصبح الاختبار المخبري ممكناً. لقد أنشأوا نظاماً حاسوبياً يعمل كعين ثانية للأطباء، حيث يحلل المعلومات المتاحة في اللحظة الأولى التي يدخل فيها المريض من الباب. وبدلاً من انتظار المختبر، ينظر النظام إلى هوية المريض، ومدة مرضه، والأعراض الدقيقة التي تظهر عليه. ومن خلال التعلم من مجموعة ضخمة من السجلات الطبية الماضية، يمكن للنظام رصد أنماط قد تكون خفية جداً بحيث لا تستطيع العين البشرية التقاطها باستمرار. هو لا يدعي تشخيص المرض بيقين — فهذا لا يزال يتطلب مختبراً — ولكنه يستطيع إخبار الطبيب أي المرضى هم الأكثر عرضة للإصابة بحمى لاسا وبالتالي يحتاجون إلى عناية عاجلة. هذا النهج ينقل التركيز من التخمين إلى الحساب، مما يوفر وسيلة لرصد المرض في وقت مبكر حيث كل دقيقة لها ثمنها.

درب الباحثون هذا النظام باستخدام بيانات واقعية لمدة عقد من الزمن من مستشفى إرويا التخصصي التعليمي في نيجيريا، وهو أحد أكبر مراكز علاج حمى لاسا في العالم. لقد جمعوا سجلات من أكثر من 31,000 زيارة للمرضى بين عامي 2015 و2025، وهي فترة غطت العديد من التفشيات والتغيرات في كيفية سلوك المرض. وللتأكد من أن الأداة ستعمل في العالم الحقيقي، كانوا صارمين للغاية بشأن المعلومات التي سمحوا للحاسوب برؤيتها. فقد غذوه فقط بالبيانات التي يمتلكها الطبيب في بداية الزيارة: عمر المريض، وعدد الأيام التي مرت منذ بدء الأعراض، وقائمة بالأعراض مثل الحمى، أو القيء، أو ألم البطن، أو احمرار العينين. لقد استبعدوا عمداً أي معلومات لا تتوفر إلا بعد إجراء الاختبار المخبري، مما يضمن إمكانية استخدام الأداة تماماً في الوقت الذي تشتد فيه الحاجة إليها.

اختبر الفريق عدة طرق مختلفة لتعليم الحاسوب التعرف على المرض، واستقروا في النهاية على طريقة تسمى XGBoost، وهي نوع قوي من خوارزميات التعلم التي تبني هيكلاً معقداً لاتخاذ القرار من خلال دمج العديد من القواعد البسيطة. ولم يختبروا هذا النظام على أجزاء عشوائية من البيانات فحسب، بل على أحدث سنوات السجلات، محاكيين مستقبلاً قد يكون فيه المرض أقل شيوعاً مما كان عليه في الماضي. كان هذا اختباراً حاسماً لأن انتشار الحالات المؤكدة في بياناتهم انخفض بشكل كبير بمرور الوقت، من ما يقرب من 11 بالمائة في السنوات الأولى إلى ما يزيد قليلاً عن 6 بالمائة في الفترة الأخيرة. كان على النظام أن يثبت قدرته على إيجاد المرضى المرضى حتى عندما أصبح من الصعب العثور عليهم.

أظهرت النتائج أن الأداة كانت جيدة للغاية في مهمتها الأساسية: عدم تفويت أي شخص قد يكون مريضاً. ففي أحدث البيانات، حدد النظام بشكل صحيح ما يقرب من 98 بالمائة من المرضى الذين تأكدت إصابتهم لاحقاً بحمى لاسا. هذه الحساسية العالية أمر حيوي في بيئة التفشي، حيث تكون تكلفة تفويت حالة واحدة هي استمرار انتشار فيروس قاتل. ومع ذلك، كان الباحثون صادقين بشأن المقايضة. فبسبب ضبط النظام لالتقاط كل حالة ممكنة، فقد أشار أيضاً إلى العديد من الأشخاص الذين لم يكونوا مصابين بالمرض في الواقع. في مجموعة الاختبار الأخيرة، كان حوالي 6 بالمائ % فقط من الأشخاص الذين أشار إليهم النظام مصابين بالفيروس فعلياً. وبينما قد يبدو هذا الرقم مرتفعاً من حيث الإنذارات الكاذبة، يوضح الباحثون أنه في موقف الفرز الطبي، من الأفضل بكثير الاستعداد الزائد وعزل بعض الأصحاء بدلاً من تفويت حالة واحدة مصابة.

ولجعل الأداة مفيدة للأطباء المشغولين، لم يكتفِ الفريق بإعطاء إجابة بسيطة بـ "نعم" أو "لا". بدلاً من ذلك، قاموا بتنظيم تنبؤات الحاسوب في ثلاث فئات واضحة: خطر منخفض، وخطر متوسط، وخطر مرتفع. سمح هذا للنظام بتصنيف المرضى إلى مجموعات تتوافق مع مستويات مختلفة من الإلحاح. فعلى سبيل المثال، في أحدث بيانات الاختبار، احتوت مجموعة "الخطر المرتفع" على حوالي 11 بالمائة فقط من جميع المرضى، ومع ذلك تضمنت ما يقرب من 30 بالمائ من جميع حالات حمى لاسا المؤكدة. وهذا يعني أن الأداة نجحت في تركيز الحالات الأكثر خطورة في مجموعة صغيرة، مما يسمح للمستشفيات بالتركيز على غرف العزل واختبارات المختبر المحدودة للأشخاص الذين يحتاجون إليها أكثر من غيرهم. أما مجموعة "الخطر المتوسط" فقد استوعبت 22 بالمائ أخرى من الحالات المؤكدة، مما يضمن تصعيد غالبية التهديدات المحتملة للمراجعة الإضافية.

كما يوفر النظام سبباً لقراره، حيث يوضح للطبيب العوامل المحددة التي رفعت درجة الخطورة أو خفضتها. فعلى سبيل المثال، إذا كان المريض كبيراً في السن وقد بدأت أعراضه منذ أيام قليلة فقط، فقد يصنفه النظام كأعلى خطورة. وإذا كان يعاني من احمرار في العينين أو ضعف عام، فقد تزيد تلك الأعراض من درجة الخطورة. هذه الشفافية تساعد الأطباء على الثقة في الأداة، حيث يمكنهم رؤية المنطق وراء الاقتراح بدلاً من معاملتها كصندوق أسود. تم بناء النظام بأكمله ليكون خفيف الوزن وسهل الوصول، حيث يعمل عبر صفحة ويب بسيطة يمكن فتحها على جهاز كمبيوتر عادي أو جهاز لوحي دون الحاجة إلى خوادم قوية أو اتصالات إنترنت مكلفة. يضمن هذا التصميم إمكانية استخدام التكنولوجيا في العيادات التي هي في أمس الحاجة إليها، حتى في المناطق ذات البنية التحتية المحدودة.

تخلص الدراسة إلى أنه بينما لا تعد الأداة بديلاً للاختبار المخبري أو حكم الطبيب، إلا أنها وسيلة مساعدة قوية في اللحظات الحرجة الأولى من رعاية المرضى. ومن خلال استخدام عقد من البيانات الواقعية لتعلم الأنماط الدقيقة للمرض، يوفر النظام وسيلة لاتخاذ قرارات أسرع وأكثر اتساقاً في بيئة فوضوية. ويقر الباحثون بأن الأداة تم اختبارها في موقع واحد وأن أداءها قد يختلف في أماكن أخرى أو تحت ظروف مختلفة. كما يشيرون إلى أن العدد الكبير من الإنذارات الكاذبة هو جزء متوقع من استراتيجية تعتمد مبدأ السلامة أولاً في ظل انخفاض معدل انتشار المرض. ومع ذلك، فإن القدرة على رصد كل حالة مؤكدة تقريباً مع تصنيف المرضى إلى مجموعات خطر واضحة تشير إلى أن هذا النوع من الدعم الرقمي يمكن أن يصبح جزءاً قياسياً من كيفية محاربة الأطباء لحمى لاسا، مما يحول المسار من العلاج التفاعلي إلى الاحتواء الاستباقي.