Comparison of parsimonious and deep learning models for predicting surgical resource utilization in total hip arthroplasty: a retrospective cohort study
وجدت هذه الدراسة الاستعادية للأتراب، والتي شملت أكثر من 300,000 حالة استبدال مفصل الورك الكامل، أنه في حين تفوقت نماذج التعلم العميق على الأساليب الإحصائية البسيطة في التنبؤ بمدة الجراحة ومدة الإقامة مع متوسط خطأ مطلق أقل، فإن المكاسب الناتجة في الدقة التشغيلية ذات الصلة سريرياً كانت ضئيلة، مما يشير إلى أن البيانات على مستوى المريض وحدها قد وصلت إلى سقف عملي لتحسين استغلال الموارد في الإجراءات المعيارية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك قبطان لسفينة فضائية ضخمة ومزدحمة. مهمتك لا تقتصر فقط على الطيران؛ بل هي جدولة كل عملية هبوط، وتوقف للتزود بالوقود، واستراحة للطاقم بدقة متناهية. إذا أخطأت في التقدير، فقد ينفد منك الوقود، أو والأسوأ من ذلك، قد تترك رصيف إرساء فارغاً بينما تصطدم به سفينة أخرى. في عالم الطب، المستشفيات هي تلك السفينة الفضائية، والعمليات الجراحية هي عمليات الهبوط. لسنوات طويلة، حاول الأطباء التنبؤ بالضبط بالوقت الذي ستستغرقه الجراحة وعدد الأيام التي سيبقى فيها المريض في المستشفى. إنهم يستخدمون "تعلم الآلة"، وهو يشبه تعليم الكمبيوتر كيفية قراءة التاريخ الطبي للمريض وتخمين المستقبل، تماماً مثل خبير أرصاد جوية فائق الذكاء يتنبأ بعاصفة قادمة. السؤال الكبير الذي يتساءله الجميع هو: هل نحتاج إلى قمر صناعي للأرصاد الجوية فائق التعقيد والتطور للقيام بهذه التخمينات، أم أن ميزان حرارة بسيطاً وقديم الطراز سيكون جيداً بما يكفي؟ هذا هو جوهر القصة التي نحن بصدد استكشافها.
سباق التنبؤ العظيم: الحواسيب الفائقة مقابل المتوسطات البسيطة
في هذه الدراسة، قرر فريق من الباحثين وضع "أذكى" الحواسيب في العالم في مواجهة الطريقة "الأغبى" (ولكنها فعالة بشكل مفاجئ): وهي مجرد أخذ المتوسط. أرادوا معرفوا ما إذا كان الذكاء الاصطناعي الفاخر يمكنه حقاً مساعدة المستشفيات في جدولة عمليات استبدال مفصل الورك الكلي (THA) بشكل أفضل من آلة حاسبة بسيطة. (THA) هو اسم معقد لعملية استبدال مفصل الورك، وهي واحدة من أكثر العمليات الجراحية شيوعاً التي يجريها الناس لإصلاح مفصل ورك متهالك.
جمع الباحثون كمية هائلة من البيانات — أكثر من 307,000 حالة استبدال مفصل ورك من جميع أنحاء أمريكا الشمالية بين عامي 2014 و2023. قاموا بتغذية هذه البيانات في نوعين من النماذج. أولاً، استخدموا نماذج التعلم العميق، وهي تشبه فريقاً من المحققين العباقرة الذين يمكنهم العث% من الأنماط المعقدة والخفية في جبل من الأدلة. بعد ذلك، استخدموا نموذج المتوسط البسيط، وهو في الأساس آلة حاسبة تقول ببساطة: "مهلاً، متوسط وقت الجراحة هو 90 دقيقة، لذا لنخمن 90 دقيقة للجميع".
النتائج: العبقري مقابل "الرجل العادي"
هنا تظهر حبكة القصة. عندما نظر الباحثون إلى الرياضيات الخام، بدت نماذج الذكاء الاصطناعي العبقرية مثيرة للإعجاب. لقد كانت أفضل قليلاً في تخمين العدد الدقيق للدقائق التي ستستغرقها الجراحة أو العدد الدقيق للأيام التي سيبقى فيها المريض في المستشفى. خمن الذكاء الاصطناعي وقت الجراحة بخطأ قدره حوالي 24.2 دقيقة، بينما كان المتوسط البسيط أقل دقة بقليل.
ولكن، وهناك "لكن" كبيرة، سأل الباحثون سؤالاً أكثر عملية: هل هذا التحسن الضئيل يساعد المستشفى على العمل بشكل أفضل فعلياً؟
تخيل أنك تحاول وضع عملية جراحية في كتلة زمنية مدتها ساعتان (120 دقيقة) في الجدول الزمني.
- نموذج المتوسط البسيط أصاب في 83.7% من الحالات.
- نموذج الذكاء الاصطناعي العبقري أصاب في 83.8% من الحالات.
هذا فرق قدره 0.1%. الأمر يشبه أن تكون بصدد تخمين فائز في رمي قطعة نقد، والذكاء الاصطناعي حصل على وجه واحد إضافي صحيح من بين ألف محاولة. بالنسبة للمستشفى، هذا الجزء الضئيل لا يغير الجدول الزمني حقاً. لم يحل الذكاء الاصطناعي المعقد مشكلة "هل ستتجاوز هذه الجراحة الوقت المحدد؟" بشكل أفضل مما يفعله مجرد النظر إلى تاريخ العمليات السابقة.
كانت القصة مختلفة قليلاً فيما يتعلق بمدة بقاء المرضى في المستشفى (مدة الإقامة).
- إذا كان الهدف هو تخمين ما إذا كان المريض سيغادر في يومين أو أقل، فقد كان المتوسط البسيط صحيحاً بنسبة 77.9%.
- وكان الذكاء الاصطناعي صحيحاً بنسبة 81.4%.
هذا تحسن بنسبة 3.5%. إنه أفضل، بالتأكيد، لكنه لا يزال مكسباً متواضعاً. لم يتنبأ الذكاء الاصطناعي بالمستقبل بشكل سحري؛ بل قام فقط برفع الدقة قليلاً.
لماذا لم يفز الذكاء الاصطناعي بفارق كبير؟
وجد الباحثون سبباً ذكياً لعدم سحق الحاسوب الخارق للآلة الحاسبة البسيطة. أدركوا أنه بالنسبة لعمليات استبدال مفصل الورك، فإن العوامل الأكبر ليست التاريخ الطبي الغريب للمريض أو نتائج فحوصات الدم الخاصة به. بدلاً من ذلك، يتم تحديد طول مدة الجراحة بشكل أساسي من خلال من يقوم بالجراحة (سرعة الجراح) وأين تتم الجراحة (فريق المستشفى وقواعدها).
فكر في الأمر كخبز كعكة. إذا كنت تحاول تخمين الوقت الذي يستغرقه خبز الكعكة، فإن معرفة درجة حرارة الفرن المفضلة لدى الخباز (الجراح) وقواعد المخبز (المستشفى) تهم أكثر بكثير من معرفة ما إذا كان الخباز يحب التوت الأزري أم الشوكولاتة (تفاصيل المريض المحددة). قاعدة البيانات التي استخدمها الباحثون كانت تحتوي على جميع التفاصيل حول "المكونات المفضلة للخباز" (المريض)، لكنها لم تكن تحتوي على تفاصيل حول "الفرن" (المستشفى والجراح). ولأن الذكاء الاصطناعي لم يستطع رؤية الأدلة الأكثر أهمية، لم يستطع تقديم أداء أفضل بكثير من مجرد تخمين المتوسط.
الخلاصة
إذاً، ما هي الفائدة لقبطان السفينة الفضائية؟ إذا كنت تحاول جدولة عمليات استبدال مفصل الورك، فلا تحتاج بالضرورة إلى شراء أغلى وأعقد نظام ذكاء اصطناعي في السوق. فالنظر البسيط إلى متوسط الوقت يعمل بشكل جيد تقريباً لأن قواعد المستشفى وعادات الجراحين هي المحركات الحقيقية للجدول الزمني، وليس البيانات الطبية المحددة للمريض.
تشير الدراسة إلى أنه حتى تبدأ المستشفيات في تغذية حواسيبها ببيانات عن جراحيها وفرقها، فإن نماذج الذكاء الاصطناعي الفاخرة ستصطدم بـ "سقف". لا يمكنها أن تصبح أكثر ذكاءً لأنها تفتقر إلى القطعة الأكثر أهمية من اللغز. في الوقت الحالي، قد يكون المتوسط البسيط والمتواضع هو الأداة الأكثر عملية للمهمة، مما يوفر للمستشفيات المال والتعقيد دون التضحية بالكثير من الدقة. الذكاء الاصطناعي ليس عديم الفائدة، لكن بالنسبة لهذه المهمة المحددة، فإنه ليس العصا السحرية التي كنا نأملها.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.