الذكاء الاصطناعي للتعلم الذاتي يقود الاطباء للتنبؤ بالنوبات القلبية

لدى الأطباء العديد من الأدوات للتنبؤ بصحة المريض، ولكنها لاتطابق مدى تعقيد جسم الانسان . فالنوبات القلبية بالتحديد يصعب التنبؤ بها . حالياً يرينا العلماء بان الحواسيب ذات القدرة الذاتية على التعلم يمكن ان تعمل حتى افضل من المرشدات الطبية المعيارية . واذا نفذت زيادة معدلات التنبؤ فان الطريقة الجديدة ستنقذ أرواح الالاف او حتى الملايين .
تقول إلسي روس، وهي جراحة في جراحة الأوعية الدموية بجامعة ستانفورد في بالو ألتو بولاية كاليفورنيا، والتي لم تشارك في العمل: “لا أستطيع أن أؤكد ما يكفي من أهمية ما هو عليه، ونأمل حقا أن يبدأ الأطباء في احتضان استخدام الذكاء الاصطناعي لمساعدتنا في رعاية المرضى “.
يموت 200 مليون شخص كل سنة بسبب تأثيرات الامراض القلبية الوعائية بضمنها الذبحات القلبية والسكتات الدماغية وانسداد الشرايين وغيرها من امراض جهاز الدوران . و في محاولة للتنبؤ بهذه الحالات، يستخدم العديد من الأطباء مبادئ توجيهية مماثلة لتلك التي من الكلية الأمريكية لأمراض القلب / جمعية القلب الأمريكية (ACC/AHA). وتستند هذه العوامل إلى ثمانية عوامل خطرة – بما فيها العمر ومستوى الكوليسترول وضغط الدم – وهو ما يضيفه الأطباء فعليا .
وان هذا بسيط اذا اخذنا بالحسبان الادوية التي يأخذها المريض و الامراض الأخرى و عوامل أنماط الحياة . يقول ستيفن ونغ، عالم الأوبئة في جامعة نوتنغهام في المملكة المتحدة: “هناك الكثير من التداخلات في النظم البيولوجية. ومن هذه التداخلات البديهية : الكثير من دهون الجسم التي يمكن ان تقي من امراض قلبية في بعض الحالات. هذ هو واقع جسم الانسان , ومما يسمح لنا علم الحاسوب باكتشافه هو هذه الارتباطات ”
في دراسة جديدة . قارن ونغ وزملاؤه استخدام إرشادات ACC/AHAA مع أربعة خوارزميات للتعلم الآلي : الغابات العشوائية، والانحدار اللوجستي، وتعزيز التدرج، والشبكات العصبية. وتحلل جميع التقنيات الأربع الكثير من البيانات من أجل التوصل إلى أدوات تنبؤية من دون أي تعليم بشري. وفي هذه الحالة، جاءت البيانات من السجلات الطبية الإلكترونية لـ 378،256 مريضا في المملكة المتحدة. وكان الهدف هو العثور على أنماط في السجلات كانت مرتبطة بأحداث القلب والأوعية الدموية.
أولاً تم استخدام خوارزمية الذكاء الاصطناعي AI لتدريب المرضى . استخدموا حوالي 788٪ من البيانات – حوالي 295،267 سجل – للبحث عن الأنماط وبناء “المبادئ التوجيهية الداخلية” الخاصة بهم. ثم اختبروا أنفسهم على السجلات المتبقية. وباستخدام بيانات السجل المتاحة في عام 2005، توقعوا أيّاً من المرضى سيحصل على أول حدث للقلب والأوعية الدموية على مدى السنوات العشر المقبلة، وفحصوا التخمينات مقابل سجلات عام 2015. خلافا للمبادئ التوجيهية ACC/AHA ، سمح التعلم الآلي أن نأخذ بعين الاعتبار 22 نقطة بيانات أكثر، بما في ذلك العرق، والتهاب المفاصل، وأمراض الكلى.
وجميع الطرائق الأربع كانت افضل من مبادئ ACC/AHA. . وتراوحت الأساليب الأربعة الجديدة من 0.745 إلى 0.764، في تقارير فريق ونغ. توقعت هذه التقارير أفضل الشبكات العصبية بشكل صحيح بنسبة 7.6٪ من الأحداث أكثر من ACC/AHA ، و أثارت 1.6٪ أقل من الانذارات الكاذبة في عينة اختبار تكونت من حوالي 83،000 من السجلات، التي تصل إلى 355 مريض إضافي ممن كان من الممكن إنقاذ حياتهم. وذلك لأن التنبؤ غالبا ما يؤدي إلى الوقاية يقول إيفانجيلوس كونتوبانتيليس، عالم البيانات بجامعة مانشستر في المملكة المتحدة الذي يعمل مع قواعد بيانات الرعاية الأولية: “هذا عمل عالي الجودة. إن تكريس مزيد من القوة الحسابية أو المزيد من البيانات التدريبية للمشكلة كان يمكن أن يؤدي إلى مكاسب أكبر.”
إن العديد من عوامل الخطورة التي حددتها خوارزمية التعلم الالي على انها اقوى التنبؤات لا تشملها معايير ACC/AHA ، مثل الامراض الذهانية الحادة و تعاطي الستيروئيدات القشرية . بينما لم تشمل أيٌّ من هذه الخوارزميات مرض السكري والذي يصنف ضمن قائمة ال ACC/AHA ليكون من بين افضل التنبؤات العشرة الأوائل . وللمضي قدما يأمل وينغ في تضمين نمط حياتنا و عواملنا الوراثية في خوارزميات الكمبيوتر لزيادة الدقة .
ويلاحظ كونتوبانتيليس أحد محدوديات العمل: فخوارزميات التعلم الآلي هي مثل صناديق سوداء يمكن من خلالها أن ترى البيانات التي تذهب والقرار الذي يخرج ولكن لا يمكنك فهم ما يحدث بينهما. وهذا يجعل من الصعب على البشر أن يقوموا بتعديل الخوارزمية.
هل سيتبنى الأطباء قريبا أساليب مشابهة للتعلم الآلي في ممارساتهم؟ يقول روس: “الأطباء يفخرون حقا بخبراتهم، لكنني، بصفتي جزءا من جيل جديد، نرى أننا يمكننا القيام بشيءٍ أفضل بمساعدة الكمبيوتر. “

ترجمة : Jana W. Bitar

تدقيق الترجمة : Inst. Fatimah Mohammed Ali

التصميم :  Ali Alburky

المصدر : هنا