تحديد الملفات المتعددة الأوميكس بالذكاء الاصطناعي يكشف مساهمات أوميكس متممة للتنبؤ المخصص بأمراض القلب والأوعية الدموية

لماذا يهم التنبؤ بمشكلات القلب مبكراً

لا تزال أمراض القلب والسكتة الدماغية القاتلَين الرئيسيين في العالم، وغالباً ما تصيب أشخاصاً يبدون أصحاء دون سابق إنذار. يستخدم الأطباء بالفعل قوائم تحقق مبنية على العمر وضغط الدم والكوليسترول والتدخين لتقييم المخاطر، لكن هذه الأدوات قد تغفل كثيرين ممن سيصابون في المستقبل وتبالغ في تقدير الخطر لدى آخرين. تطرح هذه الدراسة سؤالاً في وقت مناسب: هل يمكن، إذا نظَرنا أعمق إلى الجزيئات المتداولة في الدم وحللناها بالذكاء الاصطناعي، أن نكشف أمراض القلب والأوعية الدموية قبل سنوات من ظهورها — وأن نفصّل الوقاية لكل شخص على حدة؟

البحث داخل الدم عن إشارات تحذيرية مخفية

استعان الباحثون بمشروع UK Biobank، وهو مشروع صحي ضخم يتابع مئات الآلاف من المتطوعين على مدى سنوات. لمجموعة فرعية من هؤلاء المشاركين، قاس العلماء بعناية آلاف الجزيئات في عينات الدم: مستقلبات صغيرة مرتبطة بالدهون والسكريات والأحماض الأمينية، وبروتينات تشارك في الالتهاب والتجلط وعمليات جسمية أخرى. ركز الفريق على ست حالات قلبية وعائية رئيسية — مرض الشرايين التاجية، السكتة الدماغية، فشل القلب، الرجفان الأذيني، مرض الشرايين المحيطية، والجلطات الوريدية — ليرى ما إذا كانت هذه البصمات الجزيئية قادرة على التنبؤ بمن سيصاب بأي مرض منها.

تعليم الذكاء الاصطناعي قراءة أنماط الجزيئات

لفهم ما يقارب 3000 بروتين و168 مستقلباً، بنى المؤلفون نموذجين للتعلّم العميق، MetNet وProNet. بدلاً من التنبؤ بمرض واحد في كل مرة، تعلمت هذه النماذج أنماطاً مرتبطة بجميع نتائج القلب الستة معاً. من بيانات المستقلبات أنتج MetNet درجة مخاطرة مركبة أطلقوا عليها MetScore؛ ومن بيانات البروتين أنتج ProNet درجة ProScore. حصل كل شخص على ست درجات لكل نظام — واحدة لكل نوع من أمراض القلب والأوعية الدموية — ملخِّصةً ملايين التفاعلات الجزيئية الممكنة إلى عدد قليل من القيم التي يمكن لنموذج إحصائي قياسي استخدامها مع العمر وضغط الدم والأدوية والمخاطر الوراثية.

ما مدى تحسّن هذه درجات المخاطرة الجزيئية؟

عندما اختبر الفريق الدرجات في مجموعة مستقلة مكونة من 24,287 شخصاً توافرت لديهم جميع أنواع البيانات، كانت كل من MetScore وProScore مؤشرين قويين بمفردهما، مفصّلين المشاركين بوضوح إلى مجموعات منخفضة ومتوسطة وعالية المخاطر على مدى 15 سنة من المتابعة. أدّت الدرجات المبنية على البروتينات أفضل أداء في كثير من الأحيان، متفوقة بشكل واضح على مقاييس المخاطر متعددة الجينات (المبنية على الحمض النووي) التقليدية. أضافت إدراج ProScore وMetScore إلى العوامل السريرية التقليدية تحسناً في دقة التنبؤ بالمخاطر لكل نتيجة قلبية وعائية مدروسة، حتى عندما كانت النماذج الأساسية مفصّلة بالفعل. في بعض الحالات، وخصوصاً مرض الشرايين المحيطية والرجفان الأذيني، كان التعزيز في الأداء كبيراً، وأشارت تحليلات منحنيات القرار إلى أن الأطباء قد يتخذون قرارات أكثر نفعاً بشأن من يجب أن يتلقى علاجاً وقائياً.

ما الذي تكشفه الجزيئات عن بيولوجيا المرض

بعيداً عن التنبؤ، استفسر الباحثون عن أي الجزيئات كانت الأكثر تأثيراً في نماذج الذكاء الاصطناعي باستخدام طريقة تفسير تُدعى SHAP. أكّدوا أهمية علامات مألوفة مثل الكرياتينين والألبومين (اللذين يعكسان وظيفة الكلى والحالة الصحية العامة)، بالإضافة إلى إشارات التهابية مثل GlycA وبروتينات ضغط القلب مثل NT-proBNP. وفي الوقت نفسه، أبرزت النماذج بروتينات ومستقلبات أقل شهرة مرتبطة بالالتهاب والتجلط وإعادة تشكيل الأوعية وحتى إصابة الأعصاب، مع أنماط متقاطعة وجزئية خاصة بكل مرض. ومن المثير للاهتمام أن لا جزيء واحد امتلك قدرة تنبؤية تعادل قوة MetScore أو ProScore المجمعتين، مما يؤكد أن مخاطر القلب والأوعية الدموية تنشأ من العديد من التغيرات الدقيقة التي تعمل معاً بدلاً من مسبب واحد منفرد.

من البيانات الضخمة إلى رعاية قلبية أكثر تخصيصاً

تخلص الدراسة إلى أن الجمع بين الوراثة والملفات الجزيئية المفصّلة في الدم والمعلومات السريرية الروتينية يمكن أن يحسّن بصورة ملحوظة رؤيتنا لمن من المرجح أن يصاب بأمراض قلبية وعائية كبرى، غالباً قبل عقد أو أكثر من ظهور الأعراض. تبدو قياسات البروتين، على وجه الخصوص، حاملة لمعلومات غنية وقابلة للتطبيق عن الضغوط البيولوجية الجارية قبل بزوغ الأعراض بوقت طويل. وعلى الرغم من أن الاختبارات المطلوبة ليست شائعة أو رخيصة بعد، فإن التكاليف تتراجع، وقد طرح المؤلفون نهجهم CardiOmicScore كأداة نموذجية أولية. مع مزيد من التحقق في مجموعات سكانية أكثر تنوعاً، قد يساعد هذا التوصيف متعدد الأوميكس المدفوع بالذكاء الاصطناعي الأطباء على الانتقال من قوائم موحدة إلى وقاية مخصصة فعلاً — بتحديد الأفراد ذوي المخاطر العالية مبكراً، ومطابقة العلاجات مع البيولوجيا الكامنة، وربما تقليل العبء العالمي لأمراض القلب والأوعية الدموية.

الاستشهاد: Luo, Y., Zhang, N., Yang, J. et al. AI-based multiomics profiling reveals complementary omics contributions to personalized prediction of cardiovascular disease. Nat Commun 17, 2269 (2026). https://doi.org/10.1038/s41467-026-68956-6

الكلمات المفتاحية: التنبؤ بخطر القلب والأوعية الدموية, علم البروتيوميات, علم الأيضيات, التعلّم العميق, المؤشرات الحيوية