نماذج التعلم الآلي لتوقع نتائج العلاج لدى مرضى الألم الظهري المزمن غير المحدد الخاضعين للسحب الامتدادي القطني

لماذا يهمك ألم الظهر والحواسيب الذكية

يُعد ألم أسفل الظهر المزمن أحد الأسباب الرئيسية لتغيب الأشخاص عن العمل، أو تفويت الأنشطة الأسرية، أو العيش مع انزعاج مستمر. توجد العديد من العلاجات، لكنها لا تؤتي ثمارها بنفس القدر لدى الجميع. تطرح هذه الدراسة سؤالًا عمليًا جدًا: هل يمكننا استخدام أدوات الحوسبة الحديثة، المعروفة بالتعلم الآلي، لتوقع أي المرضى سيستفيدون أكثر من علاج فقري محدد يعمل بلطف على استعادة الانحناء الطبيعي في أسفل الظهر؟

نظرة أقرب على مشكلة ظهر شائعة

للعمود الفقري السفلي انحناءة نحو الداخل تُسمى القَطَع القطني (اللوردوز). في كثير من الأشخاص الذين يعانون من ألم أسفل الظهر المزمن غير المحدد، ينخفض هذا الانحناء أو يflatten أي يصبح مسطحًا. يمكن لهذا التغير أن يغيّر كيفية انتقال القوى عبر العمود الفقري، مما يجهد المفاصل والأقراص والعضلات. أحد العلاجات، السحب الامتدادي القطني، يهدف إلى استعادة هذا الانحناء المفقود ببطء عن طريق وضع المريض على طاولة متخصصة وتطبيق سحب محكوم يقوس أسفل الظهر على مدار جلسات متعددة. أشارت تجارب سريرية صغيرة سابقة إلى أن هذه الطريقة قد تقلل الألم والعجز، لكن الأطباء ظلوا يفتقرون إلى وسيلة لمعرفة مسبقًا من سيستجيب أفضل.

كيف أُجريت الدراسة

راجع الباحثون سجلات 431 بالغًا يعانون من ألم أسفل الظهر المزمن وكان لديهم انحناء قطني منخفض بوضوح في الأشعة السينية. اتبع جميع المرضى برنامجًا تأهيليًا موحدًا يجمع بين طرق العلاج الطبيعي مثل التحفيز الكهربائي، والحرارة، وتمارين الإطالة، والسحب الامتدادي القطني. نُفذت العلاجات ثلاث إلى ست مرات في الأسبوع لمدة أربعة إلى عشرة أسابيع، مع مرونة لتكييفها مع جدول كل شخص وقدرته على التحمل. قبل وبعد البرنامج، قاس الفريق شكل العمود الفقري السفلي بالأشعة، وشدة الألم على مقياس من 0 إلى 10، والعجز باستخدام استبيان شائع حول الأنشطة اليومية.

تعليم الحاسوب توقع التعافي

للنظر فيما إذا كان يمكن توقع النتائج مقدمًا، أدخل المؤلفون عشر قطع من المعلومات إلى ثلاثة نماذج تعلم آلي مختلفة. شملت هذه المدخلات العمر، ومؤشر كتلة الجسم، والانحناء القطني المبدئي وزاوية الحوض من الأشعة السينية، ودرجات الألم والعجز الابتدائية، وعدد مرات ومدة تطبيق السحب، والالتزام بالعلاج، ونوع التوافق الذي وصَف كيف كان انطباق انحناء العمود والزاوية الحوضية. تم تدريب أنظمة الحاسوب على معظم بيانات المرضى ثم اختبارها على الباقي، باستخدام مقاييس معيارية لمعرفة مدى توافق التنبؤات مع الواقع. أُجريت فحوصات إضافية لاستكشاف العوامل الأكثر أهمية ومدى حساسية النماذج لضوضاء القياس أو المعلومات المفقودة.

ما كشفته النماذج والمرضى

بمتوسط الحسابات، حقق المرضى تحسّنات ذات مغزى: ازداد انحناء أسفل الظهر بحوالي 12 درجة، وانخفض الألم من نحو 7 إلى 3 من 10، وتراجعت درجات العجز إلى نحو ثُلث مستوى البداية. حقق ثمانية من كل عشرة مرضى عتبة معترفًا بها على نطاق واسع لتخفيف الألم المهم، وتجاوزت نسبة أكثر من نصف المرضى تحسّنًا قويًا في الوظيفة. من بين أدوات الحاسوب، كانت طريقتان مرتكزتان على الأشجار — الغابة العشوائية (Random Forest) وXGBoost — الأفضل في توقع من سيحصل على هذه الفوائد. فسّرت هاتان الطريقتان جزءًا كبيرًا من التباين في الانحناء النهائي للعمود الفقري والألم والعجز، بينما واجه نموذج الشبكات العصبية صعوبة في التنبؤ بالتعافي الوظيفي.

العوامل الأكثر تأثيرًا

عند فحص كيفية اتخاذ النماذج لقراراتها، وجد الفريق نمطًا متسقًا. كان الشكل الابتدائي للعمود الفقري السفلي وعلاقته بزاوية الحوض من المحركات الرئيسية لما إذا كان يمكن استعادة الانحناء. غالبًا ما أظهر المرضى الذين كان انحناءهم وزاوية حوضهم الأكثر «خروجًا عن التوافق» أكبر التصحيحات. لعب انتظام حضور الجلسات (الالتزام)، وتكرار تطبيق السحب أسبوعيًا، ووزن الجسم أدوارًا مهمة أيضًا، خاصة بالنسبة لنتائج الألم. مثل هذه البيانات الديموغرافية القياسية كالعمر كانت أقل أهمية من مزيج نتائج الأشعة الدقيقة وشدة وانتظام العلاج.

ماذا يعني هذا للأشخاص المصابين بألم الظهر

للمريض والممارس اليومي، تشير هذه الأبحاث إلى أن نهجًا مخصصًا لاستعادة الانحناء الطبيعي لأسفل الظهر يمكن أن يكون فعالًا ويمكن التنبؤ به. يمكن للتقييم الشعاعي الدقيق، إلى جانب معلومات حول خطط العلاج والالتزام، أن تُغذّي أدوات التعلم الآلي التي تُقدّر التحسّن المحتمل في الألم والوظيفة. ببساطة، يمكن للحواسيب مساعدة الأطباء في مطابقة المرضى المناسبين مع السحب الامتدادي القطني، وتحديد توقعات واقعية، وضبط تكرار ومدة العلاج. ومع أن ثمة حاجة لمزيد من العمل، خصوصًا مع متابعة أطول ومجموعات مرضى أوسع، تشير هذه الدراسة إلى مستقبل يكون فيه علاج ألم الظهر أكثر تخصيصًا، قائمًا على البيانات، وأكثر كفاءة.

الاستشهاد: Moustafa, I.M., Ozsahin, D.U., Mustapha, M.T. et al. Machine learning models for predicting treatment outcomes in chronic non-specific back pain patients undergoing lumbar extension traction. Sci Rep 16, 6738 (2026). https://doi.org/10.1038/s41598-026-38059-9

الكلمات المفتاحية: ألم أسفل الظهر المزمن, السحب الامتدادي القطني, انحناء العمود الفقري, التعلم الآلي في الطب, تنبؤ العلاج