تحليل متعدد المتغيرات قائم على الذكاء الاصطناعي لأنماط المناعة ونمط الحياة المرتبطة بفقدان الحمل المتكرر: دراسة استكشافية استعادية

لماذا هذا مهم للأباء والأمهات المفعمين بالأمل

بالنسبة للعديد من الأزواج، يمثل فقدان أكثر من حمل واحد حزنًا داخليًا غير مرئي يبدو أنه يحدث دون سابق إنذار أو إجابات واضحة. تستكشف هذه الدراسة ما إذا كانت عوامل يومية مثل وزن الجسم والتدخين، جنبًا إلى جنب مع إشارات دقيقة من جهاز المناعة، يمكن أن تشكل نمطًا مميزًا يساعد الأطباء على تقدير مخاطر المرأة من الإجهاض المتكرر. باستخدام شكل حديث من الذكاء الاصطناعي لتحليل اختبارات الدم الروتينية لعشرات الآلاف من النساء، يسعى الباحثون لتحويل أرقام المختبر المتفرقة إلى إرشادات عملية للوقاية والرعاية.

البحث عن أنماط وراء الخسارة المتكررة

يُعرّف فقدان الحمل المتكرر (RPL) عادة بأنه حالتا إجهاض أو أكثر قبل 24 أسبوعًا من الحمل ويصيب حتى واحدة من كل عشرين امرأة تحاول الحمل. في نحو نصف هذه الحالات، تفشل الاختبارات الطبية القياسية في الكشف عن سبب واضح. ربطت أعمال سابقة عوامل عديدة بفقدان الحمل، بما في ذلك العمر والسمنة والتدخين والكحول ومشكلات الغدة الدرقية والتفاعلات المناعية تجاه الجنين. بدلاً من دراسة كل عامل على حدة، تساءل هذا الفريق عما إذا كان هناك "بصمة" مشتركة من نوع "المناعة–نمط الحياة" تميز النساء المصابات بـRPL عن اللواتي حملن بنجاح، وما إذا كان من الممكن اكتشاف هذه البصمة بشكل موثوق باستخدام نموذج تعلم عميق.

مجموعة بيانات ضخمة وأداة تعلم ذكية

جمع الباحثون سجلات مجهولة الهوية من خمسة مراكز للخصوبة في إيران، تغطي أكثر من 36,000 امرأة راجعن بين عامي 2014 و2024. شملت هذه المجموعة 16,818 امرأة لديهن تاريخ من الخسارة المتكررة و19,979 امرأة حملن بنجاح. لكل امرأة جمعوا 22 معلومة: العمر ومؤشر كتلة الجسم (BMI) والتدخين واستهلاك الكحول ومستويات هرمونات وفيتامينات أساسية، وعدد أنواع الخلايا المناعية المختلفة في الدم، ولوحة من الأجسام المضادة الذاتية التي قد تهاجم أحيانًا أنسجة الجسم نفسها. بعد ذلك دربوا نموذج تعلم عميق متخصص يسمى TabNet، مصمم للعمل جيدًا مع بيانات على شكل جداول طبية وقادر على إبراز المدخلات الأكثر أهمية لقراراته. استُخدمت فلسفة فحوص دقيقة لمنع الإفراط في التكيّف وللتأكد من أن النموذج لم يتعلم عن غير قصد من دلائل مخفية مثل ترتيب البيانات أو خصائص القيم المفقودة.

ما الذي تعلّمه النموذج من الأرقام

على بيانات تحقق لم يرها من قبل، فصلت التقنية الذكاء الصناعي النساء ذوات أنماط المناعة–نمط الحياة المرتبطة بـRPL عن الضوابط الصحية بدقة عالية جدًا. كانت دقته العامة نحو 95٪، مع حساسية (التعرف على النساء المتأثرات) قرب 97٪ وخصوصية (تحديد النساء السليمات بشكل صحيح) فوق 92٪. مقياس أداء شائع يسمى المساحة تحت منحنى ROC كان 0.985، مما يدل على فصل ممتاز بين المجموعتين. ومن المهم أن تقديرات الخطر الناتجة عن النموذج كانت معايرة جيدًا: الاحتمالات المتوقعة طابقت إلى حد كبير تكرارات أنماط شبيهة بـRPL في البيانات. أظهرت عمليات التحقق المتكرر والاختبارات مع تسميات مُعَشّاة أن الأداء كان قويًا وليس نتيجة صدفة أو تحيّزات مخفية في مجموعة البيانات.

كيف يعمل نمط الحياة والمناعة معًا

من خلال فحص الخصائص التي اعتمد عليها النموذج أكثر، وجد المؤلفون أن علامات مناعية معينة، وخاصة التوازن بين نوعين من خلايا الطعام المساندة (غالبًا ما يُلخّص كنسبة Th1/Th2) ونسبة CD4 إلى خلايا T الأخرى، لعبت أدوارًا رئيسية. انضمت إلى هذه الإشارات كل من مؤشر كتلة الجسم والعمر وعلامات خلايا B والعديد من الأجسام المضادة الذاتية، مما يشير إلى أن كلًا من النشاط المناعي والحالة الأيضية تشكلان الخطر. تدعم التحليلات صورة ترى أن الوزن الزائد والتدخين يعززان الالتهاب منخفض الدرجة ونبرة مناعية أكثر عدوانية، والتي بدورها قد تُخل بالتسامح المطلوب لازدهار الحمل. حتى العوامل التي بدت أقل أهمية في المتوسط، مثل أجسام مضادة درقية أو فيتامين د، ساعدت أحيانًا النموذج عندما كانت بيانات أخرى مفقودة، ما يؤكد أن العديد من الإشارات الصغيرة يمكن أن تتجمع معًا.

من بيانات معقدة إلى قرارات في العالم الواقعي

لأن الاختبارات المطلوبة شائعة بالفعل في عيادات الخصوبة، بنى الفريق واجهة ويب بسيطة: يمكن للأطباء رفع جدول بيانات يحتوي على القياسات الـ22 وتلقي تقرير يصف ملف المرأة المناعي–المعيشي وفرصة تقديرية لولادة ناجحة مستقبلية. يؤكد المؤلفون أن الأداة ليست كرة بلورية لتنبؤ نتيجة الحمل، ولا تعيد تعريف أنواع الأمراض. بل تقدم وسيلة لرصد النساء اللاتي تشير أنماطهن المناعية ونمط حياتهن إلى مخاطر أعلى، حتى يتمكن الأطباء من إعطاء أولوية لخطوات مثل إدارة الوزن، الإقلاع عن التدخين، وحيثما يكون مناسبًا، العلاجات المعدّلة للمناعة قبل الحمل التالي.

ماذا يعني هذا للمرضى

تُظهر الدراسة أن الذكاء الاصطناعي الحديث قادر على نسج عادات الصحة اليومية وقراءات مناعية مفصّلة في صورة موثوقة واحدة لمخاطر فقدان الحمل المتكرر. بالنسبة للمرضى، قد يعني هذا الانتقال من تطمينات غامضة أو علاجات تعتمد على التجربة والخطأ إلى نصائح أكثر تخصيصًا: من يحتاج لتغييرات في نمط الحياة فقط، ومن قد يستفيد من تقييم مناعي أدق، ومن يبدو في خطر منخفض نسبيًا. لا يزال النموذج بحاجة إلى اختبار في دول وإعدادات عيادية أخرى، لكنه يشير إلى مستقبل يمكن أن تساعد فيه عينة دم روتينية وخوارزمية ذكية الأزواج على الحصول على توقعات أوضح ودعم أكثر تركيزًا في مسعاهم لإنجاب طفل سليم.

الاستشهاد: Dashti, M., Aslanian-Kalkhoran, L., Doustfateme, S. et al. Multivariable AI-based analysis of immune–lifestyle patterns associated with recurrent pregnancy loss: an exploratory retrospective study. Sci Rep 16, 8250 (2026). https://doi.org/10.1038/s41598-026-38941-6

الكلمات المفتاحية: فقدان الحمل المتكرر, جهاز المناعة, عوامل نمط الحياة, التعلم العميق, رعاية الخصوبة