التنبؤ القائم على الذكاء الاصطناعي بالتفجرات الشديدة لدى مرضى توسع الشعب الهوائية الآسيويين باستخدام سجل KMBARC

لماذا يهم هذا للصحة اليومية

بالنسبة للأشخاص الذين يعيشون مع مشاكل رئوية مزمنة، فإن النوبات المفاجئة التي تستدعي التوجه إلى قسم الطوارئ قد تكون مخيفة ومهددة للحياة. يحاول الأطباء تحديد من هم الأكثر عرضة للخطر، لكن الأدوات الحالية بُنيت في الغالب على بيانات مرضى أوروبيين وقد لا تناسب المرضى الآسيويين جيدًا. تطرح هذه الدراسة سؤالًا بسيطًا لكنه مهمًا: هل يمكن للذكاء الاصطناعي الحديث، المدرب على بيانات مرضى كوريين مصابين بتوسع الشعب الهوائية، أن يقوم بعمل أفضل في التحذير من احتمال حدوث تفجرة شديدة خلال العام المقبل؟

نظرة أقرب على مرض رئوي عنيد

توسع الشعب الهوائية حالة مزمنة تتسع فيها الممرات الهوائية وتتعرض للتلف، ما يؤدي إلى سعال يومي، بلغم كثيف، والتهابات صدرية متكررة. عندما تتفاقم الأعراض فجأة—زيادة ضيق التنفس، زيادة البلغم، أحيانًا وجود دم—قد يحتاج المرضى إلى رعاية طارئة أو دخول المستشفى. ترتبط هذه النوبات الشديدة بزيادة مخاطر المضاعفات والوفاة، وتثقل كاهل المستشفيات. القدرة على التنبؤ بهذه الأحداث مقدمًا قد تسمح للأطباء بتعديل الأدوية، ومراقبة المرضى عن كثب، وربما منع بعض حالات الطوارئ.

من بطاقات التقييم البسيطة إلى التنبؤ الأذكى

حتى الآن، اعتمد الأطباء غالبًا على أنظمة تسجيل تُسمى BSI وFACED لتقدير شدة توسع الشعب الهوائية وتقدير المخاطر طويلة الأمد. تجمع هذه الأدوات نقاطًا بناءً على العمر، نتائج اختبارات الرئة، مدى انتشار تلف الرئة في الصور، وبعض العدوى. تعمل هذه الأنظمة بشكل مقبول لكنها تعامل كل عنصر بطريقة خطية: كل نقطة تُحتسب بنفس الوزن دائمًا، ولا تعكس بشكل كامل كيف قد تتفاعل العوامل المختلفة لتزيد الخطر. كما أنها بُنيت من بيانات مجموعات أوروبية، حيث يكون وجود السل في التاريخ الطبي أقل شيوعًا مقارنة بالعديد من البلدان الآسيوية، ما يثير قلقًا من احتمال تجاهل عوامل إقليمية مهمة.

بناء نموذج ذكاء اصطناعي من بيانات مرضى كوريين

لمعالجة هذا، استخدم الباحثون بيانات 492 بالغًا مصابًا بتوسع الشعب الهوائية مسجلين في سجل وطني كوري، وتابعوا حالتهم لمدة عام واحد. خلال تلك الفترة، عانى 56 مريضًا (حوالي 11 بالمئة) من تفجرة شديدة تستدعي رعاية طارئة أو دخول المستشفى. جمع الفريق لكل مريض عشرات المتغيرات عند القاعدة، بما في ذلك العمر، وزن الجسم، التدخين، أمراض رئوية أخرى، لون وحجم البلغم، عدوى مثل Pseudomonas aeruginosa، فحوصات دموية، وظائف رئة، تاريخ التفجرات السابقة، ودرجات مركبة مثل BSI وFACED. ثم درّبوا ثلاثة أنواع من النماذج الحاسوبية—التعزيز المتدرج الأقصى (XGBoost)، الانحدار اللوجستي، وطريقة شبكة عصبية تسمى متعلم متعدد الطبقات (MLP)—لتنبؤ من سيُصاب بحدث شديد.

ما مدى أداء الذكاء الاصطناعي؟

اختُبرت النماذج باستخدام تقاطع تحقق صارم، مع تقسيم البيانات إلى مجموعات تدريب وتحقق واختبار مستقلة مع الحفاظ على نسبة الحالات الشديدة متشابهة في كل مجموعة. وبما أن معظم المرضى لم يصابوا بنوبة شديدة، ركز الفريق على مقاييس تتعامل جيدًا مع هذا التحيز، لا سيما المساحة تحت منحنى الاستقبال التشغيلي (AUROC) ومقياس F1 الذي يوازن بين الحساسية والدقة. بين جميع الأساليب، قدم نموذج MLP أفضل أداء، محددًا بشكل صحيح 95 بالمئة من المرضى الذين تعرضوا لاحقًا لتفجرة شديدة و95 بالمئة من الذين لم يتعرضوا لها. لقد تفوق AUROC الخاص به بواقع 0.98 بفارق طفيف على الدرجات التقليدية وباقي نماذج الذكاء الاصطناعي، ما يشير إلى قدرته العالية على تمييز المرضى ذوي المخاطر العالية عن ذوي المخاطر المنخفضة.

ما الذي "تعلمه" النموذج عن الخطر

لتجنب نتيجة "صندوق أسود"، طبّق المؤلفون طريقة تسمى SHAP، والتي تصنف مقدار مساهمة كل متغير إدخالي في دفع التنبؤ نحو خطر أعلى أو أقل. أظهرت التحليلات أن درجة BSI الإجمالية ظلت دافعًا قويًا، لكن خصائص البلغم (كمية ولون البلغم)، تاريخ التفجرات الشديدة السابقة، والعدوى الرئوية الماضية مثل السل والالتهاب الرئوي لعبت أيضًا أدوارًا رئيسية. والأهم أن النموذج التقط التراكيب التفاعلية: على سبيل المثال، المرضى ذوو التاريخ السابق للسل والبلغم القيحي جدًا أظهروا خطرًا متوقعًا أعلى بكثير مما يوحي به أي من العاملين بمفرده. هذه الأنماط غير الخطية هي بالضبط ما تكافح أنظمة النقاط البسيطة لتمثيله.

ماذا يعني هذا للمرضى والأطباء

تشير الدراسة إلى أنه، على الأقل في هذه المجموعة الكورية، يمكن لأداة ذكاء اصطناعي مصممة محليًا أن تحسن قدرة الأطباء على التنبؤ بنوبات توسع الشعب الهوائية الخطيرة مقارنةً بأنظمة التقييم الشائعة. بالنسبة لشخص مصاب بتوسع الشعب الهوائية، قد يترجم هذا ذات يوم إلى رعاية أكثر تخصيصًا—متابعة أقرب، مضادات حيوية وقائية، أو علاجات أخرى موجهة إلى الذين يصنفهم النموذج على أنهم عاليو الخطر. ومع ذلك، يؤكد المؤلفون أن عملهم خطوة مبكرة. جاء معظم المرضى من مستشفيات إحالة كبيرة، ولم يُختبر النموذج بعد في دول أخرى أو في العيادات اليومية. قبل أن يرشد مثل هذا الذكاء الاصطناعي قرارات العالم الواقعي، سيحتاج إلى تحقق خارجي وتحسين مستمر. ومع ذلك، تقدم النتائج لمحة واعدة عن كيفية أن جمع بيانات سريرية مفصلة مع خوارزميات حديثة قد يجعل النوبات الرئوية المهددة للحياة أكثر قابلية للتنبؤ—ومن الممكن أن تكون أكثر قابلية للوقاية.

الاستشهاد: Yang, B., Kim, SH., Kim, GH. et al. AI based prediction of severe exacerbation in Asian bronchiectasis patients using the KMBARC registry. Sci Rep 16, 11017 (2026). https://doi.org/10.1038/s41598-026-38968-9

الكلمات المفتاحية: توسع الشعب الهوائية, الذكاء الاصطناعي, التفاقم الحاد, تنبؤ الخطر, السجل الكوري