دراسة حول إنشاء قاعدة بيانات لأمراض التدخل القلبي الوعائي وتنبؤ مخاطر الوفاة بعد العملية

لماذا هذا الأمر مهم للمرضى والأسر

يمكن للإجراءات القلبية إنقاذ الحياة، لكنها تحمل أيضاً مخاطر حقيقية، خصوصاً لدى المرضى الأكبر سناً والأكثر مرضاً. أحد أكبر الأسئلة بعد التدخل هو: «ما احتمال أن أموت أنا أو أحد أحبائي خلال الأشهر التي تلي الجراحة؟» تُظهر هذه الدراسة كيف أن بيانات المستشفى المنظمة بعناية ونموذج ذكاء اصطناعي حديث يمكن أن يساعدا الأطباء على تقدير هذا الخطر بدقة أكبر، حتى يتمكنوا من متابعة المرضى الضعفاء عن كثب والتدخل مبكراً عندما تظهر مؤشرات الخطر.

من سجلات متفرقة إلى قصة مريض كاملة

تقليدياً، تنتشر معلومات مرضى القلب عبر أنظمة مستشفى متعددة—تقارير المختبر في مكان، والصور التشخيصية في مكان آخر، وملاحظات المتابعة في مكان ثالث. الكثير من هذه المعلومات مكتوب بنص حر وغير موحد، مما يجعل من الصعب على الحواسيب وحتى الأطباء رؤية الصورة الكاملة. تعامل الباحثون مع هذا التشتت عن طريق بناء قاعدة بيانات مخصصة لتدخلات القلب في مستشفى كبير بمقاطعة تشجيانغ في الصين. على مدار عام واحد، جمعوا بيانات مفصلة ومهيكلة من 728 مريضاً خضعوا لإجراءات قلبية طفيفة التوغل، وركزوا في النهاية على 638 حالة لديها معلومات كاملة من الدخول وحتى ستة أشهر بعد الجراحة. هذه النظرة «دورة كاملة» تلتقط من هم المرضى، وما يحدث قبل وأثناء الإجراء، وكيف يتعافون لاحقاً.

ما الذي يدخل في قاعدة بيانات مخاطر القلب

تستخلص قاعدة البيانات معلومات من أنظمة مستشفى متعددة، مثل السجلات الطبية الإلكترونية وأنظمة المختبر ومنصات التصوير وعيادات المتابعة. جمعت الفريق البيانات في أربعة كتل رئيسية: تفاصيل أساسية عن المريض والتاريخ المرضي؛ الاختبارات والفحوص قبل الجراحة؛ ما حدث فعلياً أثناء الإجراء؛ ومؤشرات المتابعة مثل العلامات الحيوية، وفحوصات الدم، ومقاييس القدرة على أداء الأنشطة اليومية. ثم نقحوا البيانات—بحذف الحقول التي تحتوي على قيم مفقودة بكثرة، وملء الفراغات الصغيرة بطريقة منطقية، وتحويل الفئات النصية (مثل التدخين أو لا، والنزف أو لا) إلى رموز رقمية يمكن للحاسوب تحليلها. كما لخصوا الأمراض المتعددة الموجودة في درجة توافق مرضي واحدة، مما يسهل عكس عبء المرض الإجمالي لكل مريض.

تدريب نموذج ذكاء اصطناعي لرصد علامات الخطر مبكراً

بعد ترتيب البيانات، طرح الباحثون سؤالاً محدداً: استناداً إلى كل هذه المعلومات، هل يمكننا التنبؤ بمن سيموت خلال ستة أشهر من الإجراء؟ توفي 41 فقط من أصل 638 مريضاً خلال تلك الفترة، مما يجعل مسألة التنبؤ أكثر تحدياً—هناك ناجون أكثر بكثير من الوفيات، وتميل العديد من النماذج إلى تجاهل الحالات النادرة لكنها حاسمة. استخدم الفريق أولاً طريقة لاختيار المتغيرات لاستخراج 30 من أكثر المتغيرات معلوماتية عبر دورة حياة المريض الكاملة. شملت هذه العوامل مثل العمر، ومؤشر كتلة الجسم، وعبء الأمراض المصاحبة، ونتائج بعض فحوصات الدم، وتفاصيل العملية مثل مدة بقاء الأدوات موضوعة، ومقاييس المتابعة مثل وظائف الكلى والكبد ومقدرة أداء الأنشطة اليومية.

محرك ذكاء اصطناعي هجيني مصمم للسرعة والدقة

لتحليل هذه البيانات الزمنية، صمم الباحثون نموذجاً هجيناً يجمع بين تقنيتين ذكائيتين. الأولى، المعروفة باسم شبكة الذاكرة الطويلة القصيرة المدى، جيدة في تتبع الأنماط عبر الزمن—مثل كيفية تغير قيم المختبر قبل وبعد الجراحة—لكنها قد تصبح بطيئة وعرضة للافراط في التكيف إذا استُخدمت بمفردها. الثانية، المسماة نظام التعلم الواسع، يبني بسرعة علاقات عبر الميزات دون وزن تدريب ثقيل كما في الشبكات العميقة. في تصميمهم، تمر بيانات دورة حياة المريض أولاً عبر الجزء الزمني من النموذج، ثم عبر خطوة تنظيمية لتقليل الإفراط في التكيف، وأخيراً إلى طبقة التعلم الواسع التي تحسب التنبؤ النهائي بسرعة. يحافظ هذا الهيكل على نقاط القوة في التعلم العميق مع تقليل نقاط ضعفه.

ماذا تعني النتائج للرعاية الواقعية

عند مقارنة النموذج الهجين مع ثلاث طرق شائعة للشبكات العصبية، أداؤه الجديد كان الأفضل بوضوح. صنف المرضى بشكل صحيح نحو 87% من الوقت، والأهم من ذلك أنه تحديد أكثر من 93% من الذين توفوا فعلاً خلال ستة أشهر—ميزة رئيسية عندما يكون الهدف عدم تفويت الأفراد ذوي المخاطر العالية. بعبارة عملية، يعني ذلك أنه من خلال تنظيم بيانات المستشفى في قاعدة بيانات مخصصة لتدخلات القلب وتشغيلها عبر نموذج ذكاء اصطناعي مصمم، يمكن للأطباء الحصول على إنذار مبكر أكثر موثوقية بشأن المرضى الذين يحتاجون رعاية إضافية بعد الإجراء. وبينما تأتي الدراسة من مستشفى واحد وتحتاج إلى اختبار في مراكز أخرى، فإنها تشير إلى مستقبل حيث يساعد الاستخدام الأذكى للبيانات وأدوات التنبؤ المتخصصة في جعل تدخلات القلب أكثر أماناً والتعافي أكثر أمناً.

الاستشهاد: Qi, P., Hu, C., Li, Y. et al. Study on establishment of cardiovascular interventional disease database and prediction of postoperative mortality risk. Sci Rep 16, 12493 (2026). https://doi.org/10.1038/s41598-026-39788-7

الكلمات المفتاحية: التدخل القلبي الوعائي, مخاطر ما بعد العملية, تنبؤ الوفيات, قواعد بيانات طبية, الذكاء الاصطناعي في الرعاية الصحية