محوِّل دقيق المقياس مدموج مع بيانات متعددة الوسائط للتنبؤ بطول الإقامة في المستشفى لدى المتلازمة التاجية الحادة

لماذا يهم طول الإقامة في المستشفى

بالنسبة للأشخاص الذين يُنقلون إلى المستشفى مصحوبين بألم في الصدر أو نوبة قلبية، فإن مدة بقائهم ليست مسألة فضول فقط. فهي تؤثر في سرعة حصولهم على سرير، وفي مدى سرعة قبول مرضى آخرين، وفي عدد الممرضين اللازمين في كل وردية، وحتى في التكاليف التي ستتكبدها الأسر. تقدّم هذه الدراسة نظام ذكاء اصطناعي جديداً يقدّر طول الإقامة في المستشفى للمرضى المصابين بالمتلازمات التاجية الحادة — وهي حالات قلبية خطيرة ناتجة عن انسداد الشرايين التاجية — عبر فحص ليس فقط السجلات الطبية بل أيضاً صور قلبية مفصّلة مباشرة.

نظرة داخل شرايين القلب المسدودة

يعتمد الأطباء بالفعل على فحوصات التصوير المقطعي المحوسب (CT) لرؤية أوعية القلب الدموية واكتشاف تضيقات أو انسدادات يمكن أن تُثير المتلازمات التاجية الحادة. هذه الأوعية طويلة ومتفرعة، وقد تحتل القطاعات المريضة الصغيرة جزءاً ضئيلاً فقط من كل صورة. غالباً ما تُلخّص النماذج الحاسوبية التقليدية هذه الصور إلى مقاييس عامة، مما قد يُغفل التفاصيل الدقيقة لمكان وشدة ضرر الشريان. النهج الجديد، المسمى FRAME، يتعامل مع صور الـCT بعناية أكبر، ويهدف إلى التقاط التغيرات الطفيفة في شكل الوعاء التي تشير إلى مدى خطورة حالة المريض — وإلى المدة التي قد يحتاج فيها إلى رعاية مستشفوية.

تعليم الحاسوب قراءة أشكال الأوعية

ابتكر الباحثون أولاً طريقة تتيح للحاسوب أن يتعلم بنفسه ما شكل الأوعية الصحية والمريضة، دون حاجة إلى أن يقوم بشرح كل صورة يدوياً. عدّلوا كل صورة CT بعناية باستخدام تغييرات آمنة في السطوع والشكل لا تمحو مناطق الآفة الفعلية. بمقارنة النسخة الأصلية والمعدّلة من نفس الفحص، تعلم النظام أي الميزات يجب أن تبقى ثابتة وأيها يتغير عند تحويل الصورة. ساعد هذا التدريب «ذاتي الإشراف» النموذج على التركيز على الأنماط ثلاثية الأبعاد الحقيقية للأوعية — مثل الانحناءات والتضيقات والجدران غير المنتظمة — بدلاً من الانشغال بالضوضاء أو البنى الخلفية غير ذات الصلة.

التركيز على نقاط المشكلة الصغيرة

بعد هذا التدريب، يحلل FRAME فحوصات الـCT الجديدة على قطع صغيرة أو رقع، بدلاً من التعامل مع كل صورة كوحدة واحدة. تقوم آلية انتباه بوزن كل رقعة وتبرز تلك التي تبدو الأكثر ارتباطاً بالمرض، مما يتيح تقريباً التكبير على مناطق الوعاء الضيقة والمتضررة مع التقليل من أهمية المناطق السليمة. بالتوازي، يعالج النظام معلومات من السجل الطبي الإلكتروني، بما في ذلك العمر، ومعدل ضربات القلب، ووظيفة الكلى، وعلامات الالتهاب، وعدد خلايا الدم. ثم تُمكّن خطوة دمج دقيقة التفاصيل رقع الـCT وبيانات السجل من التأثير في بعضها البعض، باستخدام محوّل (Transformer) — نفس نوع البنية خلف العديد من نماذج اللغة الحديثة — لربط أنماط تلف الأوعية بأنماط التحاليل المخبرية والمؤشرات الحيوية.

اختبار النموذج

لفحص مدى فعالية FRAME، طبّق الفريق النظام على بيانات 615 مريضاً تم علاجهم في مستشفى صدر كبير في شنغهاي بين 2015 و2021. كان لدى كل مريض صور CT وسجلات طبية مفصلة، إلى جانب طول الإقامة في المستشفى المسجل. قارن الباحثون FRAME مع 16 بديلاً رائدًا، تتراوح بين صيغ التعلم الآلي الكلاسيكية إلى شبكات الصور المتقدمة ونماذج متعددة الوسائط. عبر مجموعة المرضى كاملة وعبر أربع فئات لطول الإقامة — من أقل من خمسة أيام إلى أكثر من أسبوعين — قدّم النظام الجديد باستمرار التنبؤات الأدق، مع أخطاء تقارب يوماً واحداً في المتوسط وتطابق قوي جداً بين الأطوال المتوقعة والفعلية للإقامة.

رؤية ما يراه النموذج

بعيداً عن الدقة الخام، درس الفريق الأماكن التي كان FRAME «ينظر» إليها في الصور والميزات في السجل الطبي التي استند إليها. كانت الرقع المظلّلة في الصور تتطابق تقريباً دوماً مع قطاعات الأوعية التي تظهر عليها آفات ظاهرة، مما يوحي بأن النموذج تعلّم أنماطاً ذات مغزى سريري قد تساعد في نهاية المطاف على أتمتة تحديد الآفات لأخصائيي الأشعة. من بين بيانات السجل، حملت معدلات نبض القلب، ومؤشرات وظيفة الكلى، وحمض اليوريك، وبروتينات الالتهاب، ونسب معينة لخلايا الدم الأثقل وزناً — وكان لكل منها ارتباط إحصائي واضح مع مدة إقامة المرضى في المستشفى. هذا يتوافق مع دراسات سريرية سابقة، مما يمنح الأطباء ثقة إضافية بأن استدلال النظام منطقي طبياً.

ماذا يعني هذا للمرضى والمستشفيات

بعبارة بسيطة، تُظهر الدراسة أن الجمع الدقيق بين صور القلب الغنية والقياسات السريرية الروتينية يمكّن الحواسيب من تقدير طول الإقامة في المستشفى لمرضى المتلازمة التاجية الحادة بدقة أعلى من الأدوات الحالية. عبر الانتباه إلى أشكال الأوعية المصابة بدقة وإلى أهم نتائج المختبر، قد يساعد FRAME المستشفيات في تخطيط الأسرة والطاقم، والتنبيه المبكر للمرضى ذوي المخاطر العالية، وربما تسريع مراجعة الصور للأطباء المشغولين. وبينما يشير المؤلفون إلى أن مجموعات بيانات أكبر وأكثر تنوعاً ستظل ضرورية قبل أن توجه هذه الأنظمة الرعاية اليومية، تَظهر دراستهم خطوة واعدة نحو إدارة طوارئ قلبية أذكى وأكثر كفاءة.

الاستشهاد: You, L., Cen, X. & Wang, S. A fine-grained transformer combined with multimodal data for predicting hospital length of stay in acute coronary syndrome. Sci Rep 16, 11465 (2026). https://doi.org/10.1038/s41598-026-41279-8

الكلمات المفتاحية: المتلازمة التاجية الحادة, طول الإقامة في المستشفى, تصوير القلب بالتّحليلات المقطعية, الذكاء الاصطناعي الطبي, التنبؤ متعدد الوسائط