تنبؤ مستوى الجلوكوز في الدم مع وعي بالمستقبل باستخدام تقطير المعرفة ونماذج المحول تسلسل-إلى-تتابع

لماذا يهم التنبؤ بسكر الدم

بالنسبة للأشخاص المصابين بداء السكري من النوع الأول، يمكن لمستوى السكر في الدم أن يرتفع وينخفض بسرعة بعد الوجبات أو التمارين أو الإجهاد أو جرعات الإنسولين. القدرة على رؤية ليس فقط مستوى السكر الآن، بل أيضاً الاتجاه الذي يسير إليه خلال ساعة أو ساعتين قادمتين، قد تساعدهم على تجنّب انخفاضات وارتفاعات خطيرة، وضبط جرعات الإنسولين في الوقت المناسب، والتخطيط للأنشطة اليومية بثقة أكبر. تستكشف هذه الدراسة طريقة جديدة لتعليم الحواسيب توقع سكر الدم المستقبلي عن طريق استخدام معلومات حول الوجبات والإنسولين المرتقبة أثناء التدريب، بينما يبقى النظام قادراً على العمل في العالم الحقيقي حيث المستقبل غير معروف.

نظرة مستقبلية أذكى لرعاية السكري

أجهزة مراقبة الجلوكوز المستمرة اليوم تبث قراءات كل بضع دقائق، وتستخدم الخوارزميات الحديثة هذه البيانات بالفعل للتنبؤ بمستوى السكر على المدى القريب. ومع ذلك، فإن معظم الأدوات الحالية تنظر إلى الوراء: تحلل قراءات الجلوكوز الماضية وأحياناً إشارات أخرى مثل معدل ضربات القلب أو الحركة. عادةً ما تتجاهل التأثير الكبير للأحداث المستقبلية مثل الوجبة التالية أو جرعة الإنسولين، لأن هذه الأحداث ليست معروفة بشكل موثوق مسبقاً. ونتيجة لذلك، تنهار التنبؤات غالباً عند أسرع تغيرات مستوى السكر، مثل بعد الأكل مباشرة أو عند تصحيح ارتفاع. يجادل المؤلفون بأنه لدعم قرارات السكري اليومية فعلاً، يجب أن تتعلم النماذج شيئاً عن هذه الاضطرابات المستقبلية دون توقع توفرها وقت التشغيل.

التعليم مع دلائل إضافية، ثم الاختبار بدونها

يقدّم الباحثون إطار تعلم «واعٍ بالمستقبل» يفصل بين التدريب والنشر. أثناء التدريب، يستخدمون سجلات غنية من مجموعتي بيانات كبيرتين لأشخاص مصابين بالنوع الأول من السكري، تتضمن قراءات الجلوكوز وجرعات الإنسولين ومعلومات الوجبات. يبنون نموذج «معلم» قوي قائم على المحول، وهو بنية تعلم عميق معروفة بقدرتها على التعامل مع متسلسلات طويلة. يرى هذا المعلم كل من بيانات الجلوكوز الماضية والوجبات وجرعات الإنسولين القادمة خلال الساعتين التاليتين، ويتعلم كيف تشكل هذه الأحداث المستقبلية أنماط سكر الدم. بالتوازي، يصممون نموذج «طالب» ذو بنية مدخلات-مخرجات مماثلة، لكن الطالب يرى دائماً البيانات الماضية فقط، تماماً كما سيفعل جهاز في العالم الحقيقي.

تمرير المعرفة من المعلم إلى الطالب

لسد الفجوة بين هذين المنظورين للعالم، يستخدم المؤلفون تقنية تسمى تقطير المعرفة. بدلاً من مطابقة تنبؤات المعلم النهائية فقط، يطلبون من الطالب أيضاً تقليد تمثيل المعلم الداخلي لكيفية توقع تطور الجلوكوز. يمرر كل من المعلم والطالب إشاراتهم الداخلية إلى نفس شبكة المفكّك التي تحول الأنماط المجردة إلى منحنيات الجلوكوز المستقبلية. أثناء التدريب، يتم دفع الطالب بثلاثة اتجاهات في آن واحد: يجب أن يتنبأ بمستقبل السكر الحقيقي، ويجب أن يحافظ على أنماطه الداخلية قريبة من أنماط المعلم، ويجب أن يقارب تنبؤات المعلم نفسها. مع مرور الوقت، يتعلم الطالب أن «يفكر» في الوجبات والإنسولين القادمة بشكل غير مباشر، مستنتجاً التقلبات المحتملة من أشكال التاريخ القريب فقط.

الاختبار على بيانات السكري الواقعية

يقيّم الفريق منهجهما على مجموعتي بيانات مستقلتين: OhioT1DM، التي تتتبّع 12 بالغاً على مدار ثمانية أسابيع من الحياة اليومية، وAZT1D، التي تراقب 25 شخصاً يستخدمون أنظمة توصيل الإنسولين الآلية. بعد التعامل بعناية مع قراءات المستشعر المفقودة، يقارنون نموذج الطالب بعدد من نماذج الشبكات العصبية القوية، بما في ذلك LSTM وLSTM ثنائي الاتجاه وشبكات التلافيف-التتابعية، ونماذج المحول التي لا تستخدم تدريباً واعياً بالمستقبل. عبر أفق التنبؤ من 30 إلى 120 دقيقة، تقلل الطريقة الجديدة باستمرار مقاييس الخطأ الشائعة مثل الجذر التربيعي لمتوسط الخطأ التربيعي والمتوسط المطلق للخطأ. يتم فحص الموثوقية السريرية عبر شبكة خطأ كلارك، التي تصنّف التنبؤات بحسب مقدار الضرر الذي قد تسببه في اتخاذ القرار؛ أكثر من 90% من تنبؤات هذا النموذج تقع في المناطق التي تعتبر آمنة أو مقبولة لتوجيه العلاج.

ما الذي قد يعنيه هذا للحياة اليومية

بعبارات بسيطة، تُظهر الدراسة أن السماح لنموذج بالتدرّب مع نظرة خاطفة على المستقبل، ثم تقطير تلك الخبرة في نسخة أخف تعمل بدون معرفة المستقبل، يمكن أن يجعل تنبؤات سكر الدم أكثر دقة—خاصةً على مدى 60 إلى 120 دقيقة قادماً. هذه التنبؤات طويلة المدى هي التي تساعد الأشخاص على اتخاذ قرار ما إذا كانوا سيتناولون وجبة خفيفة الآن لتجنب هبوط لاحق، أو تعديل جرعة الإنسولين في الوقت المناسب لمنع ارتفاع وشيك. بينما ما زال العمل في إطار البحث ويفترض روتينيات منتظمة إلى حد ما، فإنه يشير إلى أدوات دعم قرار أذكى وأنظمة حلقة مغلقة للإنسولين تتنبأ بشكل أفضل بتقلبات الجلوكوز القادمة، حتى عندما تكون المعلومات الوحيدة المتاحة هي ما حدث بالفعل.

الاستشهاد: Sun, X., Li, H. & Yu, X. Future-aware blood glucose forecasting using knowledge distillation with transformer-based sequence-to-sequence models. Sci Rep 16, 11404 (2026). https://doi.org/10.1038/s41598-026-41787-7

الكلمات المفتاحية: تنبؤ مستوى الجلوكوز في الدم, داء السكري من النوع الأول, التعلّم العميق, نماذج المحول, تقطير المعرفة