تنبؤ الوفيات خلال 28 يوماً لمرضى الالتهاب الرئوي عند الخروج من الطوارئ باستخدام ذكاء اصطناعي متعدد النماذج: دراسة متعددة المراكز

لماذا تهم هذه الدراسة المرضى العاديين

الالتهاب الرئوي من أخطر العدوى على مستوى العالم، ومع ذلك في قسم طوارئ مزدحم يضطر الأطباء غالباً إلى اتخاذ قرار خلال دقائق ما إذا كان المريض آمناً ليغادر إلى المنزل أم يحتاج إلى رعاية مستشفى مكثفة. تستكشف هذه الدراسة ما إذا كان بإمكان الذكاء الاصطناعي دمج صور أشعة الصدر مع بيانات طبية روتينية لتوقع بدقة أكبر من هم المعرضون لخطر الوفاة خلال 28 يوماً، مما يساعد الأطباء على تجنب إرسال مرضى هشين إلى المنزل أو إدخال مرضى منخفضي المخاطر إلى المستشفى دون حاجة.

كيف تُعالج حالات الالتهاب الرئوي اليوم

عند وصول شخص إلى قسم الطوارئ يشتبه في إصابته بالالتهاب الرئوي، يعتمد الأطباء على الأعراض والقيَم الحيوية وفحوص الدم وصورة أشعة الصدر لتقييم مدى المرض. لسنوات استخدموا مقاييس بسيطة تعتمد على نقاط مثل CURB‑65، التي تجمع عوامل مثل العمر وضغط الدم والارتباك لتقدير فرصة الوفاة خلال الشهر التالي. هذه المقاييس سهلة الحساب لكنها تتجاهل الكثير من المعلومات التي يتم جمعها الآن روتينياً، ولا تستفيد من الكم الكبير من التفاصيل المخفية في صور أشعة الصدر. ونتيجة لذلك، قد يبدو بعض المرضى الذين يتدهورون لاحقاً "ذوي مخاطر منخفضة" في البداية على الورق.

جمع الصور والبيانات معاً

تمكّن التقدّم الأخير في التعلم العميق الحواسيب من قراءة أشعة الصدر وتكميم مؤشرات مثل السائل حول الرئتين أو البؤر المريبة. سألت هذه الدراسة ما إذا كان إدخال مخرجات هذه التحليلات الصورية التي أنتجها الحاسوب في نموذج توقع أكثر تطوراً، إلى جانب بيانات روتينية من قسم الطوارئ، يمكن أن يحسّن تقديرات المخاطر على المدى القصير. استند الباحثون إلى سجلات ما يقرب من 2900 زيارة طوارئ لالتهاب رئوي في مستشفى رئيسي في كوريا الجنوبية وإلى قاعدة البيانات الكبيرة MIMIC‑IV في الولايات المتحدة. لكل زيارة جمعوا ثلاثة أنواع رئيسية من المعلومات: عناصر مقياس CURB‑65 التقليدي، التفسير الرقمي لأشعة الصدر بواسطة الذكاء الاصطناعي، والبيانات السريرية الملتقطة تلقائياً مثل القيَم الحيوية، حاجة الأكسجين، ونتائج المختبر الروتينية المأخوذة قبل مغادرة المريض لقسم الطوارئ.

بناء واختبار نموذج الذكاء الاصطناعي

قارن الفريق عدة مناهج، بما في ذلك نموذج إحصائي تقليدي وطرق حديثة في تعلم الآلة مصممة للتعامل مع نتائج الوقت إلى الحدث. كان أقوى نهج لديهم، المسمى غابة البقاء العشوائية (random survival forest)، مدرَّباً على تعلّم أنماط معقدة تربط البيانات المجمعة باحتمال الوفاة خلال 28 يوماً. أنشأوا نسخاً من هذا النموذج باستخدام مجموعات مدخلات مختلفة: المقياس التقليدي فقط، نتائج الصور فقط، المتغيرات السريرية فقط، مزيج من المقياس والبيانات السريرية، وأخيراً نموذج "بجميع الميزات" الذي شمل كل شيء. تم تقييم الأداء بالأساس وفقاً لمدى قدرة كل نموذج على ترتيب المرضى بشكل صحيح من أدنى إلى أعلى خطر، وهو مقياس يعرف بمؤشر التوافق (concordance index).

ما الذي تعلّمه النموذج عن المخاطر

النموذج الذي استخدم كل المعلومات المتاحة—مكونات المقياس التقليدي، نتائج أشعة الصدر المفسرة بواسطة الذكاء الاصطناعي، والبيانات السريرية المفصَّلة—كان الأفضل أداءً. قام بترتيب المرضى بحسب المخاطر بشكل صحيح وبدرجة أكبر بكثير من مقياس CURB‑65 وحده. وحتى مقارنةً بنموذج استخدم بيانات سريرية غنية لكنه تجاهل معلومات الصور، أضافت مخرجات أشعة الصدر تحسناً قابل القياس. برز العمر وشدة الفرز (triage acuity) كأقوى المتنبئات، بما يتوافق مع الخبرة السريرية بأن المرضى الأكبر سناً والأسوأ حالة يضعفون أكثر. ومع ذلك كانت ميزات الصور مثل احتمال وجود سائل حول الرئتين والعُقد الصغيرة من بين العوامل الأكثر تأثيراً، مما يبيّن أن الذكاء الاصطناعي كان يستخلص إشارات مفيدة من الأشعة لا تلتقطها المقاييس التقليدية. عندما جمّع الباحثون المرضى إلى مجموعتي "عالي" و"منخفض" المخاطر، لمodم نموذجهم الكامل تحديد تقريباً جميع المرضى الذين توفوا خلال 28 يوماً، مع إبقاء عدد الإنذارات الكاذبة مماثلاً لتلك الخاصة بالمقياس التقليدي.

مصمم ليتناسب مع سير العمل في المستشفى

من المهم أن النظام صُمم للعمل بمعلومات تُجمع تلقائياً بالفعل في المستشفيات. استند إلى بيانات ديموغرافية، قيَم حيوية، مستوى دعم الأكسجين، وقيم مخبرية من السجل الإلكتروني، بالإضافة إلى مخرجات أداة ذكاء اصطناعي لأشعة الصدر كانت مستخدمة روتينياً بالفعل. استبعد الباحثون عمدًا عناصر تتطلب حكمًا بشريًا إضافياً أو إدخال بيانات يدوي، مثل تقييم مدى الارتباك بجانب السرير، لتجنّب زيادة عبء العمل على الأطباء. كما استخدموا تقنيات تفسيرية للتأكد من أن سلوك النموذج منطقي سريرياً، ونقّحوا تكرارياً المتغيرات المدرجة استناداً إلى الأهمية الرياضية والمراجعة الخبيرة. هذا المزج من بصيرة الآلة والإشراف البشري يهدف إلى زيادة الثقة وتسهيل التبنّي عند نقطة الرعاية.

ماذا قد يعني هذا للمرضى والمستشفيات

تشير الدراسة إلى أن نموذج ذكاء اصطناعي يجمع تفسيرات أشعة الصدر مع بيانات روتينية من قسم الطوارئ يمكنه تفسير المرضى المصابين بالتهاب رئوي الذين هم في خطر عالٍ للوفاة خلال شهر بدقة أكبر من أدوات التقييم التقليدية الطويلة الأمد. عمليا، يمكن لمثل هذا النظام أن يساعد فرق الطوارئ على إعطاء أولوية لأسرة المستشفى النادرة لأولئك الذين هم في أمس الحاجة إليها، وضمان علاج فوري للمرضى الضعفاء الذين ربما يُرسَلون إلى المنزل خلاف ذلك، وتقليل الإدخالات بأمان لأولئك منخفضي المخاطر فعلاً. وبينما لا تزال الحاجة قائمة لاختبارات أوسع في مستشفيات أخرى ومع برامج تصوير مختلفة، تشير النتائج إلى مستقبل تُدعم فيه الخوارزميات الجارية بهدوء، بدلاً من استبدال الأطباء، القرار السريري من خلال تحويل البيانات اليومية إلى تقديرات مخاطر أكثر وضوحاً وتخصيصاً.

الاستشهاد: Hwang, S., Heo, S., Hong, S. et al. Multimodal AI-based 28-day mortality prediction of pneumonia patients at ED discharge: a multicenter study. Sci Rep 16, 11761 (2026). https://doi.org/10.1038/s41598-026-42378-2

الكلمات المفتاحية: الالتهاب الرئوي, قسم الطوارئ, الذكاء الاصطناعي, أشعة الصدر السينية, تنبؤ المخاطر