نموذج تنبؤي لجلطات مرتبطة بأنبوب PICC لدى مرضى الإنتان باستخدام خوارزمية XGBoost

لماذا يهم هذا المرضى والأسر

يعتمد كثير من الأشخاص المصابين بعدوى تهدد الحياة، مثل الإنتان، على أنابيب طويلة ومرنة تُدخل في أوردةهم لتلقي الأدوية والتغذية. تُسمى هذه الأنابيب خطوط PICC، وهي ضرورية لكنها قد تتسبب أحيانًا في تكوّن جلطات دموية خطيرة. تُظهر هذه الدراسة كيف استخدم الأطباء تقنية حاسوبية حديثة للتنبؤ بأي مرضى الإنتان هم الأكثر عرضة لتكوين جلطات حول هذه الأنابيب، بهدف الوقاية من المضاعفات قبل حدوثها.

القسطرات التي تساعد وأحيانًا تضر

عندما يصاب المرضى بالإنتان، غالبًا ما يحتاجون إلى أسابيع من المضادات الحيوية الوريدية والسوائل والتغذية. تُدخل قسطرات مركزية محيطية، أو خطوط PICC، من وريد في الذراع نحو القلب لتسهيل ذلك. ومع كونها مريحة، فإن خطوط PICC قد تُعطّل تدفق الدم وتسبب تهيجًا لجدار الوعاء، مما يسمح بتكوّن جلطات. قد تسد هذه الجلطات الأوردة، وتطيل فترات البقاء في العناية المركزة، وفي الحالات الشديدة قد تنفصل وتنتقل إلى الرئتين. حتى الآن، كان من الصعب على الأطباء معرفة مسبقًا أي المرضى هم الأكثر عرضة، لأن عوامل صحية ودموية متعددة تتداخل في الوقت نفسه.

استخدام البيانات الكبيرة والخوارزميات الذكية

استفاد الباحثون من قاعدة بيانات كبيرة ومفتوحة للعناية الحرجة من مستشفى أمريكي رئيسي، تحتوي على سجلات مفصّلة لأكثر من 94,000 إقامة في العناية المركزة بين 2008 و2022. من هذا المورد حددوا 8,128 بالغًا مصابًا بالإنتان وكان لديهم خط PICC لمدة لا تقل عن يومين ولم يكن لديهم حالات معقّدة معينة مثل سرطانات الدم. من بين هؤلاء المرضى، طوّر 538 منهم جلطة مرتبطة بالقسطرة، معظمها خلال الشهر الأول بعد إدخالها. قسم الفريق المرضى إلى مجموعتين: إحداهما لتدريب نموذج الحاسوب والأخرى لاختبار مدى فعاليته على حالات جديدة.

ما الذي تعلّمه النموذج عن خطر الجلطة

لمعرفة أنماط معقدة أكثر من أن تلتقطها القواعد البسيطة، استخدم الفريق نهجًا يُدعى XGBoost، وهو نوع من تعلم الآلة يجمع العديد من أشجار القرار الصغيرة ليكوّن متنبئًا قوياً واحدًا. زوّدوا النموذج بمعلومات يجمعها الأطباء روتينيًا، بما في ذلك العمر، الجنس، نتائج فحوصات الدم، الأمراض المصاحبة، ومدة وجود خط PICC. أنتج النموذج احتمال إصابة مريض معين بجلطة. قُيّمت دقته باستخدام المساحة تحت منحنى الاستقبال التشغيلي (AUC)، وهو مقياس شائع لأدوات التنبؤ. كانت القيم حوالى 0.76 في مجموعتي التدريب والاختبار، مما يشير إلى أن النموذج استطاع تمييز المرضى ذوي المخاطر الأعلى عن ذوي المخاطر الأقل بشكل واضح.

إلقاء نظرة داخل الصندوق الأسود

إحدى المخاوف الشائعة بشأن تعلم الآلة أنه قد يبدو كصندوق أسود. لمواجهة ذلك، استخدم الباحثون طريقة تفسيرية تُدعى SHAP لتقدير مدى دفع كل عامل للتنبؤ نحو مخاطر أعلى أو أقل. من بين الخصائص الأكثر تأثيرًا كانت عدد خلايا الدم البيضاء، عدد الصفائح الدموية، تاريخ النوبة القلبية، مستوى الهيموغلوبين، وظيفة الكلى، مدة وجود خط PICC، العمر، مرض الكبد الخفيف، مقياس تخثر الدم المسمى زمن البروثرومبين، ومرض السكري بدون مضاعفات شديدة. مجتمعة، تصوّر هذه العوامل زيادة خطر الجلطة عند ارتفاع الالتهاب، وعدم توازن مكونات الدم والتخثر، وبقاء الخط في الوعاء لفترة أطول. أشار تحليل منحنى القرار كذلك إلى أن استخدام النموذج لتوجيه العلاج الوقائي سيجني فائدة لعدد أكبر من المرضى مقارنة بمعاملة الجميع أو عدم علاج أحد.

ماذا قد يعني هذا على مستوى السرير

بالنسبة للرعاية اليومية، تشير هذه الدراسة إلى أن الأطباء قد يستخدمون معلومات متاحة روتينيًا لتقدير فرصة مريض الإنتان في الإصابة بجلطة مرتبطة بـPICC قبل أن تبدأ المشاكل. قد يتلقى الأشخاص المصنفون كذوي خطر مرتفع مراقبة أقرب، تقصير مدة القسطرة، استخدام أنواع قسطرات خاصة، أو إعطاء مميعات دم مبكرة للوقاية، بينما قد يتجنب المرضى منخفضو المخاطر علاجات غير ضرورية. للدراسة حدود—فهي من نظام مستشفى واحد وتستخدم بيانات سابقة بدلاً من تجربة سريرية مباشرة—لكنها تمثل خطوة ملموسة نحو استخدام أكثر تخصيصًا وأمانًا للخطوط الوريدية المنقذة للحياة لدى بعض أشد المرضى مرضًا.

الاستشهاد: Hao, W., She, Ty., Yuan, Zn. et al. A predictive model for PICC-related thrombosis in sepsis patients using XGBoost algorithm. Sci Rep 16, 14378 (2026). https://doi.org/10.1038/s41598-026-44999-z

الكلمات المفتاحية: الإنتان, خط PICC, جلطة دموية, تعلم الآلة, العناية المركزة