التنبؤ بوظائف الكلى المستقبلية في داء السكري من النوع 2 باستخدام تعلّم الآلة ومعلومات الصحة الأساسية

لماذا يهم هذا الأشخاص المصابين بالسكري

بالنسبة لكثير من الأشخاص الذين يعيشون مع داء السكري من النوع 2، يكمن القلق طويل الأمد في ما إذا كانت كليتاهم ستتدهور تدريجيًا لتصل في النهاية إلى الحاجة لغسيل الكلى. يمكن للأطباء قياس صحة الكلى الحالية، لكن من الأصعب بكثير معرفة قبل سنوات من الآن أي الكِلى معرضة للخطر أكثر. تستكشف هذه الدراسة ما إذا كان التعرف على الأنماط المحوسب، المعروف بتعلّم الآلة، قادرًا على استخدام فحص روتيني واحد للتنبؤ بمدى كفاءة عمل كِلية الشخص على مدى سنوات مقبلة.

خطر شائع لكنه صامت

يصيب مرض الكلى السكري نحو أربعة من كل عشرة أشخاص مصابين بداء السكري من النوع 2، وهو سبب رئيسي للفشل الكلوي المزمن على مستوى العالم. يُتبع أداء الكلى غالبًا بمؤشر يسمى معدل الترشيح الكبيبي المقدّر (eGFR)، الذي يعكس كفاءة الكليتين في ترشيح الدم. يفقد بعض المرضى هذه الوظيفة بسرعة كبيرة، في حين يتراجع آخرون ببطء أو تظل حالتهم مستقرة لسنوات عديدة. وبما أن المراحل المبكرة عادةً ما تكون بلا أعراض، يحتاج الأطباء إلى طرق أفضل لاكتشاف هؤلاء «سريعي التدهور» مبكرًا، عندما يمكن للمراقبة والعلاج الإضافيين إبطاء أو منع الضرر الجسيم.

تحويل بيانات الفحص إلى كرة بلورية

تابع الباحثون 974 بالغًا مصابًا بداء السكري من النوع 2 يتلقون العلاج في ثلاث مستشفيات في اليابان على مدى وسطي يزيد قليلًا عن خمس سنوات. عند البداية، جمعوا 54 عنصرًا من المعلومات التي تُقاس روتينيًا في زيارات السكري، بما في ذلك العمر وضغط الدم والوزن وفحوصات الدم وبول ووظيفة الكلى الحالية. ومن المهم أنهم لم يعتمدوا على نتائج اختبارات مستقبلية أو علامات جينية أو بروتينية متخصصة—بل فقط ما يتوفر عادة في زيارة عيادة أولية. طلبوا بعد ذلك من مجموعة من النماذج الحاسوبية أن تتعلم العلاقة بين هذه القياسات الابتدائية وقيم eGFR التي لوحظت في زيارات المتابعة السنوية، حتى تسع سنوات لاحقة.

كيف أدت النماذج الذكية

قارن الفريق ثلاثة أساليب حديثة في تعلّم الآلة—Light Gradient Boosting Machine وRandom Forest وSupport Vector Machine—مع النهج الإحصائي التقليدي المعروف بالانحدار الخطي المتعدد. أدت جميع الأساليب أداءً جيدًا بشكل معقول إجمالًا، لكن آلة المتجهات الداعمة برزت. فقد وفرت أدق التنبؤات عبر النطاق الكامل لوظيفة الكلى، خاصة للأشخاص الذين كانت كليتاهم تعملان جيدًا في البداية. باستخدام بيانات الفحص الابتدائية فقط بالإضافة إلى عدد السنوات في المستقبل، استطاع هذا النموذج الحفاظ على دقة متوسطة حتى نحو ست سنوات تقريبًا، بينما أصبحت تنبؤات الطريقة التقليدية غير موثوقة بعد أربع سنوات.

ما الذي يقود التنبؤات

للاطلاع داخل هذه النماذج «صندوقية» الطابع، استخدم الباحثون أداة تفسير تصنف الميزات الابتدائية بحسب أهميتها. كما هو متوقع، كانت مقاييس الكلى الحالية—معدل الترشيح الكبيبي المقدّر نفسه والكرياتينين في الدم—ذات تأثير، إلى جانب العمر وعلامة في البول تدل على تلف الكلى. لعبت شحميات الدم، وعلامات فقر الدم، وبعض إنزيمات الكبد دورًا مهمًا أيضًا. في مجموعات فرعية مختلفة، مثل كبار السن أو النساء، برزت أنماط مختلفة قليلًا، ما يوحي أن بعض عوامل الخطر قد تكون أكثر أهمية لبعض المرضى. وحتى عندما بسط النموذج ليشمل العوامل الأكثر إفادة فقط، تغيّر أداؤه قليلًا، وهو أمر مشجع للاستخدام العملي في العيادات الحقيقية.

من التنبؤ إلى العمل العملي

للعمل حدود: شملت الدراسة عددًا نسبيًا صغيرًا من مرضى العيادات الخارجيين اليابانيين، ولم تُختبر بعد في دول أو أنظمة رعاية صحية أخرى، وتفترض أن كثيرًا من جوانب حياة المريض وعلاجه تظل متشابهة مع مرور الوقت. ومع ذلك، تشير النتائج إلى إمكانية تحويل زيارة سكري واحدة عادية إلى تنبؤ شخصي بصحة الكلى لسنوات مقبلة. في المستقبل، يمكن تضمين مثل هذه الأداة في السجلات الصحية الإلكترونية لتسليط الضوء على المرضى الذين يتوقع انخفاض شديد في وظيفة كليتهم، مما يستدعي متابعة أوثق، وإحالات مبكرة لأخصائيي الكلى، واستخدامًا أكثر توقيتًا للعلاجات الوقائية. ببساطة، يمكن للاستخدام الأذكى للبيانات المتاحة أن يمنح المرضى والأطباء بداية قيمة لحماية صحة الكلى.

الاستشهاد: Unoki-Kubota, H., Nakajima, K., Shimizu, Y. et al. Predicting future kidney function in type 2 diabetes mellitus using machine learning and baseline health information. Sci Rep 16, 10890 (2026). https://doi.org/10.1038/s41598-026-45500-6

الكلمات المفتاحية: مرض الكلى السكري, داء السكري من النوع 2, تدهور وظيفة الكلى, تنبؤ بتعلّم الآلة, معدل الترشيح الكبيبي المقدّر