التنبؤ بتركيز الصفائح الدموية باستخدام التعلم الآلي استنادًا إلى قياسات ROTEM

لماذا تهم الفحوص السريعة للصفائح الدموية

عندما ينزف شخص أثناء الجراحة أو في وحدة العناية المركزة، يحتاج الأطباء بسرعة إلى اتخاذ قرار بشأن إعطاء نقل صفائح دموية لمساعدة الدم على التجلط. يمكن للاختبارات المخبرية القياسية عدّ الصفائح بدقة، لكنها غالبًا ما تستغرق ساعة أو أكثر، مما يبطئ القرارات العاجلة. الأجهزة الجانبية التي تتتبّع كيف يتكوّن الخثرة في الوقت الحقيقي أسرع بكثير، لكنها لا تظهر مباشرة عدد الصفائح في الدم. تستكشف هذه الدراسة ما إذا كانت النماذج الحاسوبية قادرة على تحويل قياسات السرير السريعة تلك إلى معلومات موثوقة حول مستويات الصفائح المنخفضة بشكل خطير.

نظرة سريعة على التجلط في الوقت الحقيقي

تراقب اختبارات نقاط الرعاية الحديثة مثل التحليل الدوراني للمرونة التخثرية، أو ROTEM، كيف يتجلط عيّنة الدم منذ شرارة التجلط الأولى إلى أن تصبح الخثرة متماسكة ثم تتحلل لاحقًا. تقدّم هذه الاختبارات منحنيات وأرقامًا تعكس مدى قوة واستقرار الخثرة، لكنها لا تكشف عن العدد الفعلي للصفائح. أظهرت أبحاث سابقة أن بعض قراءات ROTEM مرتبطة بمستويات الصفائح، لكن الصيغ البسيطة التي تستخدم قيمة ROTEM واحدة لم تتنبأ بعدد الصفائح بدقة كافية لتوجيه العلاج. تساءل الباحثون عما إذا كانت تقنيات حاسوبية أكثر تطورًا تأخذ عدة ميزات من ROTEM دفعة واحدة قد تؤدي أداءً أفضل.

بناء نماذج حاسوبية من بيانات المستشفى

جمع الفريق 2333 اختبار دم مزدوج من أربع مستشفيات جامعية، مأخوذة كلها من مرضى جراحيين أو في العناية المركزة في الفترة من 2014 إلى 2023. لكل حالة كان لديهم مجموعة كاملة من قياسات ROTEM وعدّ مختبري للصفائح مأخوذًا خلال ثلاث ساعات. بعد تنظيف البيانات بعناية وملء القيم المفقودة، أدخلوا 29 متغيرًا متعلقًا بـROTEM في عدة طرق للتعلم الآلي. حاولت بعض النماذج التنبؤ بالتركيز الدقيق للصفائح، بينما تناولت أخرى أسئلة أبسط: هل عدد الصفائح أقل من 100 مليار في اللتر، أو أقل من 50 مليار في اللتر، وهي مستويات تُستخدم على نطاق واسع كعتبات أمان في الجراحة والنزف الحاد.

مدى دقة النماذج في عدّ الصفائح

عند طلب تقدير العدد الدقيق للصفائح، تفوّقت جميع نماذج التعلم الآلي على الصيغ القديمة المبنية على قيمة ROTEM واحدة. لكن أفضل نهج، وهو نموذج مكدس يجمع عدة طرق، أظهر دقة متوسطة فقط. كانت توقعاته تختلف عن العدد الحقيقي بحوالي 40 مليار صفائح في اللتر في المتوسط، وهو ما اعتبره المؤلفون غير دقيق بما يكفي لاتخاذ قرارات جرعات واثقة. أكدت الرسوم البيانية التي تقارن التوقعات بالأعداد الحقيقية، وكذلك فحوصات إحصائية للتحيّز والتشتت، أن النماذج غالبًا ما تخطئ لحالات المرضى الفردية حتى عندما تلتقط الاتجاهات العامة.

التمييز بين المستويات المنخفضة جدًا يعمل أفضل

أدت النماذج أداءً أفضل بكثير في مهمة أبسط وحاسمة سريريًا: تحديد المرضى ذوي عدد الصفائح المنخفض بوضوح. في كشف الأعداد أقل من 100 مليار في اللتر، بلغت نماذج الغابة العشوائية والنماذج المكدسة قيمًا عالية لمقياس جودة الاختبار الشائع المسمّى المساحة تحت المنحنى. كانت قوية بشكل خاص في استبعاد نقص الصفائح، مع احتمالات عالية جدًا أن تعني نتيجة «آمنة» أن المريض فعليًا فوق العتبة. وكان الأداء أقوى حتى في كشف الأعداد أقل من 50 مليار في اللتر، حيث برز نموذج المكدّس مجددًا. ثَبَتَت هذه النتائج عبر طرق مختلفة لتقييم الدقة، وكانت متفوقة بوضوح على الاعتماد على القيمة المشتقة من ROTEM الوحيدة.

ماذا قد يعني ذلك عند السرير

يستنتج المؤلفون أن نماذج التعلم الآلي الحالية ليست بعد دقيقة بما يكفي لتحل محل عدّ الصفائح المختبري، لأن تقديراتها للعدد الدقيق تتفاوت كثيرًا لحالات المرضى الفردية. ومع ذلك، فإن نفس النماذج جيدة جدًا في الإجابة بنعم أو لا حول ما إذا كانت الصفائح قد انخفضت تحت عتبات الأمان الأساسية. في حالات النزف الطارئة، قد يساعد مثل هذا التوجيه السريع عند السرير الأطباء على تأجيل أو تجنّب نقل الصفائح بأمان أثناء انتظار نتائج المختبر، مما يقلّل كلاً من تأخيرات الرعاية والتعرّض غير الضروري لمنتجات الدم.

الاستشهاد: Brooks, R., Noitz, M., Mahečić, T.T. et al. Machine learning based prediction of platelet concentration from ROTEM measurements. Sci Rep 16, 15854 (2026). https://doi.org/10.1038/s41598-026-45743-3

الكلمات المفتاحية: عدد الصفائح الدموية, قلة الصفائح الدموية, ROTEM, التعلم الآلي, نقل الصفائح الدموية