بناء والتحقق من صحة نماذج التعلم الآلي للتنبؤ بثقب الزائدة الدودية أثناء العلاج التحفظي لالتهاب الزائدة المترافق مع حصاة برازية: تحليل استعادي متعدد المراكز باستخدام 20 خوارزمية

لماذا يهم هذا الأشخاص المصابين بآلام في البطن

يعد التهاب الزائدة الدودية أحد أكثر أسباب الجراحة الطارئة شيوعًا، لكن كثيرًا من المرضى يُعالجون اليوم أولاً بالمضادات الحيوية بدلاً من إجراء عملية فورية. بالنسبة لأولئك الذين تحتوي زائدتهم على كتلة صلبة تشبه الحصاة من البراز، تُسمى حصاة برازية، قد يكون هذا الخيار محفوفًا بالمخاطر لأن الزائدة تكون أكثر عرضة للانفجار. تطرح هذه الدراسة سؤالًا يهم كل مريض وطبيب يواجه هذا القرار: هل يمكننا أن نحدد بأمان، مبكرًا، من يمكنه الاستمرار على الأدوية ومن هم فعلاً في خطر حقيقي لحدوث ثقب خطير؟

تحدي الزائدة المسدودة

عرف الأطباء منذ سنوات أن التهاب الزائدة يتصرف بشكل مختلف عندما تسد حصاة برازية الأنبوب الضيق للزائدة. يرفع الانسداد الضغط، ويعيق تدفق الدم، ويعزز العدوى، وكلها عوامل تزيد من احتمال تمزق العضو حتى لو بدأت المضادات الحيوية سريعًا. ومع ذلك، فأنظمة التقييم الشائعة عند المريض في السرير صممت لجميع المرضى، وليس خصيصًا لأولئك الذين لديهم حصاة برازية، ولا تتنبأ بالثقب بشكل جيد في هذه الفئة عالية المخاطر. وتترك تلك الغموض الأطباء ممزقين بين إجراء العمليات كثيرًا مع مخاطرها وتكاليفها، أو الانتظار طويلاً ومواجهة زائدة منفجرة.

استخدام الأنماط في بيانات المستشفى

جمع الباحثون سجلات 1,247 بالغًا عولجوا بدون جراحة فورية لالتهاب الزائدة المرتبط بحصاة برازية في أربعة مستشفيات كبيرة بين 2018 و2023. حوالي واحد من كل سبعة تعرض لثقب خلال ثلاثة أيام. لكل مريض، جمع الفريق معلومات بسيطة هي بالفعل جزء من الرعاية الروتينية: العمر، العلامات الحيوية، فحوصات الدم التي تظهر الالتهاب، وقياسات بالأشعة المقطعية للزائدة والحصاة. ثم دربوا 20 خوارزمية حاسوبية مختلفة لاكتشاف أنماط تربط هذه الميزات بمن أصيب ومن لم يصب بتمزق الزائدة، محتفظين بجزء من البيانات لاختبار النماذج بشكل عادل.

أداة التنبؤ بالمخاطر الفائزة

من بين جميع النهج، أدت عائلة من الأساليب التي تجمع العديد من أشجار القرار، والمعروفة بالتعزيز التدرجي، بأفضل أداء. بعد خطوة اختيار الميزات، اعتمدت الأداة النهائية على ثمانية عناصر متاحة بسهولة، بما في ذلك حجم الحصاة، ومستويات البروتين التفاعلي C وخلايا الدم البيضاء في الدم، ومدى سمك وعرض الزائدة الظاهر على الأشعة المقطعية. في مجموعة الاختبار الرئيسية، فرّق النموذج بشكل صحيح بين المرضى ذوي المخاطر العالية والمنخفضة بمقياس دقة ممتاز (AUC حوالي 0.89). والأكثر لفتًا للانتباه، عندما حكم النموذج أن الشخص منخفض المخاطر، كان صحيحًا أكثر من 96 في المئة من الوقت بعدم حدوث ثقب، مما يوفر تطمينًا قويًا للاستمرار في العلاج التحفظي.

تحويل الأرقام إلى مجموعات مخاطر واضحة

لجعل الأداة عملية عند السرير، حوّل الفريق درجات الاحتمال الخام إلى ثلاث فئات بسيطة. وُصِف المرضى الذين كانت المخاطر المتوقعة لديهم أقل من 30 بالمئة بأنهم منخفضو المخاطر وبلغت لديهم نسبة الثقب الفعلية 3.8 بالمئة فقط. أما الذين تراوحت مخاطرهم بين 30 و60 بالمئة فكانوا متوسطو المخاطر، وكان حوالي واحد من كل أربعة منهم يعاني من ثقب. وفوق 60 بالمئة كانوا مرضى عاليي المخاطر، أكثر من سبعة من كل عشرة منهم تعرضوا لاحقًا للثقب. وتتبّع الإجراءات المقترحة هذه السلم: المراقبة الروتينية لمجموعة المخاطر المنخفضة، والمراقبة الأقرب وإعادة الفحوص للمجموعة المتوسطة، والجراحة المبكرة أو العاجلة للمرضى ذوي أعلى المخاطر. أظهرت مجموعة منفصلة مكونة من 225 مريضًا من مستشفى خامس، لم تُستخدم في بناء النموذج، أداءً مشابهًا جدًا، مما يشير إلى أن المنهج قد يعمل خارج المراكز الأصلية.

ماذا يعني هذا للمرضى والأطباء

بمصطلحات بسيطة، تُظهر هذه الدراسة أن حاسوبًا مدربًا على فحوصات مخبرية عادية ونتائج الأشعة المقطعية يمكن أن يمنح الأطباء تحذيرًا مبكرًا أوضح بكثير حول أي المرضى ذوو زائدة مسدودة هم في خطر حقيقي إذا استمروا على المضادات الحيوية وحدها. وعلى الرغم من أن الأداة ليست مثالية، فهي قوية بشكل خاص في تمييز الأشخاص الآمن متابعتهم وعلاجهم دون التسرع نحو غرفة العمليات. ومع مزيد من الاختبارات في مستشفيات مختلفة واستخدام في الزمن الحقيقي، يمكن لمثل هذه النماذج أن تدعم قرارات أكثر تخصيصًا، مما يساعد العديد من المرضى على تفادي جراحة غير ضرورية مع ضمان حصول الأكثر عرضة للخطر على عمليات في الوقت المناسب قبل تمزق الزائدة.

الاستشهاد: Zhu, Y., Feng, J., Liu, R. et al. Building and validating machine learning models to predict appendiceal perforation during conservative treatment of fecalith-associated appendicitis: a 20-algorithm multicenter retrospective analysis. Sci Rep 16, 11728 (2026). https://doi.org/10.1038/s41598-026-47372-2

الكلمات المفتاحية: التهاب الزائدة الدودية, التعلم الآلي, تنبؤ المخاطر, العلاج التحفظي, التعزيز التدرجي