محاكاة اقتصادية صحية لنموذج قرار سريري مدعوم بالذكاء الاصطناعي لإعادة تروية الشريان التاجي

خيارات أكثر ذكاءً لرعاية القلب

يواجه الأشخاص المصابون بانسدادات شريانية قلبية خطيرة غالبًا خيارًا صعبًا بين العلاج بالأدوية أو إجراءات طفيفة التوغل أو جراحة قلب مفتوح. تطرح هذه الدراسة سؤالًا بسيطًا لكنه مهم: إذا كان لدى الأطباء أداة قوية للذكاء الاصطناعي تتنبأ بالحالة الصحية المستقبلية والتكاليف، هل يمكن للمرضى أن يعيشوا حياة أفضل بينما يوفر نظام الرعاية الصحية المال؟ باستخدام بيانات حقيقية من عشرات الآلاف من الكنديين المصابين بأمراض قلبية، يُظهر الباحثون أن الدليل المدعوم بالذكاء الاصطناعي قد يوصي غالبًا بعلاج مختلف عما تم تقديمه فعليًا — وأن هذه التغييرات قد تحسّن النتائج وتقلل الإنفاق.

ثلاث مسارات مختلفة لقلب مريض

عندما تضيق الشرايين التي تغذي القلب، ينظر الأطباء عادة في ثلاثة خيارات رئيسية. الأول هو الأدوية فقط، باستخدام الأدوية للتحكم بالأعراض وعوامل الخطر. الثاني هو إجراء قسطرة يفتح الأوعية المسدودة من الداخل. الثالث هو جراحة المجازة، التي تعيد توجيه الدم حول الشرايين المسدودة باستخدام أوعية دموية مأخوذة من مكان آخر في الجسم. قارنت تجارب سريرية كبيرة هذه الخيارات في مجموعات منتقاة من المرضى، لكن الحالات الواقعية غالبًا ما تكون أكثر تعقيدًا من الأشخاص الذين يلتحقون بالدراسات البحثية. قد تجعل السن، والأمراض الأخرى، والتشريح، والتفضيلات الشخصية الاختيار غامضًا، تاركة الأطباء والمرضى يواجهون حالة من عدم اليقين.

ما الذي يفعله نظام الذكاء الاصطناعي فعليًا

قيّم الفريق نظام دعم قرار مدعومًا بالذكاء الاصطناعي يُدعى Revaz AI. تم تدريبه على بيانات أكثر من 42,000 مريض خضعوا لتصوير شرايين القلب في ألبرتا بكندا. لكل مريض جديد، ولكل واحد من الخيارات الثلاثة للعلاج، يتنبأ Revaz AI باحتمالات الوفاة أو المعاناة من مشاكل قلبية كبرى خلال السنوات الثلاث والخمس القادمة. ثم أدخل الباحثون هذه التنبؤات في نموذج حاسوبي مفصّل يتابع كل مريض طوال بقية حياته، محسوبًا شيئين: تكاليف الرعاية وكمية الوقت المقضى في صحة جيدة، المقاسة بوحدة «سنوات الحياة المعدلة حسب الجودة» (QALYs)، وهي طريقة معيارية لدمج طول وجودة الحياة في رقم واحد.

اختبار طرق مختلفة لاستخدام الأطباء للذكاء الاصطناعي

باستخدام سجلات 25,942 مريضًا حقيقيًا، أعاد المؤلفون تشغيل التاريخ على مسرح افتراضي. لكل شخص، قام النموذج بمحاكاة ما كان سيحدث تحت كل من العلاجات الثلاثة، موجهًا بتنبؤات Revaz AI للمخاطر. ثم قارنوا هذه المستقبلات المُحاكاة بما حدث فعليًا، بموجب ثلاث قواعد افتراضية لكيفية استخدام الأطباء للأداة. في القاعدة الأولى، اختار الأطباء الخيار الذي قدّم أفضل مزيج من التكلفة والصحة، على افتراض أن نظام الرعاية الصحية على استعداد لدفع مبلغ معياري مقابل كل سنة إضافية من الحياة ذات الجودة الجيدة. في الثانية، تجاهل الأطباء التكلفة واختاروا الخيار الذي أنتج أكبر عدد من سنوات الحياة الصحية. أما الثالثة، الأكثر حذرًا، فالتزم فيها الأطباء بالخطة الأصلية إلا إذا اقترح الذكاء الاصطناعي علاجًا مختلفًا يُحسّن بوضوح جودة الحياة المتوقعة للمريض.

تحولات كبيرة نحو الجراحة وقيمة أفضل

عبر هذه السيناريوهات، اختلفت الاختيارات الموجهة بالذكاء الاصطناعي غالبًا عن القرارات الأصلية، حيث ميّزت في الغالب بتحويل المرضى نحو جراحة المجازة بدلاً من إجراءات القسطرة أو العلاج الدوائي وحده. بموجب القاعدة الواعية بالتكلفة، كان ما يقرب من ثلاثة أرباع المرضى في التحليل الرئيسي سيحصلون على علاج مختلف، مما أدى في المتوسط إلى انخفاض التكاليف مدى الحياة وزيادة الوقت المقضى في صحة جيدة. وحتى بموجب القاعدة الحذرة، حيث غير الأطباء المسار فقط عندما أظهر الذكاء الاصطناعي فائدة واضحة، كان أكثر من نصف المرضى سيُعالجون بشكل مختلف، مجددًا مع وفورات متواضعة في التكلفة ومكاسب صحية ذات دلالة. عندما ركز النموذج على تعظيم سنوات الحياة الصحية فقط، أصبحت بعض الاستراتيجيات أكثر تكلفة إجماليًا لكنها لا تزال تقدم قيمة جيدة مقابل المال وفق معايير سياسة الصحة الشائعة.

لماذا تهم هذه النتائج — وحدودها

تشير الدراسة إلى أن دعم القرار المدعوم بالذكاء الاصطناعي قد يساعد أنظمة الرعاية الصحية على تحقيق فائدة أكبر من كل دولار يُنفق على رعاية القلب المعقدة. من خلال تخصيص الخيارات لكل مريض بناءً على توقعاته المستقبلية — وليس تشريحه الحالي فحسب — تميل الأداة غالبًا إلى تفضيل علاجات تكلف أكثر مقدمًا لكنها تمنع تكرار الإجراءات والاستشفاءات لاحقًا، خاصة جراحة المجازة. ومع ذلك، تمثل النتائج تقديرًا للحالة المثلى. يفترض النموذج أن تنبؤات الذكاء الاصطناعي للمخاطر دقيقة، وأن الأطباء يمكنهم دائمًا اتباع توصياته، وأن المرضى في المستقبل يشبهون أولئك الموجودين في بيانات ألبرتا والتجارب السريرية الأقدم. في العالم الحقيقي، ستقيّد سعة الجراحة وهشاشة المرضى والتفضيلات الشخصية وتطور التقنيات الطبية مدى تقارب الممارسة مع المثال المثالي المحاكى.

ماذا يعني هذا للمرضى وأنظمة الرعاية الصحية

بالنسبة للمرضى، الخلاصة ليست أن الحاسوب يجب أن يقرر علاجهم، بل أن الاستخدام الأفضل للبيانات يمكن أن يصقل الحوار مع أطبائهم. بالنسبة لأنظمة الرعاية الصحية، تُظهر الدراسة أن الذكاء الاصطناعي ليس مجرد أداة تقنية متقدمة بل أداة قد تحسّن النتائج والميزانيات بشكل ملموس عند دمجه بحكمة في الرعاية. قبل أن تُعتمد مثل هذه الأنظمة على نطاق واسع، ستحتاج التجارب السريرية العشوائية إلى تأكيد أن استخدام الذكاء الاصطناعي في العيادات الحقيقية يغيّر القرارات كما تتنبأ هذه المحاكاة — وأن هذه التغييرات تترجم إلى حياة أطول وأكثر صحة بتكلفة مقبولة.

الاستشهاد: Mullie, T., Puri, A., Bogner, E. et al. Health economic simulation modeling of an AI-enabled clinical decision support system for coronary revascularization. npj Digit. Med. 9, 249 (2026). https://doi.org/10.1038/s41746-026-02430-x

الكلمات المفتاحية: مرض الشريان التاجي, الذكاء الاصطناعي, دعم القرار السريري, الاقتصاد الصحي, جراحة المجازة القلبية