أداء نماذج اللغة الكبيرة والتعلم الآلي في التنبؤ بالمضاعفات بعد نفخ الفقرة عبر الجلد لكسور انضغاط الفقرات الناتجة عن هشاشة العظام

لماذا يهم هذا الأشخاص ذوو الفقرات الهشة

مع ازدياد عمر السكان، تصبح كسور العمود الفقري المؤلمة الناجمة عن ترقق العظام أكثر شيوعًا. إجراء شائع يسمى نفخ الفقرة عبر الجلد يمكنه تخفيف الألم بسرعة، لكنه قد يؤدي أيضًا إلى آثار جانبية غير مرغوبة. تسأل هذه الدراسة ما إذا كانت أدوات الذكاء الاصطناعي الحديثة، بما في ذلك نماذج اللغة الكبيرة المشابهة للدردشات الآلية الشائعة، يمكن أن تساعد الأطباء في التنبؤ بأي المرضى هم أكثر عرضة لتطوير هذه المضاعفات بعد العلاج.

المشكلة في الظهر وعلاجها الشائع

تحدث كسور انضغاط الفقرات الناتجة عن هشاشة العظام عندما تنهار العظام المضعفة في العمود الفقري، غالبًا بعد سقوط بسيط أو حتى أنشطة يومية روتينية. يهدف نفخ الفقرة عبر الجلد إلى تثبيت هذه الفقرات المكسورة بإدخال بالون وملء الفراغ بمادة أسمنت عظمية، مما يقلل عادة الألم ويعيد جزءًا من ارتفاع الفقرة المطحونة. مع ذلك، قد يتسرب الأسمنت أحيانًا خارج العظم، وقد تظهر كسور جديدة في مستويات عمودية أخرى بعد أشهر. يمكن أن تتسبب هذه المضاعفات في مشكلات خطيرة، بما في ذلك تلف الأعصاب، ومشكلات رئوية، وألم مستمر، لذا يسعى الأطباء إلى أدوات تستطيع تحديد المرضى ذوي المخاطر العالية قبل الجراحة.

النماذج الحاسوبية التقليدية والحكم البشري

قبل ظهور نماذج اللغة الكبيرة، بنى الباحثون أنظمة تعلم آلي تقليدية تتعلم الأنماط من السجلات والصور الطبية للمرضى. يمكن لهذه الأنظمة تقدير احتمال تسرب الأسمنت أو الكسور الجديدة من خلال دمج العديد من التفاصيل، مثل العمر، وكثافة العظام، وشكل الكسر، وكيفية توزيع الأسمنت. وفي الوقت نفسه، يشكّل جراحو العمود الفقري ذوو الخبرة أحكامهم الخاصة بعد مراجعة نفس المعلومات. وعلى الرغم من أن هذه النماذج الحاسوبية القديمة غالبًا ما تؤدي جيدًا، إلا أنها تتطلب تدريبًا دقيقًا وخبرة تقنية وموارد حاسوبية، وهو ما قد يحد من استخدامها في المستشفيات الروتينية.

وضع الدردشات الآلية على المحك

في هذه الدراسة، جمع الباحثون بيانات من أكثر من ألف مريض خضعوا لنفخ الفقرة في مستشفى كبير في بكين. سجلوا لكل مريض المعلومات السريرية والصورية القياسية، ثم طُلب من اثنين من نماذج اللغة الكبيرة، ومجموعة من نماذج التعلم الآلي التقليدية، وطبيبين جراحيين للأعمدة الفقرية التنبؤ بما إذا كان الأسمنت العظمي سيتسرب وما إذا كانت كسور جديدة ستظهر لاحقًا. اختبرت الدردشات الآلية بطريقتين. في إعداد عدم وجود أمثلة (zero-shot)، أعطيت تفاصيل الحالات مطلوبةً للتنبؤ مباشرة. وفي إعداد القليل من الأمثلة (few-shot)، عُرضت أولًا مجموعة صغيرة من الحالات مع النتائج المعروفة لمعرفة ما إذا كانت التعلم من هذه الأمثلة سيحسن الإجابات.

ما الذي أصاب الحواسيب والجراحين وما الذي أخطأوا فيه

في التنبؤ بتسرب الأسمنت بعد الجراحة بفترة قصيرة، أدت نماذج اللغة الكبيرة أداءً معقولًا. كانت نتائجها شبيهة بأفضل النماذج الحاسوبية التقليدية وأفضل قليلاً من أداء الجراحين الذين عملوا وحدهم. أما عند التنبؤ بحدوث كسور جديدة بعد أشهر، فقد واجهت الدردشات صعوبة. كانت محاولاتها الأولى ضعيفة وميالة بشدة إلى افتراض أن معظم المرضى سيعانون كسورًا جديدة. ساعدت أمثلة الحالات إلى حد ما، لكن التعلم الآلي التقليدي، وخصوصًا نموذج يسمى آلة المتجه الداعم (support vector machine)، ظل أكثر موثوقية. كما فشلت الدردشات عند مطالبتها بتحديد أنواع فرعية محددة من المضاعفات، مثل تحديد مكان تسرب الأسمنت بالضبط أو أي فقرة ستنكسر لاحقًا.

مساعدة للأطباء، لكنها ليست أداة مستقلة بعد

أحد النتائج المثيرة للاهتمام هو أن الأطباء استنصفوا أحيانًا من رؤية تفسيرات الدردشات الآلية، لكن ذلك حدث فقط في المهام التي كان أداء النماذج فيها جيدًا بالفعل. عندما كانت التنبؤات الأساسية ضعيفة، كما في حالة الكسور طويلة الأمد، لم تحسن التفسيرات قرارات الأطباء. بوجه عام، تُظهر الدراسة أن نماذج اللغة الكبيرة الحالية يمكن أن تقدم دعمًا مفيدًا لمخاطر قصيرة المدى بعد نفخ الفقرة، لكنها ليست بعد موثوقة بما يكفي لتحل محل النماذج الحاسوبية القائمة أو حكم الخبراء. في الوقت الراهن، ينبغي اعتبارها مساعدين أوائل لا يزالون بحاجة إلى ضبط أفضل، وتدريب أعمق على البيانات الطبية، وتكامل أوثق مع أدوات التصوير قبل أن تستطيع إرشاد رعاية العمود الفقري في العالم الحقيقي بأمان.

الاستشهاد: Wang, T., Chen, R., Liang, M. et al. Comparative performance of LLMs and machine learning in predicting complications after percutaneous kyphoplasty for osteoporotic vertebral compression fractures. npj Digit. Med. 9, 401 (2026). https://doi.org/10.1038/s41746-026-02588-4

الكلمات المفتاحية: كسور العمود الفقري الناجمة عن هشاشة العظام, نفخ الفقرة عبر الجلد, نماذج اللغة الكبيرة, التعلم الآلي في الطب, تنبؤ مخاطر الجراحة