نموذج تعلم آلي لهشاشة الشيخوخة يعتمد على قياسات أجهزة يمكن ارتداؤها

لماذا يهم التحرك اليومي في الشيخوخة

مع زيادة عدد الأشخاص الذين يعيشون إلى سبعيناتهم وثمانيناتهم وما بعدها، يبحث الأطباء عن طرق أفضل لاكتشاف من هم عرضة لأن يصبحوا ضعفاء، يفقدون استقلاليتهم، أو يحتاجون إلى رعاية طارئة. المصطلح الطبي لهذه الهشاشة هو «frailty»، لكن اختبارات الهشاشة الحالية بطيئة، وغالبًا ما تكون ذاتية، ومن الصعب تكرارها بانتظام. تستقصي هذه الدراسة ما إذا كانت بيانات الحركة البسيطة المأخوذة من جهاز تتبع النشاط المعصمي يمكن أن تحل محل تلك الاختبارات وحتى تحسّن قدرة الأطباء على توقع نتائج خطيرة مثل الاستشفاء والوفاة.

من الألواح والدفاتر إلى الأساور المعصمية

تسأل درجات الهشاشة التقليدية عن الشعور بالإرهاق وفقدان الوزن، وتقيس سرعة المشي وقوة القبضة، وتجمع العديد من المشكلات الصحية. هذه الأدوات مفيدة لكنها تستغرق وقتًا، وبعضها يعتمد على ذاكرة الشخص أو حكم الطبيب المشغول. تساءل الباحثون فيما إذا كانت نافذة أكثر موضوعية على الحياة اليومية — مقدار حركة الأشخاص فعليًا، والجلوس، والنوم — يمكن أن تلتقط نفس المعلومات بكفاءة أكبر. باستخدام جهاز يشبه الساعة الذكية يُسمى مقياس التسارع، سجّلوا كل خطوة وتوقف وانفجار نشاط للمشاركين الأكبر سنًا على مدار أسبوع.

أسبوع من الحركة تحوّل إلى درجات مخاطر

استند الفريق إلى دراسة توليدو للشيخوخة الصحية في إسبانيا، التي تتابع مئات البالغين فوق 65 عامًا. بعد المقابلات والفحوصات البدنية واختبارات الدم والفحوصات التصويرية للجسم، طُلب من 437 مشاركًا ارتداء جهاز النشاط لمدة سبعة أيام. حوّل برنامج متخصص الإشارات الحركية الخام إلى ميزات رقمية مثل إجمالي الخطوات، وفترات الحركة المكثفة، وفترات الجلوس الطويلة، بالإضافة إلى أنماط متعلقة بالنوم واليقظة. ثم أدخلت هذه الميزات إلى نموذج تعلّم آلي — برنامج حاسوب يتعلم الأنماط من البيانات — لمعرفة ما إذا كان يمكنه إعادة إنشاء عدة مقاييس هشاشة معروفة وعوامل خطر صحية مرتبطة بالشيخوخة.

تعليم الحاسوب التعرف على الهشاشة

استخدم الباحثون نهجًا يُدعى أشجار القرار المعززة بالتدرّج (gradient-boosted decision trees)، الذي يجمع العديد من قواعد القرار البسيطة في متنبئ قوي. قسموا مجموعتهم البيانات مرارًا إلى نصفين، درّبوا النموذج على نصف واختبروه على النصف الآخر، للتأكد من أن النتائج ستصمد مع أشخاص لم تُرَ بياناتهم من قبل. استطاع النموذج تقدير درجة هشاشة مفصّلة، تُعرف بمقياس سمة الهشاشة (Frailty Trait Scale)، بدقة جيدة اعتمادًا فقط على أنماط النشاط. لوحظ نجاح مماثل لقياسات هشاشة أخرى ولعوامل خطر فردية مرتبطة بالشيخوخة، مثل نتائج اختبارات الدم وقوة القبضة. ومن اللافت أن يومين — أي نحو 48 ساعة — من بيانات مختارة بعناية كانت مفيدة تقريبًا مثل الأسبوع الكامل، ما يشير إلى أن مراقبة قصيرة ومحددة قد تكون كافية.

التطلع إلى الاستشفاء والبقاء على قيد الحياة

بعيدًا عن مطابقة مقاييس الهشاشة القائمة، اختُبر النموذج المعتمد على الحركة على نتائج تهم المرضى وعائلاتهم بعمق: الدخول إلى المستشفى وخطر الوفاة مع مرور الوقت. هنا، تفوقت التنبؤات المشتقة من الحركة في كثير من الأحيان على مقاييس الهشاشة التقليدية نفسها. بعبارة أخرى، قدّم كيف يتحرك ويرتاح الشخص في حياته اليومية إشارة أوضح للمشكلات القادمة من الاختبارات الموضعية في العيادة وحدها. يوحي هذا الاكتشاف بأن الأجهزة القابلة للارتداء قد تساعد الأطباء في التعرف مبكرًا على المرضى ذوي المخاطر العالية وتكييف المتابعة أو الخدمات الداعمة قبل وقوع أزمات.

ما الذي قد يعنيه هذا للشيخوخة الصحية

تشير الدراسة إلى أن فترات مراقبة قصيرة بجهاز معصمي بسيط يمكن أن توفر بديلاً فعالًا وموضوعيًا لفحوص الهشاشة المعقدة، مع تحسين توقعات الأحداث الصحية الخطيرة. بالنسبة لكبار السن، قد يعني ذلك في نهاية المطاف زيارات عيادة أقصر ومزيدًا من الرصد المستمر في المنزل لفهم كيف يتغير وضعهم الصحي. بالنسبة لأنظمة الرعاية الصحية، يفتح ذلك الباب أمام تتبُّع الهشاشة في مجموعات كبيرة وتوجيه الموارد المحدودة إلى الأكثر حاجة. يحذر المؤلفون من أن مجموعات أكثر تنوعًا وقياسات بيولوجية إضافية ستكون مطلوبة لبناء الصورة الأكمل للشيخوخة. ومع ذلك، تشير نتائجهم إلى مستقبل تصبح فيه الحركة اليومية، المسجلة بهدوء، أداة قوية لحماية الاستقلالية وتمديد سنوات الحياة الصحية.

الاستشهاد: Culos, A., Manas, A., Shidara, K. et al. A machine learning model for frailty based on wearable device measurements. Commun Med 6, 173 (2026). https://doi.org/10.1038/s43856-026-01419-7

الكلمات المفتاحية: الهشاشة, أجهزة استشعار قابلة للارتداء, كبار السن, التعلّم الآلي, الشيخوخة الصحية