دستور نيوز
عمان – تشير الأبحاث إلى أن الذكاء الاصطناعي يمكنه تصفية البيانات من خلال السجلات الصحية الإلكترونية (EHRs) لتحديد المرضى الذين يعانون من أمراض نادرة وغير مشخصة. المناعة المتغيرة المشتركة (CVID). مجموعة من الاضطرابات المناعية تجعل المرضى عرضة للإصابة بالعدوى والمناعة الذاتية، وتتميز بنقص الأجسام المضادة وضعف استجابات الخلايا البائية. ونشرت النتائج في مجلة Science Translational Medicine. وقال الباحث مانيش بوتي، من جامعة كاليفورنيا في لوس أنجلوس (UCLA)، لموقع Inside Precision Medicine: “يستعصي تشخيص مرض الإيدز لمدة تتراوح بين 5 إلى 10 سنوات بسبب عدم تجانس الأعراض السريرية، ويوفر الذكاء الاصطناعي لدينا الفرصة للتشخيص المبكر”. وأضاف: “سيكون التأثير هو تقليل معدلات الإصابة بالمرض والوفيات، وخفض التكاليف، وتقليل الاختبارات غير الضرورية”. هناك ما لا يقل عن 68 جينًا متورطًا في أمراض القلب والأوعية الدموية، وأحد أكثر الأمراض شيوعًا هو أمراض المناعة الذاتية (IEI)، ولكن بالنسبة لمعظم الأفراد لا يمكن تحديد سبب وراثي محدد. نظرًا لتنوع العروض السريرية لـ IEI، قد يتقدم المرضى الذين يعانون من CVID في البداية إلى مجموعة واسعة من المتخصصين السريريين الذين يركزون على نظام الأعضاء المحدد المعني، مثل الرئة أو الكبد، بدلاً من العرض مباشرة على أخصائي المناعة بحثًا عن السبب الأساسي. الخلل المناعي. لاحظ الباحثون أن هذا النهج القائم على الأعضاء يمكن أن يؤدي إلى رؤية نفقية ويعيق التشخيص الرسمي لمرض IEI، خاصة بالنسبة للمرضى الذين لديهم مظاهر متعددة الأنظمة تتقلب بمرور الوقت وقد تؤدي إلى تأخير في التشخيص لمدة عقد أو أكثر. وفي محاولة لتحسين هذا الوضع، استخدم الباحثون نهج التعلم الآلي لتحديد الأنماط الظاهرية لـ CVID، أو توقيعات السجل الصحي الإلكتروني، المشفرة في السجلات الطبية للمرضى. ثم قاموا بتدريب خوارزمية لتحديد المرضى الذين من المحتمل أن يكونوا مصابين بأمراض القلب والأوعية الدموية ولكنهم “يختبئون” في النظام الطبي. وأشار الباحثون إلى أنه نظرًا لعدم وجود أعراض سريرية واحدة لمرض CVID، فإن إنشاء توقيع سجل صحي إلكتروني للنمط الظاهري للمرض لم يكن سهلاً. لقد طوروا خوارزمية حسابية تسمى PheNet، والتي تجمع توقيعات السجلات الصحية الإلكترونية من سجلات المرضى الذين يعانون من CVID، وتحسب النتيجة الرقمية التي تعطي الأولوية للمرضى الذين من المرجح أن يصابوا بهذه الحالة. ولاختبار ما إذا كان بإمكانهم تقصير الرحلة التشخيصية لمرض CVID، قام بوت وزملاؤه بفحص نتائج PheNet للمرضى، بالنظر إلى بيانات السجلات الصحية الإلكترونية. قاموا بفحص قدرة PheNet على العثور على مرضى CVID لم يتم تشخيصهم سابقًا في مجموعة بيانات كبيرة لجامعة كاليفورنيا في لوس أنجلوس تضم حوالي 880.000 فرد، وقسموا البيانات إلى 80% تدريب و20% اختبار، وأجروا مراجعات بيانية عمياء للأفراد ذوي الرتب العليا. ووجدوا أن PheNet يمكنها تشخيص 64 بالمائة من 58 مريضًا باستخدام بيانات السجل الصحي الإلكتروني قبل عام واحد على الأقل من تشخيصهم بموجب التصنيف الدولي للأمراض. يمكن لـ PheNet تحديد هؤلاء الأفراد على أنهم من المحتمل أن يكونوا مصابين بأمراض القلب والأوعية الدموية بمعدل 244 يومًا قبل تشخيص التصنيف الدولي للأمراض. ولإثبات قدرته على التعلم محليًا والتصرف على نطاق واسع، قام الفريق بتطبيق PheNet على أكثر من 6 ملايين سجل عبر خمسة أنظمة صحية مختلفة في كاليفورنيا وتينيسي. ووجدوا أنه في أفضل 100 فرد مصنفين على PheNet، كان متوسط الإثراء لتشخيص أمراض القلب والأوعية الدموية في جميع المؤسسات الست التي شملتها الدراسة حوالي 434 مرة ما يمكن أن يحدث مع التصنيف العشوائي. وأشار الباحثون إلى أن “الذكاء الاصطناعي والتعلم الآلي يدخلان المجال الطبي بسرعة”. وأوضحوا: “لقد أظهرنا أن الأساليب، مثل PheNet، يمكن أن تتعلم من السجل الصحي الإلكتروني لتسريع تشخيص المرضى الذين يعانون من CVID، وتحديد الأنماط الظاهرية للأمراض النادرة”. الصيدلي ابراهيم علي ابومان/ وزارة الصحة
“الذكاء الاصطناعي” يتعرف على الأمراض النادرة في السجلات الصحية..
– الدستور نيوز