يتنبأ نموذج الذكاء الاصطناعي باحتمالية دخول المستشفى غير المخطط له أثناء العلاج الإشعاعي للسرطان

يتنبأ نموذج الذكاء الاصطناعي باحتمالية دخول المستشفى غير المخطط له أثناء العلاج الإشعاعي للسرطان

يمكن لنموذج الذكاء الاصطناعي (AI) الذي طوره الباحثون التنبؤ باحتمالية دخول المريض إلى المستشفى بشكل غير مخطط له أثناء العلاج الإشعاعي للسرطان. يستخدم نموذج التعلم الآلي عدد الخطوات اليومية كبديل لمراقبة صحة المرضى أثناء علاج السرطان، مما يوفر للأطباء طريقة في الوقت الفعلي لتقديم رعاية شخصية. سيتم عرض النتائج اليوم في الاجتماع السنوي للجمعية الأمريكية لعلم الأورام بالإشعاع (ASTRO).

يحتاج ما يقدر بنحو 10-20% من المرضى الذين يتلقون العلاج الإشعاعي أو العلاج الكيميائي للمرضى الخارجيين إلى رعاية حادة في شكل زيارة إلى قسم الطوارئ (ED) أو دخول المستشفى أثناء علاج السرطان. يمكن أن تشكل عمليات الاستشفاء غير المخطط لها تحديًا كبيرًا للأشخاص الذين يخضعون لعلاج السرطان، مما يتسبب في انقطاع العلاج والإجهاد الذي يمكن أن يؤثر على النتائج السريرية. الاكتشاف المبكر والتدخل لدى المرضى الأكثر عرضة لخطر المضاعفات يمكن أن يمنع هذه الأحداث.

إذا كان بإمكانك التنبؤ بمخاطر دخول المريض إلى المستشفى بشكل غير مخطط له، فيمكنك تغيير الطريقة التي تدعمه بها في علاج السرطان وتقليل احتمالية أن ينتهي بهم الأمر في غرفة الطوارئ أو المستشفى.

جوليان هونغ، دكتوراه في الطب، مؤلف رئيسي للدراسة

جوليان هونغ هو أستاذ مساعد في علاج الأورام بالإشعاع وعلوم الصحة الحاسوبية في جامعة كاليفورنيا، سان فرانسيسكو (UCSF)، حيث يشغل أيضًا منصب المدير الطبي لمعلوماتية علاج الأورام بالإشعاع.

وقد أظهر فريق الدكتور هونغ سابقًا أن خوارزمية التعلم الآلي يمكنها استخدام البيانات الصحية مثل تاريخ السرطان وخطة العلاج لتحديد المرضى الأكثر عرضة لخطر زيارات قسم الطوارئ أثناء علاج السرطان وأن المراقبة الإضافية من قبل مقدمي الخدمات تقلل من معدلات الرعاية الحادة لهؤلاء المرضى.

بالنسبة للدراسة الحالية، عمل هو وإيزابيل فريسنر، المؤلف الرئيسي وعالمة البيانات السريرية في جامعة كاليفورنيا في سان فرانسيسكو، مع نيتين أوهري، دكتوراه في الطب، وزملائه في مركز مونتيفيوري الطبي في نيويورك لتطبيق أساليب التعلم الآلي على البيانات من الأجهزة الاستهلاكية القابلة للارتداء. قام الدكتور أوهري وفريقه سابقًا بجمع بيانات من 214 مريضًا في ثلاث تجارب سريرية محتملة (NCT02649569، NCT03102229، NCT03115398). في كل من هذه الدراسات، ارتدى المشاركون أجهزة تتبع اللياقة البدنية التي تراقب نشاطهم على مدار عدة أسابيع أثناء تلقيهم العلاج الكيميائي الإشعاعي. كان لدى المشاركين في الدراسة أنواع مختلفة من الأورام الأولية، وأكثرها شيوعًا في الرأس والرقبة (30٪) أو سرطان الرئة (29٪).

تم استخدام أعداد الخطوات والبيانات الأخرى من سجلات هؤلاء المرضى لتطوير واختبار نموذج الانحدار اللوجستي المنتظم المرن، وهو نوع من نماذج التعلم الآلي يمكنه تحليل كمية كبيرة من المعلومات المعقدة. كان الهدف من نموذجهم هو التنبؤ باحتمالية دخول المريض إلى المستشفى في الأسبوع التالي بناءً على بيانات الأسبوعين السابقين.

قام الباحثون أولاً ببناء النموذج من خلال فحص مدى نجاح المتغيرات المختلفة في توقع دخول المستشفى، وذلك باستخدام بيانات من 70% من المشاركين في الدراسة (151 شخصًا). تضمنت المتنبئات المحتملة في النموذج خصائص المريض (مثل العمر وحالة أداء ECOG) وبيانات النشاط المقاسة قبل وأثناء العلاج. بالإضافة إلى عدد الخطوات اليومية، قام الباحثون بحساب مقاييس أخرى، مثل: ب. التغيرات النسبية في المتوسطات الأسبوعية للشخص أو الفرق بين الحد الأدنى والحد الأقصى لعدد الخطوات في الأسبوع.

ثم قام فريق البحث بالتحقق من صحة النموذج على 30% المتبقية من المرضى (63 شخصًا). كان النموذج الذي يتضمن عدد الخطوات يتنبأ بقوة بالاستشفاء في الأسبوع التالي (AUC = 0.80، فاصل الثقة 95٪ [CI] 0.60-0.90)، وقد تفوق بشكل كبير على النموذج دون تعداد الخطوات (AUC = 0.46، 95٪ CI 0.24-0.66، p <0.001).

قال الدكتور هونغ: "كان عدد الخطوات مباشرة قبل نافذة التنبؤ بشكل عام أكثر إفادة من المتغيرات السريرية. ويبدو أن الطبيعة الديناميكية لعدد الخطوات، وحقيقة أنها تتغير كل يوم، تجعلها مؤشرًا جيدًا بشكل خاص للحالة الصحية للمريض".

تضمنت متغيرات التوقع الرئيسية في النموذج عدد الخطوات من كل يوم من اليومين الماضيين، بالإضافة إلى التغييرات النسبية في الحد الأقصى لعدد الخطوات ونطاق عدد الخطوات خلال الأسبوعين الماضيين.

إن استخدام البيانات الديناميكية يميز هذا النموذج عن النماذج المستندة إلى البيانات السريرية مثل حالة الأداء وأنسجة الورم. وأوضحت السيدة فريسنر: "أحد الأجزاء الفريدة لهذا النموذج هو أنه مصمم ليكون تنبؤًا متجددًا". "يمكنك تشغيل الخوارزمية في أي يوم والحصول على فكرة عن مستوى خطورة المريض قبل أسبوع، مما يتيح لك الوقت لتقديم الدعم الإضافي الذي يحتاجه."

وأوضح الدكتور هونغ أن هذا الدعم الإضافي يعد أمرًا أساسيًا لتقليل فترات الإقامة في المستشفى، سواء كان ذلك من خلال جدولة زيارات متابعة متكررة، أو تغيير خطة علاج المريض، أو اتباع نهج شخصي آخر. "إن جوهر ما ينجح هو أن هذه نقطة اتصال إضافية للطبيب لرؤية المريض. فهي تمنح المريض راحة البال عندما يعلم أننا نبحث عنه."

وأضافت السيدة فريسنر: "مع بدء المزيد من الأشخاص في استخدام الأجهزة القابلة للارتداء، يطرح السؤال حول ما إذا كانت البيانات التي يجمعونها يمكن أن تكون مفيدة. وتظهر دراستنا أن هناك قيمة في قيام مرضانا بجمع بياناتهم الصحية الخاصة في الحياة اليومية، وأنه يمكننا استخدام هذه البيانات لرصد حالتهم الصحية والتنبؤ بها".

تتضمن الخطوات التالية للباحثين التحقق من صحة الخوارزمية بشكل أكثر صرامة بالطريقة التي وصفتها تجربة NRGF-001 بقيادة الدكتور أوهري (NCT04878952)، والتي ستوزع بشكل عشوائي المرضى الذين يخضعون لـ CRT لسرطان الرئة للعلاج مع أو بدون مراقبة عدد الخطوات اليومية. يتلقى أطباء المرضى في ذراع عدد الخطوات البيانات من النموذج طوال عملية العلاج.

ويخطط الباحثون أيضًا لإجراء دراسات أخرى لفحص المقاييس الإضافية التي تم جمعها بواسطة الأجهزة القابلة للارتداء، مثل: معدل ضربات القلب واستخدامه في العيادة.

وقالت السيدة فريسنر: "لا تزال الأجهزة القابلة للارتداء والبيانات الصحية التي يصدرها المرضى ظواهر جديدة نسبيًا، وما زلنا نتعلم كيف يمكن أن تكون مفيدة. ما هي المعلومات الأخرى التي يمكننا الحصول عليها من العديد من أجهزة الاستشعار في حياتنا؟ كيف يمكن لهذه المقاييس أن تكمل بعضها البعض وتعمل مع أنواع أخرى من البيانات، مثل السجلات الصحية الإلكترونية؟ قد تعمل نقاط البيانات المختلفة بشكل أفضل لمرضى مختلفين".

وبعد الانتشار الواسع النطاق للتطبيب عن بعد والرعاية عن بعد في السنوات الأخيرة، قد تزداد أيضًا الحاجة إلى المراقبة عن بعد عبر أجهزة المرضى. يجب على الأطباء وصانعي السياسات أن يضعوا إمكانية الوصول إلى هذه الأجهزة في الاعتبار مع تزايد شعبيتها، يا دكتور هونغ.

"أحد تحديات العمل مع البيانات القابلة للارتداء في العالم الحقيقي هو التفاوتات الاقتصادية والعنصرية التي تؤثر على من يملك الأجهزة التي يمكنها التقاط هذا النوع من البيانات. أعتقد أنه من المهم تطوير أدوات مفيدة للعيادة ولكن أيضًا في متناول نطاق أوسع من المرضى."

مصدر:

الجمعية الأمريكية لعلم الأورام بالإشعاع

.