رسم بياني يكشف مرضك

رسم بياني يكشف مرضك
رسم بياني يكشف مرضك

كشفت دراسة جديدة لمعهد (ماساتشوستس للتكنولوجيا) عن أن الرسوم البيانية للمعرفة الصحية “health knowledge graphs”، يمكن أن تظهر العلاقات بين الأعراض والأمراض، والتي تهدف إلى المساعدة في التشخيص السريري.

يتم عادةً تجميع الرسوم البيانية للمعرفة الصحية “health knowledge graphs” من قِبل الأطباء الخبراء، ولكن قد تكون هذه عملية شاقة. لذا أجرى الباحثون، مؤخرًا، تجربة إنشاء هذه الرسوم البيانية للمعرفة تلقائيًا من بيانات المرضى. ويدرس فريق (معهد ماساتشوستس للتكنولوجيا) مدى جودة هذه الرسوم البيانية في الأمراض المختلفة.

وتم تقديم ورقة بحثية في ندوة المحيط الهادئ حول الحوسبة الحيوية 2020؛ حيث قيّم الباحثون الرسوم البيانية للمعرفة الصحية التي تم إنشاؤها تلقائيًا بناءً على مجموعات بيانات حقيقية تضم أكثر من 270 ألف مريض يعانون من حوالي 200 مرض وأكثر من 770 عرضًا.

قام الفريق بتحليل كيفية استخدام النماذج المختلفة لبيانات السجلات الصحية الإلكترونية (EHR)، والتي تحتوي على تواريخ طبية وعلاجية للمرضى؛ من أجل “التعرف” تلقائيًا على أنماط الارتباط بين أعراض المرض. ووجدوا أن النماذج تعمل بشكل سيئ، ولكن اختيار البيانات المناسبة للنموذج الصحيح وإجراء تعديلات أخرى يمكن أن يُحسن الأداء.

الفكرة هي تقديم إرشادات للباحثين حول العلاقة بين حجم مجموعة البيانات ومواصفات النموذج والأداء عند استخدام السجلات الصحية الإلكترونية لبناء الرسوم البيانية للمعرفة الصحية. وقد يؤدي ذلك إلى أدوات أفضل لمساعدة الأطباء والمرضى في اتخاذ القرارات الطبية أو البحث عن علاقات جديدة بين الأمراض والأعراض.

تقول “إيرين تشن”؛ طالبة دراسات عليا في قسم الهندسة الكهربائية وعلوم الكمبيوتر (EECS) والمشاركة في الورقة البحثية، “في السنوات العشر الماضية، ارتفع استخدام بيانات السجلات الصحية الإلكترونية (EHR) في المستشفيات؛ لذا فهناك كمية هائلة من البيانات التي نأمل في أن يتم استخراجها لمعرفة هذه الرسوم البيانية للعلاقات بين الأعراض والأمراض”، مضيفة أنه من الضروري أن نفحص هذه الرسوم البيانية عن كثب، حتى يمكن استخدامها كخطوات أولى لأداة تشخيص”.


المرضى والأمراض


في بحث نشرته مجلة “Nature Scientific Reports”، جمع عدد من الباحثين البيانات من نفس المرضى البالغ عددهم 27 ألفًا في دراستهم الحالية، والتي جاءت من قسم الطوارئ في (BIDMC) بين عامي 2008 و2013، لبناء الرسوم البيانية للمعرفة الصحية.

واستخدموا ثلاثة هياكل نموذجية لإنشاء الرسوم البيانية، تسمى بالانحدار اللوجستي، وباستخدام البيانات المقدمة من “جوجل” قارن الباحثون الرسم البياني للمعرفة الصحية الذي تم إنشاؤه تلقائيًا مع الرسم البياني للمعرفة الصحية من (GHKG).

أما بالنسبة للعمل الجديد، أجرى الباحثون تحليلًا دقيقًا للخطأ لتحديد المرضى والأمراض المحددة التي كانت نماذجها تؤديها بشكل سيئ. وبالإضافة إلى ذلك، جربوا زيادة النماذج مع مزيد من البيانات من خارج غرفة الطوارئ.

وفي أحد الاختبارات، قاموا بتقسيم البيانات إلى مجموعات فرعية من الأمراض والأعراض. بالنسبة لكل نموذج، نظروا في ربط الخطوط بين الأمراض وجميع الأعراض المحتملة، ومقارنة ذلك مع (GHKG). وفي الورقة البحثية، قاموا بفرز نتائج الأمراض فوجدوا 50 مرضًا تتعلق بالأداء المنخفض و50 مرضًا تتعلق بالأداء العالي. من الأمثلة على الأداء المنخفض: متلازمة المبيض المتعدد الكيسات، والربو التحسسي، وسرطان البروستاتا. أما الأداء العالي هو الأمراض والحالات الأكثر شيوعًا، مثل عدم انتظام ضربات القلب والتهاب اللفافة الأخمصية، (تورم الأنسجة على طول القدمين).

ووجد الباحثون أن نموذج (OR) كان الأكثر قوة ضد الخطأ بشكل عام بالنسبة لجميع الأمراض والمرضى تقريبًا.


تقسيم البيانات


يجب أن تؤدي مجموعة البيانات التي يتم فيها تجميع تاريخ المريض الكامل إلى نقطة بيانات واحدة، إلى دقة أكبر نظرًا لأن سجل المريض بالكامل يتم دراسته. وتعتمد النماذج على دقة البيانات التي تغذيها.

يمكن أن تكون تغذية المعلومات السكانية النموذجية فعالة أيضًا. على سبيل المثال، يمكن أن تستخدم النماذج تلك المعلومات لاستبعاد جميع المرضى الذكور للتنبؤ بالسرطان، كما يمكن القضاء على بعض الأمراض الأكثر شيوعًا للمرضى المسنين عند المرضى الأصغر سنًا.

ولكن، المفاجأة أن المعلومات الديموغرافية لم تعزز أداء النموذج الأكثر نجاحًا، لذا فقد يكون جمع هذه البيانات غير ضروري. وأوضحت “تشن”: “لأن تجميع البيانات ونماذج التدريب عليها يمكن أن يكون مكلفًا ويستغرق وقتًا طويلًا. حتي إذا قمنا بكل ذلك، فإن استخدام عشرات البيانات قد لا يؤدي بالفعل إلى تحسين الأداء”.

يأمل الباحثون في المستقبل استخدام النتائج التي توصلوا إليها لبناء نموذج قوي للنشر في الإعدادات السريرية. وفي الوقت الحالي، يتم تجربة الرسم البياني للمعرفة الصحية للعلاقات بين الأمراض والأعراض، ولكنه لا يعطي تنبؤًا مباشرًا بالمرض من الأعراض.


المصدر: MIT News:How well can computers connect symptoms to diseases


بعد قراءة الموضوع يمكنك معرفة المزيد عن الكلمات الآتية:


5G Apple ChatGPT Google iPhone أبل أمازون أمن المعلومات أندرويد إيلون ماسك الأمن السيبراني الإنترنت البيانات التخصصات المطلوبة التكنولوجيا الذكاء الاصطناعي الزراعة السيارات الكهربائية الصين الطاقة الفضاء المدن الذكية المملكة العربية السعودية الهواتف الذكية تويتر جوجل حساب المواطن رابط التقديم رابط التقديم للوظيفة سامسونج سدايا سيارة شركة أبل شركة جوجل عالم التكنولوجيا فيروس كورونا فيسبوك كورونا مايكروسوفت منصة أبشر ناسا هاتف هواوي واتساب وظائف شاغرة


الرابط المختصر :