سان دييغو – يمكن أن يتنبأ إطار ذكاء الاصطناعي (AI) الجديد (AI) المعروف باسم مطابقة تدفق المسار (TFM) بالحاجة إلى نقل خلايا الدم الحمر أسبوع مرض الجهاز الهضمي (DDW) 2025.

يعد نزيف الجهاز الهضمي الحاد هو السبب الأكثر شيوعًا للاستشفاء المرتبط بالمرض ، حيث يقدر بنحو 500000 قبول في المستشفى سنويا. من المعروف أن التنبؤ بالحاجة إلى نقل خلايا الدم الحمراء في الـ 24 ساعة الأولى قد يحسن الإنعاش ويقلل من المراضة والوفيات.

ومع ذلك ، فإن النتيجة السريرية الحالية المعروفة باسم النتيجة روكال لا يعمل بشكل جيد للتنبؤ بالوفيات ، كما قال الحاضر في دكتوراه في الطب ، وقال تشانغ ، مع وجود منطقة تحت منحنى 0.65-0.75 ، هناك حاجة إلى تنبؤ أفضل ، ومن بينهم الباحثين ، من بينهم دينيس شونغ ، MD ، MHS ، دكتوراه ، أستاذ مساعد في الطب ومدير الذكاء الاصطناعي التطبيقي في كلية الطب بجامعة ييل ، نيو هافن ، كونيتيكت.

وقال تشانغ ، وهو أيضًا طالب في معهد ميلا كيبك للذكاء الاصطناعي: “نود التنبؤ بنتائج متعددة بالإضافة إلى الوفيات”.

ونتيجة لذلك ، تحول الباحثون إلى نهج TFM ، وتطبيقه على مرضى وحدة العناية المركزة الذين يعانون من نزيف الجهاز الهضمي الحاد للتنبؤ بالحاجة إلى نقل الدم والوفيات داخل المستشفى. معدل الوفيات لجميع الأسباب ما يصل إلى 11 ٪ ، وفقا لدراسة أجريت عام 2020 أجراها جيمس YW Lau ، MD ، وزملاؤه. معدل إعادة صياغة نزيف الجهاز الهضمي العلوي غير اللطيف يصل إلى 10.4 ٪. وقال تشانغ إن معدل إعادة التدوير لنزيف الجهاز الهضمي العلوي الدوالي يصل إلى 65 ٪.

تفوقت طريقة AI التي استخدمها الباحثون على نموذج التعلم العميق القياسي في التنبؤ بالحاجة إلى نقل الدم وتقدير مخاطر الوفيات.

تحديد إطار الذكاء الاصطناعي

وقال تشانغ لـ Medscape Medical News. “على سبيل المثال ، إذا كان لديك بعض الخطوط والأشكال ، فيمكنك أن تتعلم كيف يمكن أن تصبح صورة مفصلة للوجه. في حالتنا ، نبدأ ببعض قياسات ضغط الدم ومعدل ضربات القلب ونتعلم نمط ضغوط الدم ومعدلات ضربات القلب مع مرور الوقت ، خاصة إذا كانت تعكس التدهور السريري مع استقرار الدورة الدموية.”

وقال تشانغ إن هناك طريقة أخرى للتفكير في الخوارزمية الأساسية وهي التفكير في نهر مع قوارب حيث يحدد تدفق النهر المكان الذي تنتهي فيه القوارب. “نحن نحاول توجيه القارب إلى الرصيف الصحيح عن طريق ضبط تدفق الماء في القناة. في هذه الحالة ، نقوم بتخطيط التوزيع مع تشير البيانات القليلة الأولى إلى التوزيع مع مسار المريض بأكمله.”

وقالت إن المعلومات المكتسبة يمكن أن تكون مفيدة في توقيت التقييم بالمنظار أو تخصيص منتجات خلايا الدم الحمراء للنقل الناشئ.

تفاصيل الدراسة

قام الباحثون بتقييم مجموعة من 2602 مريضًا تم قبولهم في وحدة العناية المركزة ، التي تم تحديدها من قاعدة بيانات MIMIC-III المتاحة للجمهور. قاموا بتقسيم المرضى إلى مجموعة تدريب من 2342 مريضا ومجموعة التحقق الداخلية من 260 مريضا. وكانت متغيرات المدخلات الاعتلال المشترك لأمراض الكبد الحادة ، وإدارة أدوية الفاسوبريسور ، والتعرف على ضغط الدم الشرياني ، ومعدل ضربات القلب خلال الـ 24 ساعة الأولى.

تم استبعاد الهيموغلوبين ، حيث كانت النقطة هي اختبار مسار المعلمات الديناميكية المستقلة عن عتبات الهيموغلوبين المستخدمة لتوجيه نقل خلايا الدم الحمراء.

وكانت مقاييس النتائج هي إدارة نقل خلايا الدم الحمراء المعبأة في غضون 24 ساعة ووفيات المستشفى بالكامل.

كان TFM أكثر دقة من نموذج التعلم العميق القياسي في التنبؤ بنقل خلايا الدم الأحمر ، بدقة 93.6 ٪ مقابل 43.2 ٪ ؛ ص ≤ .001. كان أيضًا أكثر دقة في التنبؤ بالوفيات في المستشفى ، بدقة 89.5 ٪ مقابل 42.5 ٪ ، ص = .01.

وخلص الباحثون إلى أن نهج TFM كان قادرًا على التنبؤ بمسارات الدورة الدموية للمرضى الذين يعانون من نزيف الجهاز الهضمي الحاد المعرفة بأنه الانحراف وتفوق على خط الأساس من الضغط الشرياني المتوسط ​​المعدل ومعدل ضربات القلب.

منظور الخبير

وقال جيريمي جليسن براون ، MD ، MSC ، وهو أستاذ مساعد في الطب ، “هذه دراسة مثيرة للمفاهيم تُظهر أن طرق الذكاء الاصطناعى التوليدي قد يتم تطبيقها على مجموعات البيانات المعقدة من أجل تحسين نماذجنا التنبؤية الحالية وتحسين رعاية المرضى”. استعرض الدراسة ل Medscape Medical News ولكن لم يشارك في البحث.

“من المحتمل أن يبحث العمل المستقبلي في تنفيذ إصدار من هذا النموذج على البيانات في الوقت الفعلي.”

وأضاف: “نحن في نقطة انعطاف مثيرة في النماذج التنبؤية داخل الجهاز الهضمي والطب السريري. النماذج التنبؤية القائمة على التعلم العميق و AI التوليدي تعود بوعود على تحسين كيفية التنبؤ وعلاج حالات المرض ، ولكن الإثارة التي يتم إنشاؤها في النماذج التي يتم توليدها في النماذج التقليدية التي تتضمن العديد من النماذج التي تشملها العديد من النماذج التي تتضمنها العديد من الصناديق. في عصر الشبكات العصبية التلافيفية بالإضافة إلى بعض الأسئلة الخاصة بالأسلوب بسبب الطبيعة المستمرة والضمنية لـ TFM. “

وقال غليسن براون ، الذي يوفر ذلك ، “، مثل العديد من تقنيات التعلم العميق ، يثير مخاوف بشأن القابلية للشرح التي رأيناها منذ فترة طويلة مع الشبكات العصبية التنازلية -” مشكلة الصندوق الأسود “، حيث يصعب تفسيرها بالضبط وتتعلم في كثير من الأحيان دون أن يتعلم النموذج المتوافق على التوصل إلى اتخاذ قرار معين. الخطوات ، قد يكون من الصعب تتبع المنطق أو المسارات التي يستخدمها لتوصيل المدخلات بالمخرجات.

وقال روبرت هيرتين ، أستاذ المساعد المساعد للطب والذكاء الاصطناعي في كلية الطب في جبل سيناء ، مدينة نيويورك ، التي استعرضت الدراسة: “يمكن أن يكون لهذا النهج تأثير سريري حقيقي”. “إن التنبؤ بدقة لتلبية احتياجات الانتقال ومخاطر الوفيات في الوقت الفعلي قد يدعم التدخلات الأكثر استهدافًا في وقت سابق للمرضى المعرضين للخطر. في حين أن هذه النتائج لا تزال بحاجة إلى التحقق من صحة في الدراسات المستقبلية ، فإنها يمكن أن تعزز اتخاذ القرارات في وحدة العناية المركزة وتخصيص الموارد.”

“بالنسبة لأخصائي الجهاز الهضمي الممارس ، فإننا نتصور أن هذا النظام يمكن أن يساعدهم في معرفة وقت أداء التنظير في المريض الذي تم قبوله بنزيف الجهاز الهضمي الحاد في وحدة العناية المركزة المعرضة لخطر كبير من exsanguination” ، قال تشانغ Medscape Medical News.

وقال الباحثون إن النهج سيكون مفيدًا في تحديد خصائص المريض الفريدة ، مما يجعل تحديد المرضى المعرضين للخطر ويؤدي إلى المزيد من الأدوية الشخصية.

لم يكن لدى هيرتين ، تشانغ ، وشونغ أي إفصاح. أبلغت Glissen Brown عن علاقات استشارية مع Medtronic و Odinvision و Doximity و Olympus.

قامت المعاهد الوطنية للصحة بتمويل هذه الدراسة.