الذكاء الاصطناعي يتنبأ بمخاطر الأمراض قبل عقود من الزمن

طور باحثون نموذج ذكاء اصطناعي توليدي يستخدم سجلات صحية واسعة النطاق لتقدير مدى تغيّر صحة الإنسان مع مرور الوقت.

يمكن لهذا النموذج التنبؤ بمخاطر وتوقيت أكثر من ألف مرض، والتنبؤ بالنتائج الصحية قبل عقد من الزمن.

صُمم نموذج الذكاء الاصطناعي التوليدي الجديد هذا خصيصًا باستخدام مفاهيم خوارزمية مشابهة لتلك المستخدمة في نماذج اللغات الكبيرة.

دُرِّب النموذج على بيانات مرضى مجهولة المصدر من 400 ألف مشارك من البنك الحيوي البريطاني.

نجح الباحثون أيضًا في اختبار النموذج باستخدام بيانات 1.9 مليون مريض مسجلين في السجل الوطني للمرضى الدنماركي.

يُعد هذا النهج أحد أكثر العروض التوضيحية شمولاً حتى الآن لكيفية نمذجة الذكاء الاصطناعي التوليدي لتطور الأمراض البشرية على نطاق واسع، وقد تم اختباره على بيانات من نظامين منفصلين تمامًا للرعاية الصحية.

وقال إيوان بيرني، المدير التنفيذي المؤقت في مختبر الأحياء الجزيئية الأوروبي (EMBL): "إن نموذج الذكاء الاصطناعي الخاص بنا هو دليل على المفهوم، ويُظهر أنه من الممكن للذكاء الاصطناعي أن يتعلم العديد من أنماط صحتنا على المدى الطويل واستخدام هذه المعلومات لتوليد تنبؤات ذات مغزى".

من خلال نمذجة كيفية تطور الأمراض مع مرور الوقت، يمكننا البدء باستكشاف توقيت ظهور مخاطر معينة وأفضل السبل للتخطيط للتدخلات المبكرة. إنها خطوة كبيرة نحو مناهج رعاية صحية أكثر تخصيصًا ووقائية.

الذكاء الاصطناعي للتنبؤ بالصحة

كما تستطيع نماذج اللغة الكبيرة تعلم بنية الجمل، يتعلم نموذج الذكاء الاصطناعي هذا قواعد البيانات الصحية لنمذجة التاريخ الطبي كتسلسلات من الأحداث التي تتكشف بمرور الوقت.

تشمل هذه الأحداث التشخيصات الطبية أو عوامل نمط الحياة كالتدخين. يتعلم النموذج التنبؤ بمخاطر الأمراض من خلال ترتيب حدوثها والمدة الزمنية الفاصلة بينها.

قال توم فيتزجيرالد، أحد العلماء العاملين في معهد المعلوماتية الحيوية الأوروبي التابع للمختبر الأوروبي للبيولوجيا الجزيئية (EMBL-EBI): "إن الأحداث الطبية غالباً ما تتبع أنماطاً يمكن التنبؤ بها".

وأضاف: "يتعلم نموذج الذكاء الاصطناعي لدينا هذه الأنماط، ويمكنه التنبؤ بالنتائج الصحية المستقبلية، ويتيح لنا هذا طريقةً لاستكشاف ما قد يحدث بناءً على التاريخ الطبي للشخص وعوامل رئيسية أخرى، والأهم من ذلك، أن هذا ليس يقينًا، بل تقديرًا للمخاطر المحتملة".

يُحقق النموذج أداءً ممتازًا بشكل خاص في الحالات ذات أنماط التقدم الواضحة والمتسقة، مثل أنواع معينة من السرطان، والنوبات القلبية، وتسمم الدم.

ومع ذلك، فإن النموذج أقل موثوقية في الحالات الأكثر تقلبًا، مثل اضطرابات الصحة النفسية أو مضاعفات الحمل التي تعتمد على أحداث حياتية غير متوقعة.

الاستخدام المستقبلي

كما هو الحال في التنبؤات الجوية، يُقدم نموذج الذكاء الاصطناعي الجديد هذا احتمالات، لا يقينيات.

لا يتنبأ بدقة بما سيحدث للفرد، ولكنه يُقدم تقديرات دقيقة لاحتمالية حدوث حالات معينة خلال فترة زمنية محددة.

على سبيل المثال، يُمكنه التنبؤ باحتمالية الإصابة بأمراض القلب خلال العام المقبل.

تُعبَّر عن هذه المخاطر بمعدلات زمنية، كما هو الحال مع توقع احتمال هطول أمطار بنسبة 70% غدًا. عمومًا، تتمتع التنبؤات على مدى فترة زمنية أقصر بدقة أعلى من التنبؤات طويلة المدى.

على سبيل المثال، يتنبأ النموذج بمستويات متفاوتة من خطر الإصابة بالنوبات القلبية. عند دراسة مجموعة البنك الحيوي البريطاني (UK BioBank) في سن 60-65، يتفاوت خطر الإصابة بالنوبات القلبية من أربعة من كل 10 آلاف حالة سنويًا لدى بعض الرجال إلى حوالي واحد من كل 100 لدى آخرين، وذلك حسب تشخيصاتهم السابقة وأسلوب حياتهم. أما النساء، فخطرهن أقل في المتوسط، لكن انتشار الخطر متشابه.

علاوة على ذلك، تزداد المخاطر، في المتوسط، مع تقدم الناس في السن.

وقد أظهر تقييم منهجي لبيانات من البنك الحيوي البريطاني، غير المستخدمة في التدريب، أن هذه المخاطر المحسوبة تتوافق تمامًا مع عدد الحالات المرصودة في مختلف الفئات العمرية والجنسين.

تم معايرة النموذج لإنتاج تقديرات دقيقة للمخاطر على مستوى السكان، والتنبؤ بمدى تكرار حدوث ظروف معينة داخل مجموعات من الأشخاص.

ومع ذلك، وكما هو الحال مع أي نموذج ذكاء اصطناعي، فإن له حدودًا.

على سبيل المثال، نظرًا لأن بيانات تدريب النموذج من البنك الحيوي البريطاني تأتي أساسًا من أفراد تتراوح أعمارهم بين 40 و60 عامًا، فإن بيانات صحة الطفولة والمراهقة غير ممثلة تمثيلًا كافيًا.

كما يتضمن النموذج تحيزات ديموغرافية بسبب ثغرات في بيانات التدريب، بما في ذلك نقص تمثيل بعض المجموعات العرقية.

رغم أن النموذج ليس جاهزًا للاستخدام السريري ، إلا أنه قد يساعد الباحثين بالفعل:

فهم كيفية تطور الأمراض وتقدمها بمرور الوقت.

استكشاف كيف يؤثر نمط الحياة والأمراض السابقة على خطر الإصابة بالأمراض على المدى الطويل.

محاكاة النتائج الصحية باستخدام بيانات المرضى الاصطناعية، في المواقف التي يصعب فيها الحصول على البيانات الواقعية أو الوصول إليها.

في المستقبل، يُمكن لأدوات ذكاء اصطناعي مماثلة مُدرَّبة على مجموعات بيانات أكثر تمثيلًا أن تُساعد الأطباء في تحديد المرضى المعرضين لمخاطر عالية مبكرًا.

مع شيخوخة السكان وارتفاع معدلات الأمراض المزمنة، يُمكن أن تُساعد القدرة على التنبؤ بالاحتياجات الصحية المستقبلية أنظمة الرعاية الصحية على التخطيط بشكل أفضل وتخصيص الموارد بكفاءة أكبر.

لكن لا يزال هناك حاجة إلى مزيد من الاختبارات والاستشارات والأطر التنظيمية المُحكمة قبل أن يُمكن نشر نماذج الذكاء الاصطناعي في البيئات السريرية.

وقال موريتز جيرستونج، القائد السابق للمجموعة في EMBL-EBI: "هذه بداية لطريقة جديدة لفهم صحة الإنسان وتطور المرض".

قد تُسهم النماذج التوليدية، مثل نموذجنا، يومًا ما في تخصيص الرعاية الصحية وتوقع احتياجات الرعاية الصحية على نطاق واسع. ومن خلال التعلم من مجموعات سكانية كبيرة، تُتيح هذه النماذج منظورًا ثاقبًا لكيفية تطور الأمراض، وقد تدعم في نهاية المطاف تدخلات مبكرة وأكثر ملاءمةً.