الصحة و اللياقة

تحدد أداة التعلم الآلي الاضطرابات المناعية النادرة، والتي لا يمكن اكتشافها من خلال السجلات الصحية الإلكترونية للمرضى


التعلم الالي
الائتمان: Pixabay / CC0 المجال العام

ويقول الباحثون إن أداة التعلم الآلي يمكن أن تحدد عددًا أكبر من المرضى الذين يعانون من أمراض نادرة وغير مشخصة منذ سنوات مقارنة بالطرق الحالية، مما قد يحسن النتائج ويقلل التكاليف ومعدلات الإصابة بالأمراض. تم وصف النتائج، التي قادها باحثون في جامعة كاليفورنيا للصحة، في علوم الطب الترجمة.

وقال مانيش بوتي، دكتوراه في الطب وأستاذ طب الأطفال وعلم الوراثة بجامعة كاليفورنيا: “قد يواجه المرضى الذين يعانون من أمراض نادرة تأخيرات طويلة في التشخيص والعلاج، مما يؤدي إلى اختبارات غير ضرورية، واستمرار المرض، والضيق النفسي، والأعباء المالية”. وعلم الأحياء الدقيقة/المناعة الذي يعتني بهؤلاء المرضى في عيادته بجامعة كاليفورنيا.

“التعلم الآلي وأشكال الذكاء الاصطناعي الأخرى تشق طريقها إلى الرعاية الصحية. وباستخدام هذه الأدوات، نعمل على تطوير طريقة لتسريع تشخيص المرضى الذين لا يتم تشخيصهم بشكل جيد من خلال تحديد الأنماط في سجلاتهم الصحية الإلكترونية التي تتطابق مع سجلات المرضى المعروفين أنهم يعانون من مشاكل”. “.

تركز هذه الدراسة على أمراض تسمى نقص المناعة المتغير الشائع (CVID)، والتي غالبًا ما تفلت من التشخيص لسنوات أو عقود بعد ظهور الأعراض لأن هذه المشكلات نادرة، ويمكن أن تختلف الأعراض بشكل كبير من شخص لآخر، وغالبًا ما تتداخل الأعراض مع بعضها البعض . الأمراض الشائعة.

بالإضافة إلى ذلك، غالبًا ما تكون الاضطرابات الفردية مدفوعة بتغيرات في جين واحد فقط – ولكن ليس نفس الجين من مظهر مرض إلى آخر – وقد تم تورط أكثر من 60 جينًا حتى الآن. وبدون آلية سببية واحدة، لا توفر الاختبارات الجينية تشخيصًا نهائيًا.

يعد فيروس نقص المناعة البشرية (CVID) أحد أكثر أخطاء المناعة البشرية شيوعًا (IEI) – وهي أمراض نادرة تزيد من قابلية الشخص للإصابة بالعدوى والمناعة الذاتية والالتهاب الذاتي. تم تحديد أكثر من 500 من IEIs، ويتم اكتشاف المزيد منها كل عام. يرتبط مرض CVID، الذي يُقدر أنه يؤثر على واحد من كل 25000 شخص، بنقص الأجسام المضادة – الكمية والوظيفية – وضعف الاستجابات المناعية.

قاد بوت وبوجدان باسانيوك، أستاذ الطب الحسابي وعلم الوراثة البشرية وعلم الأمراض والطب المخبري في كلية ديفيد جيفن للطب بجامعة كاليفورنيا في لوس أنجلوس، فريقًا طور أداة للتعلم الآلي تسمى PheNet، مستعيرًا كلمة “الأنماط الظاهرية” “” السمات المميزة أو خصائص المرض كما تظهر في الفرد. تقوم PheNet بدراسة الأنماط المظهرية في حالات CVID المؤكدة وتستخدم هذه المعلومات لتقييم المرضى من حيث احتمالية الإصابة بـ CVID.

“يرتبط العرض السريري للأنماط المناعية النادرة مثل فيروس نقص المناعة البشرية (CVID) بالعديد من التخصصات الطبية. ويمكن رؤية المرضى في عيادات الأذن والأنف والحنجرة لعلاج التهابات الجيوب الأنفية. ويمكن علاجهم في عيادات أمراض الرئة لعلاج الالتهاب الرئوي. هذا التقسيم للرعاية متعددة التخصصات وقال بوت، مع باسانيوك، كبير مؤلفي المقال في المجلة: “يؤدي ذلك إلى تأخير طويل في التشخيص والعلاج”.

ليس من الممكن تثقيف كل هؤلاء المهنيين المشغولين حول نقص المناعة على أمل أنه حتى لو تمكنوا من معرفة المرضى الذين يعانون من نقص المناعة، فسيقومون بإحالة هؤلاء المرضى إلينا. وكان علينا أن نجد طريقة أفضل للعثور على هؤلاء المرضى.

وأضاف بوت: “يبلغ مرضانا عن ظهور أعراض لسنوات إلى عقود قبل إحالتهم إلى عيادة المناعة لدينا”. “مع PheNet، كان من الممكن تشخيص العديد من المرضى قبل سنة إلى أربع سنوات مما كانوا عليه، ومن خلال جلب المرضى إلى الرعاية قبل سنوات، يجب أن نكون قادرين على تقليل تكاليفهم وتحسين نتائجهم الصحية.”

نظرًا لعدم وجود عرض سريري واحد لـ CVID، فإن تحديد “توقيع” السجل الصحي الإلكتروني ليس بالأمر السهل. طور الباحثون خوارزميتهم الحسابية للكشف عن توقيعات السجل الصحي الإلكتروني من سجلات المرضى المعروفين بإصابتهم بـ CVID وأنماط المرض الموجودة في الأدبيات.

يقوم البرنامج بعد ذلك بحساب النتيجة الرقمية لكل مريض والتي تقيس مستوى المرضى الأكثر عرضة للإصابة بـ CVID. من المرجح أن تتم إحالة أولئك الذين حصلوا على درجات عالية – المرضى الذين وصفهم الباحثون بأنهم “مختبئون من النظام الطبي” – إلى أخصائي المناعة.

وقال باسانيوك إنه عندما استخدم فريق البحث PheNet في قاعدة بيانات السجلات الصحية الإلكترونية بجامعة كاليفورنيا في لوس أنجلوس والتي تتضمن الملايين من سجلات المرضى ومتابعتها بمراجعة مخططة معماة لأفضل 100 مريض مدرج في النظام، وجدوا أن 74٪ منهم تم اعتبارهم مصابين بـ CVID. . بناءً على هذه البيانات الأولية، بدأ بوتي وباسانيوك في استخدام الذكاء الاصطناعي الخاص بهما في العالم الحقيقي.

بدأوا بالتحقق من صحة PheNet من خلال أكثر من 6 ملايين سجل مريض من أنظمة طبية مختلفة في مستودع بيانات جامعة كاليفورنيا ومركز فاندربيلت الطبي في تينيسي. تم إطلاق تعاون بقيادة بوتي للسماح للمتخصصين برؤية المرضى الذين تم تحديدهم بواسطة الخوارزمية مع عيادات علم المناعة في حرم جامعة كاليفورنيا في سان دييغو، وإيرفين، وديفيز، وسان فرانسيسكو.

وقال باسانيوك: “لقد أظهرنا أن خوارزميات الذكاء الاصطناعي مثل PheNet يمكن أن توفر فوائد سريرية من خلال تسريع اكتشاف CVID، ونتوقع أن ينجح هذا في أمراض نادرة أخرى أيضًا”.

“إن تنفيذنا في جميع المراكز الطبية الخمسة التابعة لجامعة كاليفورنيا له تأثير بالفعل. ونحن نعمل الآن على تحسين دقة طريقتنا لتشخيص أمراض القلب والأوعية الدموية بشكل أفضل مع توسيعها لتشمل أمراضًا أخرى. وسنخطط أيضًا لتعليم النظام القراءة الطبية ملاحظات لجمع المزيد من المعلومات حول المرضى وأمراضهم.”

قالت المؤلفة الرئيسية روث جونسون، الحاصلة على درجة الدكتوراه، والعضو السابق في مختبر باسانيوك وهي الآن زميلة في كلية الطب بجامعة هارفارد، إن القيود المفروضة على نظام الرعاية الصحية الحالي يمكن أن تؤدي إلى رؤية النفق، حيث يرى الأطباء المختلفون جوانب مختلفة من مرض. لكنهم لا يستطيعون تجميع الصورة بأكملها معًا. وهذا يؤخر التشخيص، خاصة في العديد من مرضى CVID الذين يعانون من مظاهر جهازية متعددة تتغير بمرور الوقت. الذكاء الاصطناعي قادر على التغلب على هذه العقبات.

وقالت: “في كل عام يتأخر التشخيص، وهناك المزيد من حالات العدوى، واستخدام المضادات الحيوية، وزيارة غرف الطوارئ، والاستشفاء، وغياب أيام العمل والمدرسة”. “بالإضافة إلى الخسائر المالية والعاطفية التي يتحملها المرضى وأسرهم، فإن التأثير الإجمالي على نظام الرعاية الصحية في الولايات المتحدة بسبب الفشل في تشخيص مرض القلب والأوعية الدموية في الوقت المناسب من المرجح أن يكون بملايين أو مليارات الدولارات.”

بالإضافة إلى بوتي وباسانيوك، يضم مؤلفو جامعة كاليفورنيا في لوس أنجلوس روث جونسون (المؤلف الأول)، وألكسيس في. ستيفينز، وراشيل ميستر، وسيرجي كنيازيف، وليزا أ. كوهن، ومليكة ك. فرويند، وليروي بوندهوس، وبريان إل. هيل، وتومر شوارتز، ونوح. . زايتلين، وفاليري أ. أربوليدا. ساهمت ليزا أ. باستاراتشي من قسم المعلوماتية الصحية بجامعة فاندربيلت.

معلومات إضافية: روث جونسون وآخرون، السجلات الصحية الإلكترونية للمرضى الذين لم يتم تشخيصهم والذين يعانون من متلازمة نقص المناعة الشائعة، علوم الطب الترجمة (2024). دوى: 10.1126/scitranslmed.ade4510

مقدمة من جامعة كاليفورنيا، لوس أنجلوس

مقتطف: تحدد أداة التعلم الآلي أمراض المناعة الذاتية النادرة وغير المشخصة في السجلات الطبية للمرضى (2024، 1 مايو) تم استرجاعها في 1 مايو 2024 من

هذا المستند عرضة للحقوق التأليف والنشر. باستثناء أي تعاملات عادلة لغرض الدراسة أو البحث الخاص، لا يجوز إعادة إنتاج أي جزء دون الحصول على إذن كتابي. يتم توفير المحتوى لأغراض إعلامية فقط.


مقالات ذات صلة

اترك تعليقاً

لن يتم نشر عنوان بريدك الإلكتروني. الحقول الإلزامية مشار إليها بـ *

زر الذهاب إلى الأعلى