نظام ذكاء اصطناعي يتنبأ بالأمراض قبل ظهور الأعراض بعشرين عامًا.. التفاصيل

نظام Delphi-2M للتنبؤ بخطر الأمراض

طور فريق بحثي نظاماً طبياً مبتكراً يعتمد على الذكاء الاصطناعي قادرًا على التنبؤ بخطر الإصابة بأكثر من ألف مرض قبل ظهور الأعراض بما يصل إلى عشرين عاماً.

ويعرف هذا النظام باسم Delphi-2M وحقق دقة بلغت 76% في التوقعات القصيرة الأمد وقرب 70% في التوقعات الطويلة الأمد،متفوقاً بذلك على الأدوات التقليدية التي تركز عادة على مرض واحد فقط.

يعتمد النظام على منهجية مشابهة لتلك المستخدمة في النماذج اللغوية الكبيرة، حيث يحول كل تشخيص طبي في السجل الصحي للمريض إلى رمز Token ثم يحلل النظام سلسلة هذه الرموز لتحديد المرض التالي المتوقع ظهوره وموعده المحتمل.

على سبيل المثال قد يظهر النظام لشخص يبلغ 60 عاماً ويعاني السكري وارتفاع ضغط الدم أن خطر إصابته بسرطان البنكرياس أعلى بـ19 مرة، وإذا شُخص السرطان ارتفع خطر الوفاة إلى نحو 10,000 مرة مقارنة بالشخص العادي.

ويستند النظام إلى بنية المحولات Transformers لتحليل الرموز الطبية وعوامل نمط الحياة مثل التدخين ومؤشر كتلة الجسم إلى جانب البيانات الديموغرافية لتقديم توقعات دقيقة وشاملة.

نتائج مقارنة بالأدوات الطبية التقليدية

قارن الباحثون أداء Delphi-2M مع أدوات تعتمد على التعلم الآلي فيما يخص أمراض القلب؛ سجل Delphi-2M قيمة AUC قدرها 0.70 مقابل 0.69 لأداة AutoPrognosis و0.71 لأداة QRisk3.

أما بالنسبة للخرف فقد حقق النظام 0.81 مساوياً لأداة UKBDRS، وعلى الرغم من أن الأداء متقارب، يتميز Delphi-2M بقدرته على تقييم احتمالات الإصابة بمجموعة واسعة من الأمراض في الوقت نفسه، بعكس الأدوات التقليدية التي تركز على مرض واحد فقط.

القيود والتحديات

يواجه النظام الجديد عدداً من العقبات؛ أبرزها انخفاض دقة التنبؤات الطويلة الأمد إلى نحو 60–70%، وصعوبة التنبؤ بالأمراض النادرة أو المرتبطة بالعوامل البيئية، إضافة إلى الاعتماد على قاعدة بيانات محدودة من البنك الحيوي البريطاني UK Biobank، ما يستدعي اختباره في مجتمعات متنوعة للحصول على بيانات أوسع.

التطبيقات المستقبلية

يمكن أن يساهم Delphi-2M في تحويل الطب الوقائي والتشخيص المبكر عبر مساعدة الأطباء على تحديد المرضى الأكثر عرضة للإصابة بأمراض مزمنة قبل ظهور أعراضها بسنوات، مما يمنح إمكان التدخل المبكر وتخصيص الخطط العلاجية ونمط الحياة الوقائي لكل مريض.

كما يمكن دمجه في أنظمة الرعاية الصحية الإلكترونية لمتابعة الحالات باستمرار وتحديث التوقعات مع كل زيارة طبية، كما يوفر النظام بيانات مهمة لشركات الأدوية والتأمين والجهات الصحية العامة.

ورغم إمكاناته يواجه النظام تحديات قبل اعتماده سريريًا، بما في ذلك حماية الخصوصية، صعوبات الدمج مع أنظمة الرعاية الصحية، والحاجة لإثبات دقته عبر مجتمعات متنوعة حول العالم.