باحثو روتجرز يطورون نموذج تعلم آلي رائداً للتنبؤ بشدة كوفيد-19

في قفزة كبيرة إلى الأمام في المعركة ضد جائحة كوفيد-19، كشف باحثو روتجرز عن نموذج تعلم آلي رائد قادر على التنبؤ بشدة حالات فيروس كورونا. يقدم النموذج ذو العوامل الستة، الذي طورته مجموعة من العلماء المتفانين، نهجاً مبتكراً لتقييم تشخيص المرضى، مما يتيح رعاية صحية أكثر تخصيصاً وكفاءة.

التنبؤ بشدة كوفيد-19 باستخدام نموذج التعلم الآلي ذي العوامل الستة

في دراسة حديثة قادها ديفيد ناتانوف، طالب في كلية روبرت وود جونسون الطبية ومؤلف المشروع الرئيسي، برز نموذج تعلم آلي جديد كنبراس أمل في مكافحة كوفيد-19. وإدراكاً للتحديات الفريدة التي يفرضها الفيروس، سعى ناتانوف وفريقه إلى معالجة عدم انتظام تأثيرات كوفيد-19 مقارنة بأمراض الجهاز التنفسي الأخرى.

تم تحديد المتغيرات الستة الحرجة، المعروفة جماعياً باسم PLABAC (عدد الصفائح الدموية، اللاكتات، العمر، نيتروجين اليوريا في الدم، ناقلة الأسبارتات أمينوترانسفيراز، والبروتين التفاعلي C)، كمؤشرات رئيسية لاحتمالية الوفاة في حالات كوفيد-19. وعلى عكس الدراسات السابقة التي اعتمدت غالباً على تقنيات غير متاحة بسهولة في مختبرات المستشفيات، جمع باحثو روتجرز بيانات من أكثر من 900 حالة في مستشفى روبرت وود جونسون الجامعي خلال ذروة الجائحة.

شدد ناتانوف على ضرورة وجود نموذج فعال وسهل الوصول مخصص لكوفيد-19، نظراً لقيود النماذج السابقة مثل CURB-65 المستخدم للالتهاب الرئوي. بعد اختبار دقيق للعديد من النماذج، بما في ذلك نموذج مكون من 77 متغيراً، برز PLABAC كمجموعة الأكثر تنبؤاً من المتغيرات.

بالنسبة للمستشفيات، يعني تنفيذ هذا النموذج تحولاً ثورياً في رعاية المرضى. سلط ناتانوف الضوء على قدرته على تحليل المرضى الوافدين بشكل موضوعي عند القبول، مما يمكّن الأطباء من تخصيص الرعاية بناءً على حالة المريض المحددة. يصبح هذا الأمر بالغ الأهمية في حالة المتحورات الجديدة، حيث يظل عدم القدرة على التنبؤ بكوفيد-19 تهديداً دائماً.

شدد بايون أفيهاي، طالب دكتوراه وباحث في فريق ناتانوف، على أهمية المشروع لجمع البيانات على نطاق واسع وتحليل سجلات المرضى. طريقة جمع البيانات المطورة، والتي استغرقت عاماً ونصف العام للتحسين، تحمل وعداً بالتطبيق على أمراض مختلفة في المستقبل. تصور أفيهاي توسعات محتملة للدراسة لمراقبة كوفيد طويل الأمد وعوامل تحديده.

أهمية المراقبة المستمرة

بينما يحتفل فريق البحث في روتجرز بهذا الإنجاز، فإنهم يدركون التحديات المستمرة التي يفرضها الطبيعة المتطورة باستمرار للفيروس. أشار أفيهاي إلى الطفرات المستمرة للفيروس، مشدداً على أهمية المراقبة الوثيقة من قبل مقدمي الرعاية الصحية. بشكل ملحوظ، تحول النقاش إلى الخصائص الفريدة لمتحور أوميكرون، مشدداً على ميله لاستهداف الحوامل أكثر من سلفه.

عبر ناتانوف عن أمله في أن يجد نموذج PLABAC طريقه إلى المستشفيات، مما يمنح العائلات القدرة على تقييم حالة أحبائهم بدقة أكبر. يظل الفريق ملتصقاً بدراسة كوفيد-19 ككيان سريري، مدركاً للأثر الإيجابي الواسع المحتمل للنموذج في مختلف إعدادات الرعاية الصحية.

يمثل نموذج التعلم الآلي ذي العوامل الستة للباحثين في روتجرز خطوة كبيرة في المعركة المستمرة ضد جائحة كوفيد-19. ومع استمرار المستشفيات في التعامل مع تحديات المتحورات المتطورة والاندماجات الوبائية المحتملة، يعد تنفيذ مثل هذه النماذج التنبؤية بنهج أكثر كفاءة ومخصصة لرعاية المرضى. لا يساعد هذا النهج المبتكر فقط في التنقل عبر تعقيدات تحديات الجائحة الحالية، بل يقف أيضاً كنبراس أمل لإدارة الأمراض المعدية في المستقبل، مما يُمثل تحولاً نموذجياً في استراتيجيات الرعاية الصحية.