طوّر فريق بحثي نظاماً طبياً يعتمد على الذكاء الاصطناعي يمكنه التنبؤ بخطر الإصابة بأكثر من ألف مرض مختلف قبل ظهور الأعراض بعشرين عاماً.
يُعرف النظام باسم Delphi-2M، وقد حقق دقة بلغت 76% في التوقعات القصيرة المدى، ودقة تقارب 70% في التوقعات المستقبلية الطويلة المدى. ويتفوق على أدوات التنبؤ التقليدية التي تركز عادةً في التنبؤ بخطر الإصابة بمرض واحد فقط، إذ يستطيع النظام الجديد تقييم احتمالات الإصابة بمجموعة واسعة من الأمراض في الوقت نفسه.
نُشرت الدراسة الخاصة بهذا النظام في مجلة Nature في 17 سبتمبر، وسنوضح فيما يلي المزيد من التفاصيل المتعلقة بنظام Delphi-2M:
يعتمد Delphi-2M على منهجية مشابهة لتلك المستخدمة في معالجة النصوص في النماذج اللغوية الكبيرة، فكل تشخيص طبي يُسجل في السجل الصحي للمريض مع العمر الذي شُخص فيه يُحوَّل إلى (رمز) Token، ثم يقرأ النظام هذه السلسلة من الرموز الطبية ويحللها، ثم يحدد المرض التالي الذي من المُتوقع أن يُصاب به الشخص، وموعد ظهوره المُتوقع.
على سبيل المثال: قد يُظهر النظام لشخص يبلغ 60 عاماً ويعاني السكري وارتفاع ضغط الدم أن خطر إصابته بسرطان البنكرياس أعلى بـ 19 مرة. وإذا شُخص بالسرطان، يرتفع خطر وفاته إلى نحو 10,000 مرة مقارنة بالشخص العادي.
النموذج مبني على بُنية المحولات (Transformers) التي تحلل عدة عناصر مختلفة لتحديد العلاقات بينها، وتحلل هذه البُنية في نظام Delphi-2M الرموز الطبية وعوامل نمط الحياة مثل: التدخين ومؤشر كتلة الجسم، بالإضافة إلى البيانات الديموغرافية، لتوقع الإصابة بأمراض معينة.
قارن الباحثون بين أداء نظام Delphi-2M وأدوات طبية أخرى تعتمد على التعلم الآلي وتُستخدم للتنبؤ بالإصابة ببعض الأمراض، وكانت النتائج على النحو التالي:
توقع الإصابة بأمراض القلب: سجل النموذج الجديد قيمة تبلغ 0.70 وفق مقياس (AUC) مقابل 0.69 لأداة AutoPrognosis و 0.71 لأداة QRisk3.
توقع الإصابة بالخرف: حقق النموذج الجديد قيمة تبلغ 0.81 مثل أداة UKBDRS.
ومع أن أداء النظام الجديد قريب من الأدوات التقليدية، فإن هذه الأدوات تركز في مرض واحد فقط، وأما Delphi-2M فقدم تحليلاً متزامناً لمجمل المخاطر الصحية، ويمكنه التنبؤ بالإصابة بأكثر من مرض في الوقت نفسه.
لكن أمامه عقبات قبل اعتماده سريرياً، مثل: التحديات المتعلقة بالخصوصية، وصعوبات الدمج مع أنظمة الرعاية الصحية، والحاجة إلى إثبات دقته في التنبؤ بالأمراض في مجتمعات متنوعة حول العالم.
