أشاد باحثون بأداة ذكاء اصطناعي جديدة، قادرة على إنشاء تمثيلات افتراضية للمرضى والتنبؤ بمسارات صحتهم الفردية، باعتبارها أداةً تُحدث نقلة نوعية في قطاع التجارب السريرية.
استخدم باحثون من جامعة ملبورن الأسترالية ثلاث مجموعات بيانات تحتوي على آلاف السجلات الصحية الإلكترونية للمرضى لتدريب نموذج لغوي كبير. قام نموذج الذكاء الاصطناعي، المسمى DT-GPT، بتحليل البيانات الطبية لمرضى مصابين إما بمرض ألزهايمر أو بسرطان الرئة ذي الخلايا غير الصغيرة، بالإضافة إلى مرضى أُدخلوا إلى وحدات العناية المركزة.
أنشأ النموذج توائم رقمية لهؤلاء المرضى، وتوقع كيف من المحتمل أن تتغير صحتهم بمرور الوقت أثناء العلاج، مما ساعد على التنبؤ بمسار مرضهم. وتمكن النموذج من تقديم تنبؤات دقيقة من خلال الاستفادة من معرفته السابقة بالأدبيات الطبية وتقييم التاريخ الطبي للمريض، بما في ذلك نتائج المختبر والتشخيصات والعلاجات.
لم يُزود النموذج بمعلومات عن النتائج الصحية للمرضى، مما سمح للباحثين بالتحقق من صحة تنبؤاته.
نُشرت الورقة البحثية في مجلة npj Digital Medicine.
التوائم الرقمية تُحسّن التنبؤات
صرح الباحث الرئيسي، البروفيسور المشارك مايكل ميندن "لكل مريض، أنشأنا نسخة افتراضية من خلال تهيئة النموذج بملفه السريري الفردي. على سبيل المثال، أنشأنا توائم افتراضية لـ 35,131 مريضًا في وحدة العناية المركزة، وتوقعنا بدقة ما سيحدث لمستويات المغنيسيوم، وتشبع الأكسجين، ومعدل تنفسهم على مدار 24 ساعة، بناءً على نتائجهم المختبرية من اليوم السابق".
بشكل عام، تفوق نموذج DT-GPT على 14 نموذجًا آخر من نماذج التعلم الآلي المتطورة من حيث دقة التنبؤ.
يقول الباحثون إن نموذجهم يُمكن استخدامه لمحاكاة نتائج التجارب السريرية، مما قد يُسهّل تطوير الأدوية ويُقلّل تكلفتها ويُحسّن كفاءتها.
اقرأ أيضا... الذكاء الاصطناعي يُحدث نقلة في تشخيص سرطان الجلد
وصرح البروفيسور ميندن "تُمهّد هذه التقنية الطريق للانتقال من الطب التفاعلي إلى الطب التنبئي والشخصي". يمكن أن يُمكّن هذا النموذج الأطباء من توقع تدهور صحة مريضهم، مما يُمكّنهم من التدخل مُبكرًا"، مضيفا "يمكن استخدامه أيضًا للتنبؤ بالآثار الجانبية السلبية للأدوية، مما يُمكّن الأطباء من تصميم خطط علاجية تُناسب الخصائص الفريدة لكل مريض وتاريخه الطبي، مما يزيد في النهاية من فرص الحصول على نتائج صحية إيجابية".
تجارب طبية ودوائية مُخصصة
يتمتع النموذج بالقدرة على تفسير البيانات الكثيفة والمعقدة بسرعة، ويحتوي على واجهة تفاعلية تُمكّن المستخدمين من التفاعل مثل روبوت الدردشة لفهم المنطق وراء تنبؤاته. وبما أن DT-GPT يُسخّر الذكاء الاصطناعي التوليدي، فإنه يُمكنه أيضًا إجراء "تنبؤات صفرية"، وهي تخمينات مُستنيرة حول القيم المختبرية التي لم يُدرّب عليها النموذج.
وقال الأستاذ المُشارك ميندن "على سبيل المثال، يُشبه الأمر طلب التنبؤ بطول شخص ما دون تقديم سجلات طوله، مع ذكر وزنه ومقاسات أحذيته السابقة فقط"، مؤكدا "تنبأ نموذجنا بدقة بكيفية تغير مستويات إنزيم نازع لهيدروجين اللاكتات ( lactate dehydrogenase LDH) لدى مرضى سرطان الرئة ذو الخلايا غير الصغيرة بعد 13 أسبوعًا بعد بدء العلاج، على الرغم من عدم تدريب النموذج لهذا الغرض.
وأوضح ميندن "قارنّاه بنماذج التعلم الآلي التقليدية، المُدرّبة خصيصًا على 69 متغيرًا سريريًا، بما في ذلك إنزيم نازع لهيدروجين اللاكتات (LDH) والتي اعتمدنا فيها فقط على التخمينات المُدرّبة. ومن المُثير للدهشة أن تنبؤات DT-GPT غير المُدرّبة كانت أكثر دقة في 18% من الحالات".
مصطفى أوفى (أبوظبي)