طور فريق من العلماء الأوروبيين بقيادة باحثين من معهد ماكس بلانك - Max Planck مؤخراً أول نظام إلكتروني في العالم للتنبؤ ببدء الذهان في المرضى المعرضين لمخاطر عالية .
وفقاً للمعاهد الوطنية للصحة ، سيعاني حوالي ثلاثة بالمائة من عامة السكان ( البيانات خاصة بالولايات المتحدة ) من الذهان في حياتهم. لوضع ذلك في المنظور الصحيح ، فإن إحتمالات تعرضك للدغة نحلة هي ما يقرب من ستة ملايين إلى واحد.
لسوء الحظ ، فإن التنبؤ بالذهان لدى المرضى المعرضين لمخاطر عالية مهمة صعبة . يتطلب النموذج الحالي تشخيصاً مكثفاً من قبل متخصصين مدربين في منشأة طبية متخصصة ، وهو شئ يفتقر إليه معظم سكان العالم.
وفقاً لورقة بحث العلماء :
قد تكون الفائدة الإكلينيكية لتعيين CHR [ مخاطرة إكلينيكية عالية - Clincal High Risk ] محدودة بشكل أكبر لأن تأكيدها شاق ويقتصر على خدمات رعاية صحية متخصصة ومجهزة جيداً لا تغطي بشكل كافي للسكان المعرضين للخطر. ومن ثم ، هناك حاجة إلى تحسين دقة الإنذار وقابلية التوسع السريري لتحديد المرضى المعرضين بالفعل لخطر الذهان بدقة.
في الواقع ، هذا يعني أن العاملين في مجال الرعاية الصحية سيكون لديهم قدرة متزايدة على تحديد المرضى الذين سيصابون بالذهان . إن المنفعة الحالية للتعيين السريري عالي المخاطر ( CHR ) مشكوك فيها ، وفقاً للباحثين ، فإن حوالي 22% فقط من أولئك الذين تم تحديدهم يذهبون للتعبير عن الذهان .
تضمنت جهود فريق البحث الأوروبي الجمع بين طرق التشخيص البشرية المعروفة في كومة إلكترونية تضم عدد لا يحصى من المكونات الخوارزمية .
طبقاً للورقة :
في هذه الدراسة التنبؤية ، حددنا أدوات تقييم المخاطر القابلة للتعميم والتي يمكن ترتيبها في سير عمل تنبؤي متعدد الوسائط من أجل تنبؤ فردي للتطبيق سريرياً للذهان في المرضى الذين يعانون من حالات CHR و ROD . أظهرت دراستنا لأول مرة ، على حد علمنا ، أن زيادة قدرات الإنذار البشرية مع التعرف على الأنماط الحسابية يحسن دقة الإنذار إلى الهوامش التي من المحتمل أن تبرر التنفيذ السريري لأدوات دعم القرار السيبراني.
حدد الباحثون عدة مئات من مرضى CHR و دربوا نماذج ML لتحديد المخاطر بإستخدام " التعلم الآلي متعدد الوسائط الذي يدمج على النحو الأمثل البيانات السريرية والمعرفية العصبية و التصوير بالرنين المغناطيسي الهيكلي ( sMRI ) و درجات المخاطر متعددة الجينات ( PRS ) لمرض إنفصام الشخصية ؛ لتقييم التعميم الجغرافي للنماذج ؛ لإختبار و دمج تنبؤات الأطباء ؛ ولتعظيم الفائدة السريرية من خلال بناء نظام تنبؤ متسلسل . "
هذا أمر ممتع ، ولكن ما يعنيه هو أن الباحثين إستخدموا نفس مصادر البيانات التي قد يستخدمها أخصائي الرعاية الصحية لأغراض التشخيص للتنبؤ بالذهان ، ثم دمجها مع نماذج التعلم الآلي القادرة على إستخلاص المزيد من الإستنتاجات المفيدة.
في الواقع ، أظهر النظام دقة متطابقة تقريباً في الكشف و التشخيص مثل البشر. سبب أهمية ذلك هو أنه ، كما ذكرنا سابقاً ، ببساطة لا توجد مرافق رعاية صحية كافية في العالم قادرة على تشخيص الذهان . يمكن لنظام الذكاء الإصطناعي هذا زيادة العيادات الحالية ، مما قد يسمح بقدرات تشخيصية متقدمة في الأماكن التي لا تتوفر فيها الرعاية الصحية المتخصصة البشرية النسببية.
دمتم في رعاية الله
