تسعى وحدات العناية المركزة دائمًا إلى تقديم أفضل رعاية ممكنة للمرضى، ولكن رغم الجهود المبذولة، تظل مسألة تقديم التغذية المعوية (Enteral Nutrition) في هذه الوحدات دون المستوى المطلوب. وهذا يعود أساسًا إلى نقص التخصيص وغياب اليقين بشأن الكميات المثلى من السعرات الحرارية، البروتينات، والسوائل المطلوبة في ظل الاحتياجات الأيضية الديناميكية. في هذا السياق، يقدم الباحثون إطار DeepEN، وهو نظام يعتمد على التعلم التعزيزي (Reinforcement Learning) لتحسين التغذية المعوية المخصصة، مستخدمين بيانات السجلات الصحية الإلكترونية.

تعتمد آلية DeepEN على تدريب نموذجها باستخدام بيانات أكثر من 11,000 مريض في وحدة العناية المركزة من قاعدة بيانات MIMIC-IV. يتم تحديد الأهداف الخاصة بالسعرات الحرارية، البروتينات، والسوائل كل أربع ساعات، حيث يتم دمج مختلف البيانات مثل المعلومات الديموغرافية، الحالات المرضية المصاحبة، العلامات الحيوية، والقيم المخبرية.

لقد أظهرت النتائج أن DeepEN حقق أعلى قيمة للسياسة المقدرة ($V^\pi = 9.48$) وأقل معدل وفاة مصحح (18.8% ± 1.0%)، مما يمثل انخفاضًا مطلقًا قدره 4 نقاط مئوية مقارنة بالممارسات السريرية التقليدية. كما أظهر النظام استقرارًا أفضل في المؤشرات الأيضية، محققًا أعلى نسب لقيم الجلوكوز، الفوسفات، والصوديوم ضمن النطاقات المستهدفة.

أضافت التحليلات المفسرة أن التوصيات المقدمة كانت مشروطة بعلامات ذات صلة وظيفية لأعضاء الجسم وحالة الأيض، بدلاً من الاعتماد على أساليب الجرعات الثابتة.

في الختام، يبرز DeepEN إمكانية اعتماد التعلم العميق في تحسين التغذية المعوية المخصصة، مما يفتح آفاقًا جديدة للعناية الصحية المعتمدة على البيانات لتكمل الإرشادات القائم عليها العلاج في وحدات العناية المركزة.