في عالم تتزايد فيه أهمية البيانات في الرعاية الصحية، ظهرت دراسة جديدة تفتح آفاقًا واعدة لفهم الأمراض من منظور شامل. على الرغم من الدور الحاسم الذي تلعبه القياسات المستخرجة من المستشعرات مثل سمات التصوير والبيانات البيولوجية في الأبحاث الطبية، إلا أن النماذج التنبؤية الحالية للأمراض تعتمد في الغالب على البيانات المستمدة من الأحداث الطبية المسجلة في المستشفيات والسجلات.

تسلط هذه الدراسة الضوء على أهمية محددات الصحة الاجتماعية (Social Determinants of Health - SDoH) التي لم يتم إدماجها بفعالية حتى الآن في نمذجة الأمراض. حيث أن غياب نموذج شامل يدمج هذه المحددات، حتى لو كانت بشكل رموز مشفرة (ICD-coded proxies)، يُقيّد القدرة على تقديم نماذج طبية مخصصة ودعم اتخاذ القرارات السريرية.

لذلك، يقترح الباحثون نموذجًا توليديًا جديدًا يستخدم رموز محددات الصحة الاجتماعية لتيسير النمذجة الحاسوبية للأمراض، من خلال إطار عمل يعتمد على الانتشار المشروط. يساهم هذا النموذج في ربط بيانات المستشعرات المتعددة مع الأحداث المتعلقة بالرعاية الصحية. ويُقدِّم الباحثون نموذجًا هندسيًا مبتكرًا يعكس تطور البيانات المعقدة بمرور الوقت، مثل الشبكات الدماغية، بالتوازي مع نماذج الانتشار للبيانات الجدولية من أنظمة الأعضاء الأخرى.

أُجريت اختبارات شاملة على مجموعة بيانات البنك الحيوي البريطاني (UK Biobank)، التي تحتوي على سمات تصوير خاصة بالأعضاء، بما في ذلك الدماغ (44,834)، القلب (23,987)، الكبد (28,722)، والكلى (32,155)، بالإضافة إلى نحو 500 ألف تسلسل تاريخي طبي. وقد أثبت النموذج المُقترح تحسينات كبيرة مقارنةً بالنماذج الحالية في التنبؤ بالأمراض.