في عالم الرعاية الصحية المتطور، يعتبر التنبؤ بمسارات الأمراض السريرية أمرًا حيويًا لتعزيز النتائج العلاجية. ومع ذلك، يعتمد التقليديون على تصنيفات تشخيصية واحدة، بينما يحتاج الأمر إلى فهم أعمق للمسارات المتعددة للأعطال السريرية. هنا يأتي دور PGP-Clinical-TimeKAN، الإطار الرائد الذي يأخذ بعين الاعتبار التعقيدات المرتبطة بمسارات المرضى.

يتميز هذا النظام الحديث بجمعه بين تقنيات تكنولوجية متطورة مثل الترميز الزمني المدرك للغيابات (missingness-aware temporal encoders) وتطبيق أولوية نظام العضو اللين (soft organ-system prior). كما أنه يستخدم تقنيات متقدمة مثل رسائل كولموغوروف-أرنولد غير الخطية لتوفير تنبؤات دقيقة وشاملة.

تم تقييم أداء النموذج على مجموعة مكونة من 6882 مريضًا وأكثر من 54 ألف نافذة زمنية، مما مكنه من تحقيق أقل معدل خطأ مصداقي (MAE) والأقل كذلك في الجذر التربيعي لمتوسط الخطأ (RMSE). فقد أظهر قدرة متميزة في تقليل MAE بنسبة 0.52% مقارنة بالنموذج التقليدي TimeKAN.

بالإضافة إلى ذلك، يتيح PGP-Clinical-TimeKAN إجراء تنبؤات احتماليات متقدمة، مما يجعله أداة قيّمة في السياقات السريرية. ولكن، بالرغم من هذا التقدم المذهل، لا يزال الأداء في بعض الأبعاد يحتاج إلى المزيد من التحسين لضمان فعالية كشف الأحداث السريرية.

هل تتوقع أن يصبح هذا النموذج جزءًا أساسيًا من الأدوات الطبية المستقبلية؟ شاركونا آرائكم!