توقع فشل الأعضاء المستقبلية لمرضى العناية المركزة باستخدام الشبكات التلافيفية الزمنية

في مجال الطب الحديث، تُعتبر القدرة على توقع فشل الأعضاء المستقبلية في مرضى العناية المركزة أحد العوامل الحاسمة للرعاية الصحية الفعالة. قامت دراسة جديدة بالاستعانة بالشبكات التلافيفية الزمنية (Temporal Convolutional Networks) لتحليل بيانات المرضى المستخلصة من قاعدة بيانات MIMIC-IV، وهي قاعدة بيانات غنية تُستخدم في أبحاث العناية المركزة.

على الرغم من أن العديد من الأساليب الحالية في التعلم الآلي تعتمد على تقييم حالة فشل الأعضاء (SOFA) لإجراء توقعات ثنائية حول الوفاة، هذه الدراسة تذهب إلى أبعد من ذلك. حيث تستهدف تقدير درجات SOFA القادمة بدلاً من الاعتماد على التوقعات الثابتة.

استخدم الباحثون نموذج TCN المدرب على نوافذ زمنية متكررة لمدة ثلاثة أيام، حيث حقق النموذج دقة عالية، مع رصد لمؤشرات تقييم مثل R2 يصل إلى 0.740. وقد أظهر التحليل أن وظيفة النموذج تهدف بشكل أساسي إلى تقييم شدة الحالة بدلاً من كونه نموذج تسلسل حقيقي.

نتائج الدراسة أظهرت أن الاضطراب القلبي الوعائي كان المعيار الأقوى في تمييز شدة الحالة وسرعة التدهور. كما تم التعرف على نمطين متميزين مرتبطين بمسار العلاج: مجموعة تتحسن (58.9%) وأخرى تعاني من شدة مستمرة (41.1%).

توضح هذه النتائج قدرة الشبكات التلافيفية الزمنية على استخلاص إشارات تنبؤية مهمة من البيانات الفسيولوجية لوحدة العناية المركزة، في حين تبرز الحاجة إلى استراتيجيات جديدة لمعالجة البيانات المفقودة لتحقيق الاستفادة القصوى من هذه النماذج في السياقات السريرية.