التهاب الفقار اللاصق (AS) هو ثاني أكثر أنواع التهاب المفاصل شيوعًا، وغالبًا ما يصيب المراهقين والشباب.
ويمكن أن تشمل أعراض التهاب المفاصل الروماتويدي آلام الظهر والتصلب حيث تلتصق الأوتار بالعظام والإرهاق. وبمرور الوقت، يمكن أن تؤدي هذه الأعراض إلى اندماج العمود الفقري، ما يؤثر بشكل كبير على نوعية الحياة، خاصة عند الشباب. ولسوء الحظ، يمكن أن يكون تشخيص (AS) عملية طويلة تستغرق ما يصل إلى عشر سنوات من ظهور الأعراض وعادة ما تتطلب الأشعة السينية. كما يساهم التقدم البطيء للحالة، إلى جانب عدم وجود اختبار نهائي، في حدوث هذه التأخيرات.
ومع ذلك، فإن الاكتشاف المبكر للحالة يمكن أن يحدث فرقًا هائلاً ويوقف العملية التنكسية ويحافظ على نوعية حياة جيدة للمتضررين.
وفي هذا الاطار، استكشفت دراسة جديدة إمكانية استخدام بيانات الرعاية الصحية التي يتم جمعها بشكل روتيني من الأطباء العامين والمستشفيات، جنبًا إلى جنب مع تقنيات التعلم الآلي المتقدمة، لتحديد AS في مرحلة مبكرة.
إذ يتضمن التعلم الآلي استخدام الخوارزميات لتحليل عينات البيانات وتمكين التنبؤات والقرارات بدون برمجة واضحة.
من أجل ذلك قام الباحثون بتحليل البيانات بشكل منفصل للرجال والنساء؛ حيث يمكن أن تغير النتائج التي تم التوصل اليها الطريقة التي يقوم بها الأطباء العامون باكتشاف وتشخيص التهاب الفقار اللاصق، وذلك وفق ما نشر موقع «theconversation» العلمي المرموق.
وفي الدراسة التي أجرتها كلية الطب بجامعة سوانزي، تم تحديد مرضى AS ومطابقتهم مع أشخاص ليس لديهم سجل للتشخيص. كما وجد تحليل البيانات أن عوامل مثل آلام أسفل الظهر والتهاب القزحية (التهاب الطبقة الوسطى من العين) واستخدام العقاقير غير الستيرويدية المضادة للالتهابات قبل سن الـ 20 كانت عوامل مرتبطة بزيادة خطر الإصابة. كما في الرجال.
في المقابل، كشف النموذج أن النساء يملن إلى تجربة أعراض التهاب الفقار اللاصق في سن متأخرة؛ فغالبًا ما يعتمدن على أدوية تخفيف الآلام المتعددة مقارنة بالرجال. وقد يشير هذا إلى احتمال أكبر لسوء تشخيص الحالة لدى النساء.
ويعد التعلم الآلي أداة قيمة لتحديد سمات الأشخاص الذين من المحتمل أن يطوروا AS وفهمه. حيث يعمل بشكل جيد في مجموعات بيانات الاختبار ذات معدلات الانتشار المرتفعة. ومع ذلك، عند تطبيقه على الأطباء العامين والمستشفيات، حيث يكون AS نادرًا، يمكن حتى لأفضل نموذج فقط تحقيق قيمة تنبؤية إيجابية منخفضة تبلغ 1.4 %. (احتمال بعد نتيجة اختبار إيجابية سيكون لدى الفرد حقًا AS). لذلك، قد يكون استخدام نماذج متعددة بمرور الوقت ضروريًا لتضييق نطاق المستهدفين وتحسين القيمة التنبؤية، ما يؤدي إلى تشخيص أسرع لـ AS.
حري بالذكر، ان من المهم الاعتراف بالتحديات المرتبطة باستخدام هذه التقنيات بفعالية. إذ تعتمد هذه النماذج على بيانات عالية الجودة ومتنوعة وشاملة للوصول لنتائج دقيقة وموثوقة. إلّا ان بيانات الرعاية الصحية يمكن أن تكون محدودة بسبب مخاوف الخصوصية وحساسية البيانات ونقص التقييس. وبالتالي، فإن هذه القيود قد تقوض دقة النماذج وموثوقيتها. ولذلك يجب أن ندرك أن التعلم الآلي فيما يتعلق بهذا الموضوع لا يزال في مهده.
وحسب الباحثين، لمزيد من التطوير سنحتاج إلى جمع المزيد من البيانات التفصيلية لتحسين معدلات التنبؤ والفائدة السريرية. وان دراستنا توضح الإمكانات الهائلة التي يمتلكها التعلم الآلي للمساعدة في تحديد الأشخاص المصابين بـ AS وفهم رحلات التشخيص الخاصة بهم بشكل أفضل من خلال النظام الصحي. نحن نعلم أن الكشف المبكر عن التهاب الفقار اللاصق وتشخيصه أمر بالغ الأهمية لتأمين أفضل النتائج للمرضى. لذا نعتقد أن التعلم الآلي يمكن أن يساعد في ذلك. ويمكنه أيضًا تمكين الأطباء العامين ومساعدتهم على اكتشاف وإحالة المرضى بشكل أكثر فعالية وكفاءة.
