تقاطع "أيوت" و تعليم الآلات في تطوير التعليم الافتراضي نماذج السكري

ويؤثر مرض السكري على أكثر من 537 مليون شخص بالغ في جميع أنحاء العالم، وهو رقم يتوقع أن يرتفع ارتفاعا حادا في العقود المقبلة، ويستلزم معالجة هذه الحالة المزمنة يقظة مستمرة: تتبع غلوك الدم، وتكييف الجرعات الانسولين، ورصد المتناول الغذائي، والاعتراف بالعلامات المبكرة للتأرجح الخطير.

ما هي تعلم (إيوت) و(ماكين) في الرعاية الصحية؟

وتشير شبكة الأشياء إلى شبكة من الأجسام المادية - الديفيات أو أجهزة الاستشعار أو الأجهزة - المزودة ببرامجيات أو وصلات أو القدرة على تبادل البيانات على شبكة الإنترنت، وفي سياق الرعاية الصحية، يشمل هذا النوع من الأشعة كلي من مضخات التلقيح في المستشفيات إلى أغلفة ضغط الدم في الاستخدام المنزلي، أما بالنسبة للسكري، فإن أكثر أجهزة الإيو تي صلة بها هي أجهزة رصد حقيقية للغاز.

فالتعليم الماكين، وهو فرع من أجهزة الاستخبارات الاصطناعية، يستخدم تقنيات إحصائية لتمكين النظم من التعلم من البيانات دون أن تكون مبرمجة بشكل صريح لكل قاعدة ممكنة، بدلا من الظروف الصعبة مثل " إذا كان الجليد " 180 ملغم/دبغ عند التنبيه، " ، فإن الخوارزميات ML التي تجني آلاف أيام المرضى من البيانات لاكتشاف العلاقات المعقدة وغير الخطية، يمكن أن تصنف هذه الأحداث المسبقة عن طريق التكليلتر،

والتآزر واضح: يوفر IoT تغذية البيانات المستمرة العالية الاستبانة التي تتطلبها خوارزميات ML لتدريب نماذج قوية، ويعود القانون النموذجي إلى أفكار عملية تغلق الحلقة، وتحوّل بيانات الاستشعار الخام إلى توصيات آنية للمرضى والمستوصفين.

How IoT Devices Transform Diabetes Data Collection

وقبل اعتماد تدابير التخفيف من آثار تغير المناخ على نطاق واسع، اعتمدت إدارة السكري اعتماداً كبيراً على قياسات عصيان الأصابع، حيث كانت تؤدي عادة ما تتراوح بين 4 و10 مرات يومياً، وقد فوت هذه الطلقات الاتجاهات الحرجة وأنماط ما بين عشية وضحاها، وقد غيرت أجهزة التأشيرات الهوائية جمع البيانات بطرق أساسية عديدة.

المرصد المستمر للغلوكوز

وتقيس أجهزة التصوير المقطعي، مثل جهاز Dexcom G6, Abbot FreeStyle Libre، وأجهزة الاستشعار التابعة للحرس الدوتري مستويات التلوج في السوائل المتقاطعة دون كلم، وتحيل القراءات دون سلك إلى جهاز استقبال ذي سمعة ذكية أو جهاز استقبال مخصص كل ٥-١٥ دقيقة، ويولد المريض حوالي ٢٨٨ نقطة بيانات في اليوم - حجم غير عملي لكشف النسيج اليدوي.

Smart Insulin Pens and Pumps

Smart insulin pens (e.g., Novo Nordisk’s NovoPen 6, Companion Medical’s InPen) record injection time, dose, and type of insulin, automatically coincideing to a mobile app. Insulin pumps with integrated CGM data, such as the Tandem tslim X2 with Control-IQ, form automgo realthlin (A time delivery)

مصاريف اليقظة المربوطة وغيرها من أجهزة الاستشعار

وتوفر المتغيرات مثل جهاز رصد آبل أو فيتبت أو أجهزة المراهم بيانات سياقية: تقلب معدل القلب، ودرجات حرارة الجلد، والخطوات، ومراحل النوم، ومستويات الإجهاد، وتؤثر هذه المتغيرات على الأيض الغلوكوسي، فمثلا تزيد النشاط البدني من حساسية الأنسولين؛ وترتفع الإجهاد من الكريتيسول وسكر الدم.

تقنيات التعلم الآلاتي للعارضات الرئويات

ويجب معالجة البيانات الأولية من أجهزة الإيوت وتنظيفها وتحويلها قبل أن تستخدم لتدريب النماذج التنبؤية، ويتوقف اختيار خوارزمية ML على السؤال السريري: التنبؤ بقيمة الغدد الصمغ رقمية، وتصنيف حدث وشيك (الهيبوليكيميا/الهيريميليشيا)، أو تجميع المرضى إلى فئات المخاطر.

نماذج التراجع لتوقعات غلوكو

وتتمثل المهمة الأكثر شيوعا في التنبؤ بمستوى غلوكوز الدم في المستقبل في أفق معين - مثل 15 أو 30 أو 60 دقيقة قبل ذلك، ونموذجاً للتراجع في الوقت الحاضر هما مرشحان طبيعيان، وقد استخدمت نماذج التوقعات المتعددة الأبعاد للتطورات في المتوسط، ولكن متغيرات التعلم العميقة تسود الآن.

نماذج التصنيف للكشف عن الأحداث

وليس من المتوقع أن تكون هناك مستويات للجليد، بل من النماذج التي تهدف إلى الكشف عن بداية النادر (اللميض المسكري < 70 ملغم/دL) أو بيانات البوليسيمات الفائقة الحساسية (التي تظهر 180 ملغم/دبليو) في إطار نافذة للتنبؤ، وهي مشاكل ثنائية أو متعددة الطبقات.

تجميع للمرضى دون التنقيب

إن مرض السكري ليس مرضاً موحداً، إذ يختلف المرضى في الحساسية من الأنسولين، ووظيفته من حيث الخلايا، وأسلوب الحياة، والاستجابة للعلاجات، إذ يمكن للتجمعات غير الخاضعة للرقابة (مثلاً، الكميانات، التكتلات الهرمية) أن تجمع المرضى في نماذج فرعية تستند إلى أنماط بياناتهم المتعلقة باليوت، وقد تكون لهذه المجموعات الفرعية صور مميزة للمخاطر أو تستجيب بشكل أفضل لنظام معالجة شخصية محدد، مما يمكن من القيام به.

وضع نموذج إرشادي: من البيانات إلى النشر

ويستلزم إنشاء نموذج للتنبؤ بالعمل اتخاذ عدة خطوات تتجاوز مجرد اختيار خوارزمية، وتطرح كل مرحلة تحدياتها الخاصة وخياراتها في التصميم.

اقتناء البيانات وتجهيزها

وكثيراً ما يكون تدفق البيانات هو فوضوي: القراءات المفقودة (التشويش على أجهزة الاستشعار، والثغرات في النقل)، والضوضاء (العمليات اليدوية) والفترات الزمنية غير القانونية، وتشمل التجهيزات التحويلية (مثلاً، التقاطع الخطي للثغرات القصيرة)، والعزلة الأفقي (القيم المستحيلة من الناحية الإيكولوجية مثل تواتر الجرعة > 600 ملغم/ساعة ثابتة < 20 ملغم/مغم/مغم/متر يومياً)

Feature Engineering

وقلما توفر قيم الاستشعار عن طريق الفم أفضل الأداء، فهندسة المعالم تخلق متغيرات مستمدة ترمز إلى الديناميات الزمنية: معدل التغير في الغلوكوز (المشتقات الأولى)، والتعجيل (المشتقات الثانية)، والمنطقة تحت المنحنى على النوافذ الأخيرة، والوقت الذي انقضت فيه وجبات الوجبات، ومؤشر منخفضة للغاز الدي.

التدريب النموذجي والتقييم

وتشكل البيانات المستمدة من أجهزة الإيوت تحديا فريدا: فالعينات من نفس المريض مترابطة، تنتهك الافتراض المستقل للعديد من أساليب التثبت الموحدة، ويجب على الباحثين استخدام التصفيات بين المرضى والقطارات/الاختبارات المؤقتة لتجنب تسرب البيانات، ويمكن أن يُتوقع بدقة نموذج يتم تدريبه في الأسبوع الأول من بيانات المريض (التثبت من صحة العينات الداخلية) ولكن يشمل معيارا للاختلالات غير المنظورة.

الاختبار والاندماج في الوقت الحقيقي

إن نشر نموذج في جهاز إيوت نفسه أو على جهاز محمول قريب من الهواتف الذكية يؤدي إلى الاعتماد على الربط السحابي، وهو أمر حاسم في حالة انقطاع الشبكات، ويجب تحديد كمية النماذج أو تكييفها بحيث تكون في حدود الذاكرة والقيود على البطاريات التي تقل عن نطاق المقاييس.

أمثلة وأبحاث حقيقية على الصعيد العالمي

وهناك عدة نظم تجارية وأكاديمية تبين بالفعل إمكانات التوقّع على مرض البول الكبدي + الطول المتعدد الكلور للتنبؤ بمرض السكري.

ويستخدم نظام الحرس الطبي الثالث المعتمد من وكالة التنمية الحرجية مادة خوارزمية ملكية (SmartGuard) تنبأ بنقصان النسيج قبل 30 دقيقة استنادا إلى اتجاهات الأشعة السينية، وتعليق تسليم الأنسولين عندما يرجح أن يُنتهك الحد الأدنى، وبالمثل، يستخدم خوارزمية مراقبة التوليد في نظام تانديم للتنبؤات، وهو نهج يتعلق بالتعلم الآلي، وهو نهج يرتبط ارتباطا وثيقا بالآلات.

وفي مجال البحوث، أصبحت مجموعة بيانات أوهايو تي 1 دي إم (التي تضم 12 مريضاً مصاباً بداء السكري من النوع 1 على مدى 8 أسابيع) معياراً لوضع نماذج التنبؤ بالغاز، وقد استخدمت الأفرقة في جميع أنحاء العالم بياناتها المتعلقة بمقياس الأشعة السينية، والإسولين، والوجبات، والنشاطات لتدريب أجهزة الإنذار بالمرض، وشبكات التكاثر العصبية، والنماذج الهجينة.

External link example: Learn more about the OhioT1DM dataset and machine learning benchmarks for diabetes prediction].

التحديات والعوائق أمام التبني على نطاق واسع

ورغم التقدم التقني المثير للإعجاب، فإن الاستخدام الروتيني للنماذج التوقّعة التي يمكن أن تستخدم في رعاية مرض السكري يواجه عقبات كبيرة.

خصوصية البيانات والأمن

والبيانات الصحية للمرضى هي من أكثر المعلومات الشخصية حساسية، وعندما تنقل أجهزة الإيوت برتقالات الغلوكوس إلى السحابة، فإنها تولد بيانات مستمرة ووثيقة عن حالة الشخص الفيزيائية، والأطر التنظيمية مثل برنامج العمل الدولي في الولايات المتحدة والناتج المحلي الإجمالي في أوروبا، وتفرض رقابة صارمة على الحوادث، وموافقة المستعملين، وأي نموذج يجمع البيانات يجب أن يضمن أن يكون النقل مخزناً شخصياً في إطار " إيبست " )٢(.

التشغيل المتبادل وتوحيد النُظُم

وكثيرا ما يستخدم مرضى السكر أجهزة من جهات متعددة: جهاز كيميائي للدماغ، ومضخة من طراز أومنيبود إنسولين، ومتتبع للنشاطات في المدارية، وكل جهاز يتحدث عن بروتوكول مختلف (Bluetooth Low Energy, proprietary APIs, MQTT, HL7 FHIR) ولا يوجد معيار عالمي للتساؤل عن التقدم المحرز أو الجمع بين هذه المسارات.

ثانيا - المسؤولية النموذجية والقابلية للاختزال

ومعظم النماذج التنبؤية تُدرَّب على مجموعات البيانات الصغيرة نسبياً (العشرات إلى بضع مئات من المرضى) وتُركَّب نحو بعض الديموغرافية (مثلاً، البيض، والدخل المرتفع، مع الوصول إلى أحدث مضخات الإنسولين) وقد يؤدي نظام التحليل الكيميائي المتعدد المؤشرات الذي يُقدِّم 10 ملغم/دب من مادة الدي إي إيهوتيم على نحوٍ ضعيفٍ باستخدام نماذج مختلفة من أنواع التدريب في المستقبل.

التقييم التنظيمي والتبني السريري

ويتطلب الحصول على خوارزمية متوقعة تطهيرها من جانب هيئة تنمية المرأة (أو الهيئات المماثلة) التحقق السريري الدقيق: يجب أن يثبت النموذج السلامة والكفاءة والتوازن أو التفوق في مستوى الرعاية، ويهدف برنامج التأهيد الرقمي لبرنامج المؤسسة الإنمائية للجنوب الأفريقي إلى تبسيط الموافقة على نماذج منخفضة المخاطرة للتسليم، ولكن المقاييس العالية الخطورة لا تزال قائمة (التي لا تصل إلى نماذج العرض الأكاديمي التي تتحكم مباشرة في عمليات التسليم الشامل).

الاتجاهات المستقبلية: حيث يتجه التعليم العالي والآلات

وتعود موجة الابتكار التالية بمعالجة القيود الحالية وفتح إمكانيات جديدة.

التعليم الموحد لأغراض التدريب على الحفاظ على الخصوصية

وبدلا من إضفاء الطابع المركزي على بيانات المرضى عن خادم سحابي، يتيح التعليم الاتحادي التدريب النموذجي على الجهاز أو على حافة المستشفى، مع عدم وجود سوى تحديثات نموذجية (تدرجات) موزعة على الخادم المركزي، ويحافظ هذا النهج على الخصوصية (لا تترك البيانات الراقصة أبدا سيطرة المريض) ويمكنه أن يحشد البيانات من آلاف المرضى دون نقلها، وتظهر نتائج برنامج " غوغل " تينسور فلو " (U) المُدرّة) و " (NVIDIA) التي تستكشف نماذج التسرّب.

تكامل البيانات المتعددة الوسائط

وستتضمن النماذج المستقبلية إشارات أكثر: مراقبات الكيتاون المستمرة (في مجال التنمية من أجل مخاطر الكاتوسيد السكري)، ومتعقبات الهرمونات (الكورتيسول، والغلوكاغون)، والموقع الجغرافي (لإيجاد الحصول على الغذاء الصحي)، والمحددات الاجتماعية للصحة (الاستقرار المالي، ومحو الأمية الصحية).

Edge AI and Reduced Latency

فالتقدم في رقائق التعليم العالي المتخصصة (مثلاً، غوغل إيدج تيو، مهندس آبل الظواهر العصبية) يجعل من الممكن تشغيل نماذج تعليمية عميقة معقدة مباشرة على مرصد ذكي أو على رقعة مخصصة لسكري، ويعني انخفاض درجة التساهل أن النموذج يمكن أن يُحدث توقعات في غضون ثوان من تلقي آخر قراءة للأشعة السينية، مما يتيح فعلاً التأخّر في التوقيت الحقيقي.

منظمة العفو الدولية المفسَّرة للثقة العيادة

ومن العوائق الرئيسية التي تعترض التبني السريري طبيعة " الصندوق الأسود " من نماذج التعلم العميق، وقد يتردد طبيب في تعديل الجرعات الانسولينية استنادا إلى اقتراح نموذجي إذا لم يتمكنوا من فهم ] [التنبؤات المتعلقة بالجيل الأول]، فقد قام بتوقعات تتعلق بدرجة التلقي على هذا النحو.

External links for further reading: JAMA review on AI in diabetes management] and American Diabetes Association research updates on digital health.

خاتمة

ويعيد تقاطع تعليم الأيوت والآلات تشكيل إدارة السكري من نموذج تفاعلي ومرضي إلى نموذج استباقي وتنبؤي، كما أن استمرار رصد الغلوكوس ونظم توصيل الأنسولين الذكية، ومتتبعات الصحة التي يمكن ارتداؤها تولد مسارات غير مسبوقة من البيانات العالية الاستبانة.

ومع ذلك، فإن الطريق إلى الاعتماد الواسع النطاق يتأصل مع التحديات التقنية والتنظيمية والأخلاقية، ويجب أن تكون خصوصية البيانات وأمنها مضادة للرصاص، ويجب أن تتكلم الأجهزة لغة مشتركة، ويجب أن تعمم النماذج على مختلف السكان والظروف الواقعية، ويجب أن يكون ناتج هذه النماذج جديرا بالثقة بما فيه الكفاية بالنسبة للعيادات والمرضى الذين يتعين عليهم العمل على تحقيقه، كما أن دوائر البحث والصناعة والهيئات التنظيمية تعالج كل قضية من هذه القضايا معالجة نشطة، ويتسارع التقدم المحرز.

وبالنسبة للملايين الذين يعيشون مع مرض السكري اليوم، فإن الوعد بنظام مغلق يتوقّع ويمنع حدوث ازدحامات في الجلوكوز - دون جهد يدوي ثابت - لم يعد خيال علمي، بل هو واقع قريب من الفشل يقوم على تقارب اللغة الأيوتية والتعلم الآلاتي.