أبوظبي: عبد الرحمن سعيد
طوّر فريق بحثي من جامعة خليفة للعلوم والتكنولوجيا في أبوظبي، أداة منهجية جديدة لتحسين التنبؤات الفردية السريرية الدقيقة لدى مرضى السرطان، بناء على منهجية معينة من خلال الدمج بين النماذج الرياضية وتعلم الآلة، وتم اختبار هذه المنهجية عن طريق إجراء محاكاة لمجموعة بيانات لورم دماغي لمريض، وعلى مجموعتين لمرضى حقيقيين يعانون سرطان الدم وسرطان المبيض، وكانت النتائج قريبة جداً من البيانات الطبية الفعلية للمرضى؛ الأمر الذي عزز إمكانية الاستفادة من هذه المنهجية في مجال التنبؤات السريرية الدقيقة للأفراد في منظومة الرعاية الصحية.
ضم الفريق البحثي الدكتور هارالامبوس، وبيترو ماشيروني، ومايكل ميير هيرمان، وخوان كارلوس لوبيز ألفونسو، من مركز براونشفيغ المتكامل للأنظمة البيولوجية، ومركز هيلمولتز لبحوث الأمراض المعدية في ألمانيا، إلى جانب الدكتور سايمون سافوبولوس، وهو زميل دكتوراه في الرياضيات في جامعة خليفة للعلوم والتكنولوجيا في أبوظبي.
وقال الدكتور هارالامبوس: «في إطار الممارسات الطبية يتم إجراء عدد كبير من الفحوص بهدف تقييم الحالة المرضية للفرد، من خلال الحصول على مجموعة متنوعة من البيانات الطبية، وفي مجال الأورام تعتبر هذه البيانات حجر الأساس لتزويد المريض بالرعاية الصحية اللازمة، إلا أن طريقة الاستفادة منها تشكل تحدياً كبيراً».
وأشار إلى أنه يمكن أن تكون النماذج الرياضية فعالة بشكل كبير في التنبؤ بالفرضيات البيولوجية، لكنها تتطلب المعرفة الكافية بالميكانيكيات البيولوجية التي تقوم عليها، وهذه المعرفة غير كاملة وتقتصر على كمية محدودة من الميكانيكيات. ومثال ذلك المسارات الجزيئية للسرطان، ففي حين أن النماذج الرياضية توفر وصفاً وافياً لنموذج مثالي لما يحدث في ديناميكيات السرطان، فإن تلك النماذج غير قادرة على توفير التنبؤات الدقيقة».
وأضاف: «يمكن لتقنيات تعلم الآلة أن تسهم في حل مشكلات الميكانيكيات البيولوجية. ولأن النماذج الرياضية تعتمد على السببية، فإن طرق التعلم الإحصائي تسهم في تحديد العلاقات ما بين البيانات، لتتمكن من إجراء العمليات على كمية كبيرة من البيانات بصورة منتظمة، وبالتالي استقراء أنماط البيانات المخفية». وأوضح أنه تم تصميم نموذج رياضي لمحاكاة تطور ورم في الدماغ، ومن ثم نموذج لتعلم الآلة، ليتم دمج المنهجيتين مع بعضهما بعضاً، حيث توصل الباحثون بعد ذلك، إلى أن المنهجيتين معاً أظهرتا فاعلية في الأداء في مجال التنبؤات لمدة تزيد على 6 أشهر.
