استقصاء 6090 حالة في 10 سنوات بمدينة الملك فهد الطبية إنجاز سعودي.. 7 باحثين يدربون الذكاء الاصطناعي على توقع إقامة أطفال العناية
القطيف: صُبرة، خاص
نجح 7 باحثين سعوديين من القطيف والرياض ونجران في تدريب نماذج ذكاء اصطناعي على التنبؤ بمدة بقاء الأطفال في العناية المركزة، بعد استقصاء بيانات 6090 حالة دخول على مدى 10 سنوات في مدينة الملك فهد الطبية.
وضم الفريق البحثي محمد العوى، عقيلة القصاب، دينا الرميح، هديل الجباب، عبدالعزيز السقطي، محسن الزمانان، وأحمد الخليفة؛ 4 منهم من شبكة القطيف الصحية، و2 من مدينة الملك فهد الطبية، وباحث واحد من مستشفى الولادة والأطفال في تجمع نجران الصحي.
ونُشرت الدراسة في المجلة الدولية للمعلوماتية الطبية (International Journal of Medical Informatics)، الصادرة عن دار Elsevier، وهي المجلة الرسمية للاتحاد الأوروبي للمعلوماتية الطبية (EFMI) والجمعية الدولية للمعلوماتية الطبية (IMIA). ونُشرت إلكترونياً في 10 مايو 2026، قبل صدورها ضمن عدد أغسطس من المجلة.
واستطاع أفضل النماذج التمييز بدرجة جيدة بين الأطفال المتوقع أن تكون إقامتهم قصيرة، وأولئك المرجح أن تطول إقامتهم، محققاً مؤشر أداء AUC بلغ 0.832.
10 سنوات
استند الباحثون إلى بيانات حالات دخلت وحدة العناية المركزة للأطفال في مدينة الملك فهد الطبية خلال الفترة من 2013 إلى 2022.
وبعد تطبيق معايير الدراسة والاستبعاد، استقر التحليل على 6090 حالة دخول، واستخدم الفريق المعلومات السريرية المتاحة لتدريب عدة نماذج من التعلم الآلي ومقارنتها.
وكان السؤال الذي أراد الباحثون من الذكاء الاصطناعي الإجابة عنه عملياً ومباشراً: هل سيبقى الطفل في العناية مدة قصيرة أم متوسطة أم طويلة؟
3 فئات
قسم الباحثون مدة الإقامة إلى 3 فئات؛ يوم واحد أو أقل، وأكثر من يوم حتى 5 أيام، وأكثر من 5 أيام.
ولم يكن المطلوب من الذكاء الاصطناعي تحديد يوم خروج الطفل بدقة، وإنما توقع الفئة الأقرب إلى مدة إقامته.
واختبر الفريق عدة نماذج للتعلم الآلي، وتصدرها نموذج CatBoost بمؤشر AUC بلغ 0.832، يليه LightGBM بـ 0.826.
وكان أداء النماذج أفضل في التمييز بين طرفي الإقامة؛ الأطفال ذوي الإقامة القصيرة، والأطفال المرجح بقاؤهم أكثر من 5 أيام، مقارنة بالحالات التي تقع إقامتها في الفئة المتوسطة.
لماذا سيبقى؟
لم يكتف الباحثون بالحصول على توقع آلي، بل استخدموا تقنيات للذكاء الاصطناعي القابل للتفسير لمعرفة العوامل التي دفعت النموذج إلى ترجيح إقامة أطول.
وبرزت بين المؤشرات المهمة الحاجة إلى التنفس الصناعي، ومصدر دخول الطفل إلى العناية، وحالته بعد العمليات الجراحية، وعدم الاستقرار الفسيولوجي، وعبء الأمراض المصاحبة.
وهذا يعني أن النموذج لا يقدم توقعاً مجرداً فحسب، بل يتيح معرفة المؤشرات التي أسهمت في الوصول إليه.
أسرة العناية
تكمن الفائدة المحتملة للنموذج في معرفة الحالات المرجح أن تحتاج إلى إقامة أطول في وقت مبكر، بما يساعد المستشفى في التخطيط لأسرّة العناية المركزة، وتوزيع الموارد، والتخطيط لخروج المرضى، وإعطاء العائلة تصوراً مبكراً عن المسار المتوقع للإقامة.
وتزداد أهمية ذلك في وحدات العناية المركزة للأطفال، حيث تتطلب الإقامة الطويلة موارد وكوادر وأسرّة لفترات أطول.
4 من القطيف
ينتمي محمد العوى، وعقيلة القصاب، ودينا الرميح، وأحمد الخليفة إلى شبكة القطيف الصحية.
وشاركهم هديل الجباب وعبدالعزيز السقطي من مدينة الملك فهد الطبية، ومحسن الزمانان من مستشفى الولادة والأطفال في تجمع نجران الصحي.
اسم الدراسة
حملت الدراسة عنوان:
Predicting length of stay in the pediatric intensive care unit at a tertiary center in Saudi Arabia using machine learning
وترجمته:
«التنبؤ بمدة الإقامة في وحدة العناية المركزة للأطفال في مركز تخصصي بالمملكة باستخدام التعلم الآلي».
قبل التطبيق
ووضع الباحثون نتائج الدراسة في حدودها العلمية؛ إذ اعتمد البحث على بيانات سابقة من مركز طبي واحد، ما يستدعي اختبار النماذج على بيانات أطفال من مستشفيات ومجموعات أخرى قبل تعميم استخدامها.
وتقدم الدراسة بذلك نموذجاً واعداً للاستفادة من الذكاء الاصطناعي في دعم القرار الطبي وإدارة موارد العناية المركزة، وليس بديلاً عن تقييم الطبيب أو حكماً نهائياً على مدة إقامة الطفل.
المصدر: International Journal of Medical Informatics، 2026.
