تُرجمت هذه الصفحة تلقائيًا من اللغة التركية. اقرأ النص الأصلي

هذه الصفحة ملخص باللغة التركية أُعدّ بمساعدة الذكاء الاصطناعي لدراسة قُدّمت في المؤتمر العالمي السادس والعشرين للطب النفسي. تعود ملكية الدراسة إلى المؤلفين الذين قدّموها؛ وللاستشهاد بها، يُرجى الرجوع إلى المصدر الأصلي.

EV0446

التشخيص نفسه، والرعاية مختلفة: تخصيص مسارات رعاية الاكتئاب بما يعكس الفروق الفردية

SAME DIAGNOSIS, DIFFERENT CARE: PERSONALIZING DEPRESSION CARE PATHWAYS TO REFLECT INDIVIDUAL DIFFERENCES

يتنبأ النموذج الذي يجمع بين التعلم الآلي على مستوى الأعراض وخطر ترك العلاج بتحسن أكبر في الأعراض مقارنةً بالعلاج المخصّص للمريض.

الهدف هو تطوير إطار لتوصيات علاجية مخصّصة يراعي التفاعلات بين الأعراض والعلاج التي تغفلها النماذج القائمة على الدرجة الإجمالية للشدة في الاكتئاب. ويستند الملصق العلمي في تبريره إلى أن الانقطاع عن العلاج يؤثر في نحو 20% إلى 30% من المرضى، ويرتبط بزيادة خطر محاولة الانتحار بمقدار ضعفين إلى أربعة أضعاف، ومع ذلك غالبًا ما يُستبعد من التحليل بوصفه بيانات مفقودة. وفي المنهجية، جرت مقارنة النمذجة القائمة على متوسط المجتمع بالنمذجة باستخدام LightGBM على مستوى الأعراض (أشجار القرار المعزّزة بالتدرج)، وذلك على مصفوفة مدخلات تتكوّن من خصائص الأعراض عند خط الأساس؛ وأُنشئ مصنِّف للاستجابة والهدأة لمثبطات استرداد السيروتونين الانتقائية، ونموذج انحدار لتحسن الأعراض لمضادات الاكتئاب الأخرى، ومصنِّف للانقطاع عن العلاج (disengagement) لذراع العلاج المركّب، وقُيِّم أداء النماذج باستخدام المساحة تحت المنحنى (AUC)، والجذر التربيعي لمتوسط مربعات الخطأ (RMSE)، واختبار t للعينات المترابطة، ومعامل التحديد R². وفي نموذج LightGBM على مستوى الأعراض، أُبلغ عن توافق بين التحسن المتنبأ به والتحسن الملحوظ في الأعراض وفق استبيان صحة المريض ذي البنود التسعة (PHQ-9)، بقيمة r = 0,92 وRMSE = 3,86. وفي المقارنة المزدوجة بين العلاج المخصّص ضمن دراسة STAR*D والعلاج الذي أوصى به النموذج، جرى التنبؤ بتحسن أكبر في الأعراض عند اتباع توصية النموذج (t = 4,27, p < 0,001). ويُتوقَّع، في حال تطبيق هذا الإطار، توفير 8 ملايين دولار لكل 1.000 مريض، وتحسن بأكثر من نقطة واحدة في PHQ-9 لدى 570 من أصل 1.000 مريض. ويشير المؤلفون إلى أن هذا هو أول إطار للتعلم الآلي يجمع بين التغاير على مستوى الأعراض وخطر ترك العلاج، ويقترحون، كخطوة تالية، التحقق من صلاحيته باستخدام مجموعات بيانات من تجارب سريرية مستقلة وسجلات صحية إلكترونية من الممارسة الواقعية، إلى جانب استخدام أساليب أقوى للاستدلال السببي، مثل التقدير مزدوج المتانة.

جميع ملخصات WCP 2026