نظام تعلم آلي قابل للتفسير لتوقع مرض الكلى المزمن لدى مرضى القلب المعرضين لخطر مرتفع

مع تقدم عمر السكان العالميين، يزداد معدل حدوث مرض الكلى المزمن (CKD). وغالبًا ما يبقى CKD بلا أعراض حتى المراحل المتأخرة، مما يثقل كاهل كل من نظام الرعاية الصحية وجودة حياة المرضى بشكل كبير. هذه الدراسة طورت نظام تعلم آلي قابل للتفسير لتوقع CKD لدى المرضى المعرضين للمخاطر القلبية، باستخدام السجل الطبي وبيانات المختبر. حقق نموذج الغابة العشوائية أعلى حساسية بلغت 88.2%. تقدم الدراسة إطار تفسير شامل يتجاوز طرق أهمية الميزات التقليدية، ويتضمن تفسيرات عالمية ومحلية، وفحص التحيز، والأهمية البيوميدانية، وتقييمات السلامة. تم التعرف على الميزات التنبؤية الرئيسية في التفسير العالمي من خلال استخدام أدوية السكري وأدوية مثبطات الإنزيم المحول للأنجيوتنسين/المستقبلات، وقيم eGFR الأولية. قدم التفسير المحلي رؤى حول النموذج من خلال تفسيرات عكسية، والتي تطابقت مع أجزاء أخرى من النظام. بعد إجراء فحص التحيز، وُجد أن القيم الأولية لـ eGFR وتوقعات CKD أظهرت بعض التحيز، لكن لم يتم تحديد أي تحيز كبير بناءً على الجنس. تم تأكيد منطق النموذج، المستخرج من قواعد نطاق محددة، على توافقه مع الأدبيات الطبية الموجودة. اختبرت تقييمات السلامة حالات قد تكون خطرة وأكدت أن النموذج تصرف بشكل آمن. يعزز هذا النظام قابلية التفسير والموثوقية والمسؤولية للنموذج، مما يعزز إمكانية دمجه في بيئات الرعاية الصحية والامتثال للمعايير التنظيمية القادمة، ويظهر وعوداً لتطبيقات أوسع في تعلم الآلة في الرعاية الصحية.