وأظهرت الدراسة أن الكبد، أكبر أعضاء الجسم الداخلي، يؤدي وظائف حيوية تشمل معالجة الغذاء، إنتاج الطاقة، إزالة السموم، وتعزيز المناعة. ومع تغير أنماط الحياة وزيادة السمنة واستهلاك الكحول والعوامل الوراثية، ارتفعت معدلات الإصابة بأمراض الكبد، من الكبد الدهني والتهاب الكبد الفيروسي إلى التليف والفشل الكبدي الكامل، الذي قد يهدد الحياة إذا لم يُكتشف مبكراً.

وأكد الباحثون أن طرق التشخيص التقليدية غالباً ما تكون بطيئة وغير دقيقة، بينما توفر تقنيات الذكاء الاصطناعي وخوارزميات التعلم الآلي تشخيصاً أسرع وأكثر موثوقية.

وفي هذا السياق، صممت صفورا عاشوري وزميلها نموذجاً يعتمد على التعلم العميق، مستخدمين بيانات مرضى الكبد في الهند، مع خوارزمية مبتكرة تُعرف باسم «بحث الزواحف» لضبط معلمات النموذج بدقة أعلى.

وأظهرت النتائج قدرة النموذج على التمييز بين المرضى والأشخاص الأصحاء بدقة تقارب 97٪، مع معدلات عالية للصحة والدقة التنبؤية، ما يقلل من الأخطاء ويحقق توازناً بين التشخيص الصحيح وتجنب الأخطاء.

وأكد الباحثون أن دمج الشبكات العصبية مع الخوارزميات الفراابتكارية يمثل خطوة مهمة لتعزيز قدرة الذكاء الاصطناعي في المجال الطبي، وأن النموذج يواجه مشكلة «الإفراط في التكيف»، مما يجعله صالحاً للاستخدام في البيئات السريرية الواقعية.

وأشاروا إلى أن الخوارزمية تتفوق على أساليب متقدمة أخرى مثل AdaBoost والغابات العشوائية، ويمكن تطويرها لتشخيص أمراض إضافية مستقبلاً. كما أن دمج هذه النماذج في تطبيقات الصحة الرقمية وأنظمة اتخاذ القرار الطبي قد يسهم في الكشف المبكر عن الفئات الأكثر عرضة للأمراض، وتقليل الوفيات وتخفيض تكاليف العلاج.

ونُشرت الدراسة في «مجلة المعلوماتية الصحية والطب الحيوي» التابعة لجامعة علوم الطب في كرمان، والتي تهتم بأحدث تطبيقات تقنيات المعلومات والذكاء الاصطناعي في الطب.