۱. مقدمه و اهمیت مقاله

یکی از چالش‌های اساسی در کشورهای با درآمد پایین و متوسط، کمبود داده‌های دقیق درباره علت مرگ (Cause of Death – COD) است. این فقدان اطلاعات، تصمیم‌گیری‌های حیاتی در زمینه سلامت جمعیت و مدیریت بیماری‌ها را با موانع جدی مواجه می‌سازد. در مناطقی که سیستم‌های ثبت وقایع حیاتی (مانند ثبت تولد و مرگ) قوی و جامعی وجود ندارد، روشی به نام «کالبدشکافی شفاهی» (Verbal Autopsy – VA) می‌تواند اطلاعات ارزشمندی را در خصوص علت مرگ فراهم آورد. با این حال، تحلیل و تفسیر این اطلاعات، به‌ویژه زمانی که با داده‌های پیچیده و غالباً غیرساختاریافته همراه است، نیازمند رویکردهای نوآورانه است.

مقاله حاضر با عنوان «به‌کارگیری یادگیری ماشین در تلفیق روایات کالبدشکافی شفاهی و ویژگی‌های دودویی در تحلیل مرگ‌های ناشی از هایپرگلیسمی» به بررسی چگونگی استفاده از فناوری‌های پیشرفته یادگیری ماشین برای غلبه بر این چالش می‌پردازد. هدف اصلی این تحقیق، ارزیابی عملکرد الگوریتم‌های مختلف یادگیری ماشین در تحلیل همزمان داده‌های ساختاریافته (ویژگی‌های عددی و دودویی) و غیرساختاریافته (روایات متنی) در گزارش‌های کالبدشکافی شفاهی است. تمرکز ویژه بر مرگ‌های ناشی از هایپرگلیسمی (قند خون بالا)، که یکی از عوامل مهم مرگ‌ومیر قابل پیشگیری در سطح جهانی است، به این پژوهش اهمیتی دوچندان می‌بخشد.

۲. نویسندگان و زمینه تحقیق

این مقاله حاصل تلاش علمی محققانی چون Thokozile Manaka, Terence Van Zyl, Alisha N Wade, و Deepak Kar است. این تیم تحقیقاتی در زمینه‌هایی چون یادگیری ماشین، پردازش زبان طبیعی (Natural Language Processing – NLP) و کاربرد آن‌ها در حوزه سلامت فعالیت دارند. زمینه تحقیق اصلی این پژوهش، بهبود روش‌های تعیین علت مرگ در جوامعی است که با محدودیت‌های زیرساختی در ثبت داده‌های مرگ روبرو هستند. به‌ویژه، تمرکز بر هایپرگلیسمی (که اغلب با بیماری دیابت ملیتوس مرتبط است) نشان‌دهنده درک عمیق نویسندگان از بار بیماری‌های مزمن غیرواگیر در سطح جهانی و نیاز به ابزارهای تحلیلی قوی برای مقابله با آن است.

انتخاب رویکرد یادگیری ماشین، به‌ویژه با توجه به ماهیت ترکیبی داده‌های کالبدشکافی شفاهی (هم ساختاریافته و هم متن آزاد)، یک گام منطقی و پیشرو در این حوزه محسوب می‌شود. این تحقیق بخشی از پروژه‌هایی است که هدف آن‌ها بهره‌گیری از قدرت محاسباتی برای استخراج دانش از داده‌های پزشکی و بهبود شاخص‌های سلامت عمومی است.

۳. چکیده و خلاصه محتوا

چکیده مقاله به اختصار بیان می‌دارد که کشورهای با درآمد پایین و متوسط با چالش کمبود داده علت مرگ مواجه هستند. کالبدشکافی شفاهی (VA) ابزاری برای جمع‌آوری اطلاعات در مناطقی فاقد سیستم ثبت مرگ قوی است. گزارش VA شامل داده‌های ساختاریافته (عددی و دودویی) و غیرساختاریافته (متن روایی) است. این مطالعه، عملکرد روش‌های مختلف یادگیری ماشین را در تحلیل هر دو جزء ساختاریافته و غیرساختاریافته گزارش VA ارزیابی می‌کند. الگوریتم‌ها با استفاده از روش اعتبارسنجی متقابل (cross-validation) در سه سناریو آموزش داده و تست شدند: تنها ویژگی‌های دودویی، تنها ویژگی‌های متنی، و ترکیبی از ویژگی‌های دودویی و متنی، که همگی از گزارش‌های VA در مناطق روستایی آفریقای جنوبی استخراج شده‌اند. نتایج نشان می‌دهد که ویژگی‌های متنی روایی حاوی اطلاعات ارزشمندی برای تعیین علت مرگ هستند و ترکیب ویژگی‌های دودویی و متنی، وظیفه طبقه‌بندی خودکار علت مرگ را بهبود می‌بخشد.

به طور خلاصه، این پژوهش نشان می‌دهد که داده‌های متنی موجود در توضیحات شفاهی افراد مطلع (مانند اعضای خانواده یا مراقبان) حاوی اطلاعاتی بسیار غنی و کلیدی برای تشخیص علت مرگ است. این اطلاعات، زمانی که با داده‌های ساختاریافته (مانند سن، جنسیت، یا وجود بیماری‌های زمینه‌ای که به صورت بله/خیر ثبت شده‌اند) ترکیب می‌شوند، قادر به افزایش چشمگیر دقت الگوریتم‌های خودکار در تشخیص علت مرگ، به‌ویژه موارد مرتبط با هایپرگلیسمی، هستند. این یافته‌ها پتانسیل بالایی برای استفاده در سیستم‌های بهداشت عمومی با منابع محدود دارند.

۴. روش‌شناسی تحقیق

روش‌شناسی این تحقیق بر پایه استفاده از تکنیک‌های یادگیری ماشین برای تحلیل داده‌های حاصل از کالبدشکافی شفاهی استوار است. این مطالعه از داده‌های جمع‌آوری شده در مناطق روستایی آفریقای جنوبی بهره برده است، که جامعه‌ای با چالش‌های قابل توجه در زمینه ثبت دقیق علل مرگ محسوب می‌شود. رویکرد اصلی شامل دو بخش کلیدی بود:

• استخراج ویژگی‌ها:
  • ویژگی‌های دودویی (Binary Features): این دسته شامل اطلاعاتی است که به صورت بله/خیر یا وجود/عدم وجود ثبت می‌شوند. مثال‌هایی از این ویژگی‌ها می‌توانند شامل سابقه دیابت در فرد متوفی، علائم خاصی که پیش از مرگ مشاهده شده (مانند تکرر ادرار، تشنگی شدید)، یا وجود بیماری‌های زمینه‌ای دیگر باشند. این داده‌ها به صورت ساختاریافته جمع‌آوری می‌شوند.
  • ویژگی‌های متنی (Text Features): این بخش شامل روایات یا توضیحات شفاهی غیرساختاریافته است که توسط شاهدان یا افراد مطلع ارائه شده است. این متن‌ها می‌توانند شرحی از علائم پیش از مرگ، نحوه روند بیماری، یا جزئیاتی در مورد شرایط زندگی فرد باشند. برای استفاده از این داده‌ها در مدل‌های یادگیری ماشین، از تکنیک‌های پردازش زبان طبیعی (NLP) استفاده می‌شود. این تکنیک‌ها شامل مراحل مختلفی مانند پاکسازی متن (حذف کلمات اضافه، علائم نگارشی)، توکن‌سازی (تبدیل متن به کلمات یا عبارات منفرد)، و تبدیل متن به نمایش عددی (مانند TF-IDF یا Word Embeddings) است تا الگوریتم‌ها بتوانند آن را درک کنند.
• مدل‌سازی یادگیری ماشین:

  محققان از رویکرد یادگیری ماشین با استفاده از روش اعتبارسنجی متقابل (Cross-validation) بهره بردند. این روش اطمینان حاصل می‌کند که مدل بر روی بخش‌های مختلف داده‌ها آموزش و تست می‌شود تا از سوگیری (bias) جلوگیری شده و عملکرد آن به طور کلی ارزیابی گردد. سه سناریوی اصلی برای مدل‌سازی در نظر گرفته شد:

  • مدل فقط با ویژگی‌های دودویی: در این حالت، الگوریتم فقط با استفاده از اطلاعات ساختاریافته دودویی آموزش داده شد تا توانایی آن در تعیین علت مرگ فقط با این داده‌ها سنجیده شود.
  • مدل فقط با ویژگی‌های متنی: در این سناریو، مدل فقط بر اساس داده‌های استخراج شده از روایات شفاهی آموزش داده شد تا میزان اطلاعات مفید موجود در متن آشکار شود.
  • مدل ترکیبی (ویژگی‌های دودویی و متنی): این جامع‌ترین رویکرد بود که در آن، الگوریتم هم از داده‌های ساختاریافته دودویی و هم از داده‌های غیرساختاریافته متنی برای یادگیری و پیش‌بینی علت مرگ استفاده کرد.

  هدف نهایی، مقایسه عملکرد مدل‌ها در این سه سناریو و تعیین اینکه آیا تلفیق داده‌های متنی و دودویی منجر به بهبود قابل توجهی در دقت طبقه‌بندی علت مرگ می‌شود، بود. تمرکز بر مرگ‌های ناشی از هایپرگلیسمی، امکان ارزیابی دقیق‌تر عملکرد مدل را در یک حوزه بیماری خاص فراهم آورده است.

۵. یافته‌های کلیدی

نتایج حاصل از این تحقیق، نکات بسیار مهمی را در خصوص تحلیل داده‌های کالبدشکافی شفاهی و استفاده از یادگیری ماشین آشکار می‌سازد:

• ارزش اطلاعات متنی: یکی از برجسته‌ترین یافته‌ها این است که روایات متنی موجود در گزارش‌های VA حاوی اطلاعات ارزشمندی برای تعیین علت مرگ هستند. این یافته نشان می‌دهد که توضیحات شفاهی، حتی اگر غیرساختاریافته باشند، می‌توانند جزئیات و نشانه‌هایی را منعکس کنند که در داده‌های ساختاریافته به تنهایی وجود ندارد. برای مثال، توصیف دقیق نحوه بروز علائم، شدت درد، یا تغییرات رفتاری فرد پیش از مرگ، می‌تواند سرنخ‌های حیاتی برای تشخیص علت اصلی مرگ، به‌ویژه در مواردی مانند هایپرگلیسمی که علائم آن می‌تواند متنوع و در مراحل اولیه غیراختصاصی باشد، ارائه دهد.
• بهبود دقت با ترکیب داده‌ها: مهم‌ترین دستاورد تحقیق، تأیید این فرضیه است که ترکیب ویژگی‌های دودویی و متنی به طور قابل توجهی وظیفه طبقه‌بندی خودکار علت مرگ را بهبود می‌بخشد. زمانی که الگوریتم‌های یادگیری ماشین به هر دو نوع داده دسترسی دارند، قادرند تصویری کامل‌تر و دقیق‌تر از وضعیت فرد متوفی ترسیم کنند. این تلفیق، به مدل‌ها اجازه می‌دهد تا از هم‌افزایی بین اطلاعات ساختاریافته و غیرساختاریافته بهره ببرند و در نتیجه، دقت پیش‌بینی علت مرگ را افزایش دهند.
• عملکرد متناسب با نوع علت مرگ: گرچه مقاله بر هایپرگلیسمی تمرکز دارد، یافته‌ها پتانسیل عمومی‌تری را نشان می‌دهند. اما مشخص شده است که نوع علت مرگ می‌تواند بر میزان تأثیرگذاری هر نوع داده (متنی یا دودویی) تأثیر بگذارد. برای مثال، بیماری‌هایی با علائم ظریف یا پیچیده ممکن است بیشتر از روایات متنی سود ببرند، در حالی که بیماری‌هایی با نشانه‌های بالینی آشکار، ممکن است با ویژگی‌های دودویی نیز تا حد زیادی قابل تشخیص باشند.
• کارایی یادگیری ماشین: مطالعه نشان می‌دهد که الگوریتم‌های یادگیری ماشین، به‌ویژه با قابلیت پردازش زبان طبیعی، ابزارهای قدرتمندی برای استخراج اطلاعات از داده‌های پیچیده کالبدشکافی شفاهی هستند و می‌توانند جایگزین یا مکمل روش‌های سنتی تحلیل شوند.

۶. کاربردها و دستاوردها

این پژوهش، نتایج و دستاوردهای مهمی را برای حوزه بهداشت عمومی، به‌ویژه در کشورهای با منابع محدود، به ارمغان می‌آورد:

• بهبود ثبت علت مرگ: مهم‌ترین کاربرد این تحقیق، توانایی آن در ارتقاء کیفیت و دقت نظام‌های ثبت علت مرگ در مناطقی است که با کمبود داده مواجه هستند. با استفاده از ابزارهای مبتنی بر یادگیری ماشین، می‌توان اطلاعات پراکنده و گاهی مبهم حاصل از کالبدشکافی شفاهی را به طور خودکار و با دقت بالاتری پردازش کرد.
• پایش بیماری‌ها و اتخاذ سیاست‌های بهداشتی: داده‌های دقیق‌تر درباره علت مرگ، اساس اتخاذ تصمیمات آگاهانه در زمینه سیاست‌گذاری‌های بهداشتی را فراهم می‌کند. این تحقیق می‌تواند به دولت‌ها و سازمان‌های بهداشتی کمک کند تا بار بیماری‌های خاصی مانند دیابت و عوارض ناشی از هایپرگلیسمی را بهتر درک کرده و برنامه‌های پیشگیرانه و درمانی مؤثرتری را طراحی کنند.
• کاربرد در سیستم‌های هشدار اولیه: با تحلیل الگوهای مرگ‌ومیر بر اساس داده‌های ارتقاء یافته، می‌توان نسبت به شیوع بیماری‌ها یا عوامل خطر جدید هشدار داد و واکنش سریع‌تری نشان داد.
• توسعه ابزارهای پزشکی دیجیتال: این مطالعه راه را برای توسعه ابزارهای نرم‌افزاری پیشرفته‌تری که بتوانند به طور خودکار گزارش‌های پزشکی را تحلیل کرده و به تشخیص علل بیماری یا مرگ کمک کنند، هموار می‌سازد. پتانسیل استفاده از این رویکرد در سیستم‌های سلامت الکترونیک بسیار زیاد است.
• کاهش هزینه و زمان: تحلیل دستی حجم زیادی از داده‌های متنی می‌تواند زمان‌بر و پرهزینه باشد. استفاده از یادگیری ماشین و NLP این فرآیند را تسریع کرده و به شکل چشمگیری هزینه‌ها را کاهش می‌دهد.

دستاورد اصلی این پژوهش، نشان دادن پتانسیل عظیم فناوری‌های محاسباتی، به‌ویژه یادگیری ماشین و پردازش زبان طبیعی، در استخراج دانش از داده‌های پیچیده و غیرساختاریافته پزشکی است. این امر می‌تواند نقطه عطفی در تلاش برای دستیابی به پوشش همگانی سلامت و بهبود کیفیت زندگی در سراسر جهان باشد.

۷. نتیجه‌گیری

مقاله «به‌کارگیری یادگیری ماشین در تلفیق روایات کالبدشکافی شفاهی و ویژگی‌های دودویی در تحلیل مرگ‌های ناشی از هایپرگلیسمی» نشان می‌دهد که تلفیق هوشمندانه داده‌های ساختاریافته و غیرساختاریافته با استفاده از تکنیک‌های پیشرفته یادگیری ماشین، راهکاری بسیار مؤثر برای غلبه بر چالش‌های موجود در ثبت علت مرگ در مناطق با منابع محدود است. یافته‌های کلیدی این پژوهش، یعنی ارزش بالای اطلاعات موجود در روایات متنی و بهبود چشمگیر دقت طبقه‌بندی علت مرگ با ترکیب این اطلاعات با داده‌های دودویی، پیامدهای مهمی برای سیستم‌های بهداشت عمومی در سراسر جهان دارد.

این مطالعه نه تنها بر اهمیت پردازش زبان طبیعی در حوزه پزشکی تأکید می‌کند، بلکه نشان می‌دهد که با بهره‌گیری از الگوریتم‌های یادگیری ماشین، می‌توان اطلاعات نهفته در گزارش‌های کالبدشکافی شفاهی را استخراج و تحلیل کرد تا به درک عمیق‌تری از الگوهای مرگ‌ومیر دست یافت. این امر به نوبه خود، منجر به اتخاذ سیاست‌های بهداشتی مبتنی بر شواهد، بهبود برنامه‌های پیشگیری و درمان، و در نهایت، ارتقاء سلامت جامعه خواهد شد. این رویکرد، گامی مهم به سوی دستیابی به عدالت در سلامت و اطمینان از اینکه هیچ فردی به دلیل فقدان داده‌های صحیح از چرخه تصمیم‌گیری‌های بهداشتی حذف نمی‌شود، تلقی می‌گردد.