فجوات الإدراك بين الأطباء والمرضى العصبيين: دراسة آلية التعلم للتنبؤ

كم مرة شعرتَ بأن طبيبك لا يفهم تمامًا ما تمر به؟ أو ربما شعرتَ أنك لا تستطيع أن توصل له بدقة الأعراض التي تعاني منها؟ هذا الشعور، الشائع بين الكثيرين، ليس مجرد انطباع شخصي، بل هو واقع علمي يؤثر على جودة الرعاية الصحية. دراسة حديثة، أجراها باحثون، تسلط الضوء على الفجوات في الإدراك بين الأطباء والمرضى الذين يعانون من أمراض عصبية، وكيف يمكن للتكنولوجيا المتقدمة أن تساعد في سد هذه الفجوات.

منهجية البحث

ركزت دراسة “GAP-AI” على مجموعة من 197 مريضًا يعانون من ثلاثة أمراض عصبية رئيسية: مرض باركنسون، والتصلب المتعدد، والصرع. بالإضافة إلى ذلك، شارك 12 طبيبًا معالجًا لهؤلاء المرضى في الدراسة. تم جمع البيانات من خلال استبيانات مفصلة تم توزيعها على المرضى وأطبائهم خلال زيارتين للعيادة. وشملت هذه الاستبيانات: استبيان رضا المرضى المختصر (18 بندًا)، واستبيان اتخاذ القرار المشترك (9 بنود لكل من المرضى والأطباء)، ومؤشر بارثيل (Barthel Index) لتقييم الأنشطة اليومية، بالإضافة إلى بعض المجالات الفرعية من استبيان الصحة المختصر (36 بندًا) لتقييم جودة الحياة.

الهدف الرئيسي للباحثين كان تحديد “الفجوة في الإدراك” – أي الفرق بين إجابات المرضى والأطباء على الأسئلة المتطابقة في الاستبيانات. لم تكن هذه الفجوات كبيرة بشكل عام، لكنها كانت موجودة في مجالات مهمة مثل رضا المرضى، ومستوى المشاركة في اتخاذ القرارات العلاجية، والقدرة على القيام بالأنشطة اليومية، وجودة الحياة بشكل عام. قام الباحثون بتحليل البيانات لتحديد العوامل التي تؤثر على حجم هذه الفجوات، ثم استخدموا تقنيات التعلم الآلي (machine learning) لتطوير نماذج قادرة على التنبؤ بوجود هذه الفجوات قبل حدوثها.

التعلم الآلي ودوره في التنبؤ

استخدم فريق البحث عدة خوارزميات للتعلم الآلي، بما في ذلك خوارزمية “الجيران الأقرب” (k-nearest neighbors)، بهدف بناء نماذج تنبؤية دقيقة. هذه الخوارزميات تعمل عن طريق تحليل البيانات المتاحة والبحث عن أنماط تساعد في تحديد الحالات التي من المرجح أن تحدث فيها فجوة في الإدراك بين الطبيب والمريض. وتبين أن خوارزمية “الجيران الأقرب” قدمت أفضل أداء في التنبؤ بهذه الفجوات.

النتائج

أظهرت الدراسة وجود فجوات طفيفة، ولكنها ذات دلالة إحصائية، في إدراك كل من المرضى والأطباء فيما يتعلق برضا المرضى، ومستوى اتخاذ القرار المشترك، والقدرة على القيام بالأنشطة اليومية، وجودة الحياة. على سبيل المثال، قد يقيّم الطبيب حالة المريض على أنها أفضل مما يشعر بها المريض نفسه، أو قد يرى الطبيب أن المريض أكثر مشاركة في اتخاذ القرارات العلاجية مما هو الحال في الواقع.

كما كشفت الدراسة عن بعض العوامل التي تؤثر على حجم هذه الفجوات. تبين أن عمر الطبيب، وعدد سنوات خبرته، وحصوله على شهادة في علم الأعصاب، والمجال المحدد للأمراض العصبية التي يتعامل معها (مثل مرض باركنسون أو التصلب المتعدد)، وعدد المرضى الذين يعالجهم، كلها عوامل تلعب دورًا في تحديد مدى اختلاف إدراك الطبيب عن إدراك المريض. بشكل عام، وجد الباحثون أن الأطباء الأكثر خبرة يميلون إلى تقديم تقييمات أكثر صرامة لحالة المرضى مقارنة بتقييمات المرضى لأنفسهم.

آثار البحث

تكمن أهمية هذه الدراسة في أنها لا تقتصر على تحديد وجود فجوات في الإدراك، بل تسعى أيضًا إلى إيجاد طرق للتنبؤ بهذه الفجوات قبل حدوثها. إن القدرة على التنبؤ بالفجوات المحتملة في الإدراك يمكن أن تساعد الأطباء على تحسين التواصل مع مرضاهم، وتخصيص الرعاية الصحية بشكل أفضل، وزيادة مستوى الثقة والتعاون بين الطرفين.

إن استخدام تقنيات التعلم الآلي في هذا المجال يفتح الباب أمام تطوير أدوات جديدة يمكن أن تساعد الأطباء على فهم احتياجات مرضاهم بشكل أفضل، وتجنب سوء الفهم، وتقديم رعاية أكثر فعالية. على سبيل المثال، يمكن استخدام هذه الأدوات لتحديد المرضى الذين من المرجح أن يعانوا من فجوات في الإدراك، وتقديم لهم دعمًا إضافيًا أو توجيههم إلى موارد متخصصة.

هذه الدراسة تمثل خطوة مهمة نحو تحقيق رعاية صحية أكثر تركيزًا على المريض، حيث يتم أخذ وجهة نظر المريض في الاعتبار بشكل كامل، ويتم بناء علاقة قوية ومبنية على الثقة بين الطبيب والمريض. إن فهم الفجوات في الإدراك هو الخطوة الأولى نحو سد هذه الفجوات وتحسين جودة الحياة للمرضى الذين يعانون من أمراض عصبية.

Reference

Oyama G. (2026). Identification of perception gaps between physicians and patients with neurological diseases and the prediction of these gaps using machine learning. Scientific Reports, 16(1), 5394-5394.

DOI: 10.1038/s41598-025-33500-x