نموذج ذكاء اصطناعي متعدد الوسائط يكشف عوامل خطر محاولة الانتحار لدى مرضى اضطراب الشخصية الحدودية

Name: نموذج ذكاء اصطناعي متعدد الوسائط يكشف عوامل خطر محاولة الانتحار لدى مرضى اضطراب الشخصية الحدودية
Author: مدرس الدكتور محمد لوتي

مدرس الدكتور محمد لوتي

doi:10.1038/s41598-025-31550-9

علم النفس العام

نموذج ذكاء اصطناعي متعدد الوسائط يكشف عوامل خطر محاولة الانتحار لدى مرضى اضطراب الشخصية الحدودية

مارس 26, 2026 • مدرس الدكتور محمد لوتي •

تخيل أنك طبيب نفسي تحاول مساعدة مريض يعاني من اضطراب الشخصية الحدية (BPD)، وهو اضطراب معقد يتميز بتقلبات مزاجية حادة وصعوبة في تنظيم العواطف. أحد أكبر التحديات في علاج هذا الاضطراب هو التنبؤ بمحاولات الانتحار، حيث أن نسبة كبيرة من المرضى – تصل إلى 73% – قد يحاولون الانتحار عدة مرات خلال حياتهم. هل يمكن للتكنولوجيا أن تساعد في تحديد هؤلاء المرضى المعرضين للخطر بشكل أكثر دقة؟

منهجية البحث

قام باحثون بتطوير نموذج ذكاء اصطناعي جديد يسمى DRAMA-BPD (الكشف عن محاولات الانتحار السابقة باستخدام أساليب التعلم الآلي في اضطراب الشخصية الحدية) بهدف التمييز بين الأفراد المصابين باضطراب الشخصية الحدية الذين حاولوا الانتحار وأولئك الذين لم يحاولوا. يعتمد هذا النموذج على تحليل مجموعة متنوعة من البيانات، ما يعرف بالبيانات متعددة الأوجه (multimodal data)، والتي تشمل المعلومات الديموغرافية (مثل العمر والجنس)، والبيانات السريرية (مثل الأعراض النفسية التي يعاني منها المريض)، وصور الرنين المغناطيسي للدماغ (MRI). تم تدريب DRAMA-BPD على بيانات 104 فردًا مصابًا باضطراب الشخصية الحدية، تم جمعهم من مجموعتين مختلفتين من المرضى.

عملية التدريب تضمنت استخلاص الميزات (feature extraction) من البيانات المختلفة. بمعنى آخر، قام الباحثون بتحديد الجوانب الأكثر أهمية في كل نوع من البيانات التي يمكن أن تساعد النموذج في التمييز بين المجموعتين. على سبيل المثال، في صور الرنين المغناطيسي، قاموا بقياس حجم وسمك مناطق معينة في الدماغ. ولضمان أن النموذج ليس مجرد “صندوق أسود” (black box) – أي أنه يتخذ قرارات دون أن يكون من الواضح سبب اتخاذه لهذه القرارات – استخدم الباحثون تقنية تسمى SHAP (قيم شابلي الإضافية) لتقييم قابلية تفسير النموذج. تساعد هذه التقنية في تحديد أي الميزات (مثل حجم منطقة معينة في الدماغ أو درجة أعراض معينة) كانت الأكثر تأثيرًا في تصنيف النموذج للمرضى.

النتائج

أظهرت النتائج الأولية أن DRAMA-BPD قادر على التمييز بين الأفراد الذين حاولوا الانتحار وأولئك الذين لم يحاولوا بدقة معتدلة. حقق النموذج دقة متوازنة (balanced accuracy) بلغت 0.68، مما يعني أنه قام بتصنيف المرضى بشكل صحيح في حوالي 68% من الحالات. كما حقق حساسية (sensitivity) بلغت 0.58، مما يعني أنه تمكن من تحديد 58% من الأفراد الذين حاولوا الانتحار بشكل صحيح. في المقابل، حقق النموذج خصوصية (specificity) بلغت 0.77، مما يعني أنه تمكن من تحديد 77% من الأفراد الذين لم يحاولوا الانتحار بشكل صحيح. تم قياس أداء النموذج أيضًا باستخدام مقياس يسمى AUC (منطقة تحت المنحنى)، والذي بلغ 0.68.

الأهم من ذلك، كشف تحليل SHAP أن حجم وسمك مناطق معينة في القشرة الدماغية (cortical volumes and thickness) – وهي الطبقة الخارجية للدماغ المسؤولة عن العديد من الوظائف المعرفية – بالإضافة إلى نتائج مقياس Symptoms Checklist 90 Revised (SCL-90-R) – وهو استبيان يستخدم لتقييم الأعراض النفسية – كانت المساهمين الرئيسيين في تصنيف النموذج. يشير هذا إلى أن التغيرات في بنية الدماغ وشدة الأعراض النفسية قد تكون مؤشرات مهمة على خطر الانتحار لدى الأفراد المصابين باضطراب الشخصية الحدية.

دلالات البحث

على الرغم من أن هذه الدراسة هي دراسة تجريبية أولية (pilot study) ذات حجم عينة صغير، إلا أنها تقدم أدلة واعدة على أن الذكاء الاصطناعي يمكن أن يلعب دورًا في تحديد الأفراد المصابين باضطراب الشخصية الحدية المعرضين لخطر الانتحار. إن القدرة على تحديد هؤلاء الأفراد في وقت مبكر يمكن أن تسمح للأطباء بتقديم تدخلات علاجية أكثر فعالية، مثل العلاج النفسي أو الأدوية، لتقليل خطر الانتحار.

يؤكد الباحثون على أن DRAMA-BPD ليس أداة تشخيصية نهائية، بل هو أداة مساعدة يمكن أن تساعد الأطباء في اتخاذ قراراتهم. من الضروري إجراء المزيد من البحوث، بما في ذلك دراسات على مجموعات أكبر من المرضى، للتحقق من صحة هذه النتائج وتحديد أفضل طريقة لدمج هذا النموذج في الممارسة السريرية. كما أن فهم الآليات التي تربط بين التغيرات في بنية الدماغ والأعراض النفسية وخطر الانتحار يمكن أن يؤدي إلى تطوير علاجات جديدة وأكثر استهدافًا لاضطراب الشخصية الحدية.

Reference

Crema C. (2025). An explainable multimodal artificial intelligence model for classifying suicide attempters with <a href="https://arabpsychology.com/tag/borderline-personality-disorder/” class=”wpa-auto-link”>borderline personality disorder: a pilot study. Scientific Reports, 16(1), 1902-1902.

DOI: 10.1038/s41598-025-31550-9

تفاصيل الدراسة

Article

Scientific Reports

ديسمبر 19, 2025 • 1 الاقتباسات:

Claudio Crema Alberto Boccali Alessandra Martinelli Silvia De Francesco Serena Meloni ...

IT

Claudio Crema et al. (2025). An explainable multimodal artificial intelligence model for classifying suicide attempters with borderline personality disorder: a pilot study

DOI: 10.1038/s41598-025-31550-9

اقرأ الملخص العلمي الأصلي

Borderline Personality Disorder (BPD) is a severe mental disorder marked by emotional dysregulation. Estimates show that 73% of patients with BPD will have, on average, three suicide attempts in their lifetime, with up to 10% of cases resulting in death. Reliable tools to identify risk factors associated with suicide are lacking. Artificial Intelligence (AI) could fill this gap, supporting the development of effective intervention strategies. This pilot study provides preliminary evidence that a multimodal signature could differentiate suicide attempts in individuals with BPD, paving the way to prospective cohort validation and clinical applications. We developed DRAMA-BPD (Detecting Retrospective suicide Attempts with Machine learning Approaches in Borderline Personality Disorder), an explainable, multimodal, Machine Learning (ML) model based on an ensemble classifier of lifetime suicide attempters among people with BPD. DRAMA-BPD was trained on the sociodemographic, clinical, and MRI data of 104 individuals with BPD recruited from two cohorts. Processing techniques adopted included feature extraction. SHapley Additive exPlanations (SHAP) was used to assess model interpretability. DRAMA-BPD achieved a balanced accuracy of 0.68, sensitivity of 0.58, specificity of 0.77, and AUC of 0.68. SHAP analysis identified cortical volumes and thickness from T1-weighted images and Symptoms Checklist 90 Revised (SCL-90-R) as the main contributors to classification.

اقتبس من هذا المقالة

APAMLACHICAGOHARVARDIEEEAMA

مدرس الدكتور محمد لوتي (2026). نموذج ذكاء اصطناعي متعدد الوسائط يكشف عوامل خطر محاولة الانتحار لدى مرضى اضطراب الشخصية الحدودية. عرب سايكلوجي. تم الاسترجاع من https://arabpsychology.com/field-news/%d9%86%d9%85%d9%88%d8%b0%d8%ac-%d8%b0%d9%83%d8%a7%d8%a1-%d8%a7%d8%b5%d8%b7%d9%86%d8%a7%d8%b9%d9%8a-%d9%85%d8%aa%d8%b9%d8%af%d8%af-%d8%a7%d9%84%d9%88%d8%b3%d8%a7%d8%a6%d8%b7-%d9%8a%d9%83%d8%b4%d9%81/

مدرس الدكتور محمد لوتي. "نموذج ذكاء اصطناعي متعدد الوسائط يكشف عوامل خطر محاولة الانتحار لدى مرضى اضطراب الشخصية الحدودية." عرب سايكلوجي, 26 مارس. 2026, https://arabpsychology.com/field-news/%d9%86%d9%85%d9%88%d8%b0%d8%ac-%d8%b0%d9%83%d8%a7%d8%a1-%d8%a7%d8%b5%d8%b7%d9%86%d8%a7%d8%b9%d9%8a-%d9%85%d8%aa%d8%b9%d8%af%d8%af-%d8%a7%d9%84%d9%88%d8%b3%d8%a7%d8%a6%d8%b7-%d9%8a%d9%83%d8%b4%d9%81/.

مدرس الدكتور محمد لوتي. "نموذج ذكاء اصطناعي متعدد الوسائط يكشف عوامل خطر محاولة الانتحار لدى مرضى اضطراب الشخصية الحدودية." عرب سايكلوجي, 2026. https://arabpsychology.com/field-news/%d9%86%d9%85%d9%88%d8%b0%d8%ac-%d8%b0%d9%83%d8%a7%d8%a1-%d8%a7%d8%b5%d8%b7%d9%86%d8%a7%d8%b9%d9%8a-%d9%85%d8%aa%d8%b9%d8%af%d8%af-%d8%a7%d9%84%d9%88%d8%b3%d8%a7%d8%a6%d8%b7-%d9%8a%d9%83%d8%b4%d9%81/.

مدرس الدكتور محمد لوتي (2026) 'نموذج ذكاء اصطناعي متعدد الوسائط يكشف عوامل خطر محاولة الانتحار لدى مرضى اضطراب الشخصية الحدودية', عرب سايكلوجي. متاح في: https://arabpsychology.com/field-news/%d9%86%d9%85%d9%88%d8%b0%d8%ac-%d8%b0%d9%83%d8%a7%d8%a1-%d8%a7%d8%b5%d8%b7%d9%86%d8%a7%d8%b9%d9%8a-%d9%85%d8%aa%d8%b9%d8%af%d8%af-%d8%a7%d9%84%d9%88%d8%b3%d8%a7%d8%a6%d8%b7-%d9%8a%d9%83%d8%b4%d9%81/.

[1] مدرس الدكتور محمد لوتي, "نموذج ذكاء اصطناعي متعدد الوسائط يكشف عوامل خطر محاولة الانتحار لدى مرضى اضطراب الشخصية الحدودية," عرب سايكلوجي, مجلد X, عدد Y, ص Z-Z, مارس, 2026.

مدرس الدكتور محمد لوتي. نموذج ذكاء اصطناعي متعدد الوسائط يكشف عوامل خطر محاولة الانتحار لدى مرضى اضطراب الشخصية الحدودية. عرب سايكلوجي. 2026;vol(issue):pages.

تحميل المقال (.PDF)