نموذج تنبؤ باسمك، يصمد أمام المحكمين
باختصار
نموذج يتنبأ، ويثبت ذلك.
يقدّر نموذج التنبؤ الإكلينيكي خطر حدوث نتيجة لدى فرد بعينه، وفاة أو إعادة إدخال أو مضاعفة أو استجابة، من معطيات متاحة لحظة القرار. ويوسّع تعلم الآلة نموذج الانحدار اللوجستي أو Cox الكلاسيكي بخوارزميات تلتقط الأنماط اللاخطية والتفاعلات: الانحدار المعاقَب (LASSO وridge وelastic-net)، والغابات العشوائية، والتعزيز المتدرج (XGBoost وLightGBM)، والشبكات العصبية.
ما الذي صُمم له
البيانات: سجلك أو فوجك، أو NIS وTriNetX وSEER وUK Biobank ومصادر مماثلة.
المنهجية: الانحدار المنتظم، random forest، gradient boosting، الشبكات العصبية؛ الضبط، التحقق الداخلي والخارجي، المعايرة، decision curve analysis، وSHAP.
المخرجات. مخطوطة وفق TRIPOD / TRIPOD+AI وحاسبة ويب تعمل فعلًا.
كيف تُنفَّذ
المنهج، شرحًا مباشرًا.
أطّر المهمة
النتيجة والأفق الزمني والمنبئات
تجهيز البيانات
تقسيم آمن من التسريب
التدريب وضبط المعاملات
من الانحدار إلى boosting
التحقق
AUC والمعايرة
المنفعة
منحنيات القرار، SHAP
التوثيق والإتاحة
TRIPOD+AI وحاسبة ويب
ما الذي تكسبه
لماذا يختار الباحثون هذا المسار.
- مجلات أعلى أثرًا، أسرع. نماذج الذكاء الاصطناعي وتعلم الآلة المُتحقق منها جيدًا من أكثر أنواع الدراسات طلبًا في المجلات الطبية حاليًا.
- بياناتك تعمل بجدّ أكبر. سجل أو أتراب تملكها بالفعل يمكن أن تصير أداة إنذارية، لا مجرد ورقة وصفية.
- مبني ليجتاز PROBAST. حجم العينة والتحقق والمعايرة كما يفحصها المحكمون المنهجيون.
- وتبقى أنت المؤلف. نبني النموذج ونتحقق منه معك وفق معايير ICMJE.
حدد نطاق النموذج
نتفق على النتيجة، والسياق، والمتنبئات المتاحة وقت القرار، وهل بياناتك أم قاعدة كبيرة هي المصدر الصحيح.
البروتوكول وحجم العينة
نحدد خط المعالجة مسبقًا ونتأكد أن البيانات تتحمل عدد المنبئات دون فرط ملاءمة.
التطوير
ندرب الخوارزميات المرشحة ونضبطها في Python أو R، مع نموذج أساس شفاف للمقارنة.
التحقق والتفسير
تحقق داخلي وخارجي، ومعايرة، وdecision curve analysis، وتفسير بـ SHAP.
المخطوطة والحاسبة
نصوغ معك ورقة TRIPOD+AI ونبني حاسبة الويب المرافقة لها.
التقديم والمراجعة
نرشح المجلات المناسبة، نجهز حزمة التقديم، ونرد على المحكمين معك حتى القرار.
أمثلة منشورة والمعايير
كيف يبدو عمل نماذج التنبؤ منشورًا.
دراسات منشورة لباحثين آخرين، تبيّن ما يتيحه هذا المسار.
هل يحسّن تعلم الآلة التنبؤ بالخطر القلبي الوعائي من بيانات المرضى الروتينية؟
Weng SF, et al. · 2017
أربع خوارزميات تعلم آلة قورنت مباشرة مع درجة خطر ACC/AHA لدى 378,256 مريضًا.
اقرأ في المجلة →
خوارزمية ECG بالذكاء الاصطناعي لكشف مرضى الرجفان الأذيني أثناء النظم الجيبي
Attia ZI, et al. · 2019
شبكة عصبية دُربت على 649,931 تخطيط قلب وتُحقق منها على عينة محجوزة، تطوير وتحقق كما ينبغي.
اقرأ في المجلة →
التنبؤ بالأحداث القلبية الوعائية بتعلم الآلة
Ambale-Venkatesh B, et al. · 2017
نماذج Random survival forests على بيانات تصوير ومؤشرات حيوية وإكلينيكية من فوج متعدد الأعراق تفوقت على درجات الخطر الراسخة.
اقرأ في المجلة →
تعلم الآلة في الطب
Rajkomar A, Dean J, Kohane I · 2019
المرجع الشامل لما يستطيعه تعلم الآلة وما لا يستطيعه في التنبؤ الإكلينيكي، والمزالق التي يبحث عنها المحكمون.
اقرأ في المجلة →
TRIPOD+AI statement: updated guidance for reporting clinical prediction models
Collins GS, et al. · 2024
قائمة التحقق التي تتوقعها المجلات الآن لنماذج التنبؤ الانحدارية وبتعلم الآلة، وكل نموذج من Cohira يُكتب وفقها.
اقرأ في المجلة →هذه منشورات مستقلة نعرضها لبيان المجال ومعاييره، وليست من أعمال Cohira. نساعدك على تطوير ونشر نماذج بصرامة مماثلة.
التسعير
رسوم واحدة، من الفكرة إلى النشر.
ما تشمله الرسوم
- البروتوكول، والتسجيل أو ملف الأخلاقيات حيث يتطلبه التصميم
- العمل على البيانات والتحليل المحدد مسبقًا
- مخطوطة جاهزة للمجلة مع الأشكال والملاحق
- قائمة مجلات مختصرة وحزمة التقديم كاملة
- الردود على المحكمين، في كل جولة، حتى القرار
- قائد مسمى للمشروع ومراجع داخلي ثانٍ
يُحتسب على حدة
- رسوم المجلات وتكاليف النشر، بسعر التكلفة
- الوصول لقواعد البيانات أو التراخيص، بسعر التكلفة
- ضمان القبول الاختياري، يُعرض مع التسعيرة
لكل مشروع، لا لكل مؤلف. النطاق والجدول الزمني يُثبتان في مذكرة الجدوى المجانية قبل أن تدفع. الخصومات وضمان القبول →
خطوتك التالية
نتيجة إكلينيكية تستحق أن تُتنبأ قبل وقوعها؟
أخبرنا بالنتيجة والبيانات التي تملكها أو تريد استخدامها. تصلك مذكرة جدوى مجانية: التصميم، والعينة المتوقعة، والمجلات المستهدفة الواقعية، قبل أي التزام.