طوّر باحثون في مركز جونس هوبكنز سيكارونو للوقاية من أمراض القلب والأوعية الدموية معادلة مبسطة تعتمد على الذكاء الاصطناعي، لنسب الكوليسترول الضار منخفض الكثافة، بما يتفوق بدقة على النماذج الحسابية التقليدية ويغيّر منهجية تقييم المخاطر القلبية. ونشرت الدراسة، التي قادها الدكتور سيث مارتن، في مجلة جAMA Cardiology، مؤكدة أن النسخة الآلية من معادلة مارتن هوبكنز تحاكي دقة الأصلية تماماً بفارق قدره 0.5 ملغ لكل ديسي لتر فقط، وذلك بعد اختبارها على نحو 4.9 مليون عينة دم من الأطفال والبالغين الأمريكيين. اعتمد الفريق في بناء النموذج على قاعدة بيانات شاملة، حيث استُخدم 3.2 مليون عينة لتدريب الخوارزمية الآلية، و1.6 مليون عينة للاختبار، مع التوثيق الخارجي عبر بيانات المعامل المرجعية والتجارب السريرية الخاصة بأدوية خفض الكوليسترول. ومقارنةً بالمعايير المرجعية مثل الطرد المركزي فائق السرعة، أظهرت المعادلة الجديدة تفوقاً واضحاً على صيغتي فريدوارد وسانبسون معهد الصحة القومي، حيث صنّفت 90 في المئة من العينات ضمن الفئات العلاجية الصحيحة بدقة، في مقابل 86 و83 في المئة للنماذج الأخرى. وتبرز الأهمية السريرية لهذا الدقن القصوى بشكل خاص لدى المرضى عاليي المخاطر الذين يعانون من كوليسترول ضار منخفض ومثلثات دهنية مرتفعة، حيث حققت المعادلة الآلية تصنيفاً دقيقاً لـ84 في المئة من هذه العينات المعقدة، متفوقة بفارق كبير على البدائل السابقة التي لم تتجاوز 40 إلى 72 في المئة. يركز الفريق البحثي على جعل الأداة متاحة بسهولة عبر نشر الشفرة المصدرية مفتوحة الوصول، مما يتيح للمختبرات الطبية دمجها مع أنظمة قياساتها الحالية دون الحاجة إلى خطوات تقنية معقدة أو أنظمة غير شفافة. ويتماشى هذا التطور التقني مع إرشادات علاج الدهون الوطنية لعام 2026، التي توصي رسمياً بالاعتماد على معادلة مارتن هوبكنز لضبط مستويات الكوليسترول الضار تحت عتبات 100 و70 و55 ملغ لكل ديسي لتر وفقاً لمستوى الخطورة القلبية. وتمنح هذه الدقة المحسنة الأطباء والمرضى ثقة أعلى في اختيار العلاجات الدوائية المتقدمة، مثل مثبطات PCSK9، وتقلص هامش الخطأ الذي قد يحرم المرضى من الوقاية اللازمة من السكتات الدماغية والنوبات القلبية. وتظهر هذه الخطوة كيف يساهم دمج التعلم الآلي في المختبرات التشخيصية الروتينية في رفع كفاءة الرعاية الصحية الوقائية وتحسين النتائج السريرية على النطاق الواسع.