طوّر باحثون في جامعة سيدرز-سييناو الصحية نموذج ذكاء اصطناعي قائم على خوارزميات الذاكرة طويلة وقصيرة المدى (LSTM) للتنبؤ بانخفاض مستويات السكر في الدم لدى المرضى المقيمين في المستشفيات قبل حدوثه بـ24 ساعة. وينشر هذا النموذج في مجلة npj Digital Medicine، بهدف تحويل التعامل مع حالة نقص سكر الدم من نهج تفاعلي إلى استباقي، مما يسمح للفريق الطبي بالتدخل المبكر ومنع مضاعفات خطيرة تشمل النوبات والغيبوبة واضطرابات نظم القلب طويلة الأمد. ويعتبر نقص سكر الدم من المضاعفات الشائعة والمهددة للحياة بين المرضى، خاصة الذين يتلقون علاجاً للسكري أو يصومون قبل الإجراءات الطبية أو يخضعون للرعاية المركزة، لكن نقص الأدوات التنبؤية المعتمدة كان يحول دون إدارته بشكل فعال. يعتمد النموذج على تحليل أنماط متعددة في السجلات الصحية الإلكترونية للمرضى، تشمل الأدوية والنتائج المخبرية والوجبات، باستخدام فترات جمع بيانات مدتها أربع ساعات على مدار خمسة أيام. وتم تطوير النموذج واختباره باستخدام بيانات أكثر من 143 ألف حالة دخول بالغة إلى ثلاثة مستشفيات تابعة لنظام سيدرز-سييناو الصحي بين عامي 2014 و2025، مع إجراء اختبارات مستقبلية على بيانات مستشفيات حقيقية لتأكيد النتائج الأولية. ويؤكد فريق البحث أن أداة التنبيه لا تكشف المخاطر فحسب، بل تحدد أيضاً العوامل الرئيسية المساهمة فيها، مما يوفر رؤى قابلة للتنفيذ لفرق الرعاية ويدعم برامج إدارة السكري المؤسسية. وتقديرياً، قد تساعد هذه الأداة في منع ثلاث إلى أربع حالات نقص سكر يومياً في مستشفى كبير الحجم، ومن المتوقع أن يتضاعف تأثيرها بشكل كبير عند تعميمها على الأسرّة السريرية عالمياً. ويؤكد الدكتور جيسي ماير، الأستاذ المساعد في علوم الحاسوب الطبية الحيوية بالمؤسسة، أن النموذج مصمم للتحقق منه بشكل استباقي في الوقت الفعلي باستخدام البيانات الروتينية التي تجمعها المستشفيات بالفعل. وتضيف الدكتورة أماندا مومينزاده، المؤلفة الرئيسية، أن دمج هذه الأداة في البنية التحتية للمستشفيات يعزز من سلامة المرضى ويقلل الاعتماد على الاستجابة فقط بعد هبوط المؤشرات الحيوية. وإذا تم اعتماد النموذج على نطاق واسع، فسيُحدث تحولاً جذرياً في الرعاية المعتمدة على البيانات للمرضى المعرضين لتقلبات مستوى السكر، مما يضع معايير جديدة للرعاية الوقائية في البيئات السريرية الحديثة.