من الرياضيات إلى الطب.. طريقة جديدة ترفع دقة التنبؤات العلمية وتقرّبها من النتائج الحقيقية

بقلم: يورونيوز

نشرت في

11/11/2025 - 12:00 GMT+1

كشف فريق دولي من علماء الرياضيات عن طريقة تنبؤ جديدة من شأنها تطوير دقة النماذج العلمية في مجالات الصحة والبيولوجيا والعلوم الاجتماعية. وأطلق الباحثون على هذه الطريقة اسم المتنبئ الخطي الأعلى اتفاقًا (Maximum Agreement Linear Predictor – MALP).

وقاد الإحصائي تاهيهو كيم من جامعة ليهاي فريقًا دوليًا طور MALP بهدف جعل التنبؤات أكثر توافقًا مع النتائج الحقيقية. وتعتمد الطريقة على تحسين معامل الارتباط التوافقي (Concordance Correlation Coefficient – CCC)، وهو مقياس يُستخدم لتقييم مدى محاذاة البيانات مع خط بزاوية 45 درجة في مخطط الانتشار.

ويجمع هذا المقياس بين الدقة (مدى تقارب النقاط من بعضها) والصحة (مدى قربها من خط المرجع). بينما تعتمد الأساليب التقليدية، مثل المربعات الصغرى، على تقليل متوسط الخطأ، إلا أنها قد تفشل عندما يكون الهدف الأساسي هو تحقيق أعلى مستوى من الاتفاق بين التوقعات والواقع.

ويقول كيم:"أحيانًا لا نريد فقط أن تكون تنبؤاتنا قريبة من القيم الفعلية، بل نريد أن تحقق أعلى اتفاق ممكن معها.. ويُقاس ذلك من خلال مدى محاذاة نقاط البيانات مع خط 45 درجة."

ويرتبط مفهوم الاتفاق عادة في الأذهان بـ معامل ارتباط بيرسون، الذي يُستخدم لقياس قوة العلاقة الخطية بين متغيرين. لكن هذا المقياس لا يحدد مدى قرب البيانات من خط 45 درجة، وقد يظهر ارتباطًا قويًا حتى لو كان ميل العلاقة 50 أو 75 درجة، كما يوضح كيم.

واختبر الفريق طريقة MALP باستخدام محاكاة رقمية وبيانات واقعية من دراسات تتعلق بالعين ودهون الجسم، حيث طبّق الباحثون النهج الجديد على بيانات مقارنة بين جهازين للتصوير المقطعي البصري للعين: جهاز Stratus OCT القديم وCirrus OCT الأحدث، وذلك في سياق حاجة الأطباء إلى تحويل دقيق وموثوق للقياسات بين الجهازين بعد انتقال العديد من العيادات إلى التقنية الجديدة، بما يضمن الحفاظ على الاتساق الطبي في المتابعة عبر الزمن.

وباستخدام صور عالية الجودة لـ 26 عينًا يسرى و30 عينًا يمنى، أظهرت النتائج أن MALP يقدم تقديرات أقرب إلى قياسات Stratus OCT، بينما قللت طريقة المربعات الصغرى متوسط الخطأ بشكل طفيف أفضل.

كما تم اختبار MALP على مجموعة بيانات تضم 252 بالغًا، تشمل قياسات الوزن ومحيط البطن وأبعاد جسمية أخرى. وتُستخدم هذه القياسات عادة للتنبؤ بنسبة الدهون نظرًا لارتفاع تكلفة الطرق المباشرة مثل الوزن تحت الماء.

وأظهرت النتائج أن MALP قدم تنبؤات أكثر توافقًا مع القيم الفعلية، فيما قدمت طريقة المربعات الصغرى أخطاء متوسطة أقل قليلًا.

وخلص الباحثون إلى أن MALP يوفر تنبؤات تتوافق بشكل أفضل مع البيانات الحقيقية مقارنة بالأساليب التقليدية. لكنهم يؤكدون أن اختيار الطريقة يعتمد على هدف كل مشروع، فإذا كان الهدف تقليل متوسط الخطأ، فالطرق التقليدية تظل مناسبة، وإذا كان الهدف تحقيق أعلى مستوى من الاتفاق، فإن MALP هو الخيار الأفضل.

وتشير النتائج إلى إمكانية استخدام MALP في العديد من المجالات، بما في ذلك الطب والصحة العامة والاقتصاد والهندسة، ما يجعله أداة واعدة لتحسين النماذج التنبؤية.