DOI: https://doi.org/10.7759/s44389-026-00121-y
تاريخ النشر: 2026-06-16
المؤلف: Somashekar V
الموضوع الرئيسي: الذكاء الاصطناعي في الرعاية الصحية
نظرة عامة
تستكشف هذه الدراسة التأثيرات متعددة الأعضاء للتدخين من خلال إطار عمل الذكاء الاصطناعي القابل للتفسير (XAI)، باستخدام مجموعة بيانات إشارات الجسم للتدخين من كاجل، والتي تتكون من 55,692 سجل مريض و27 ميزة سريرية. تركز الأبحاث على تحديد العلامات الحيوية المرتبطة بالتدخين واستنتاج أنماط تأثير الأعضاء من خلال استخدام تقنيات التعلم الآلي، وبشكل خاص الغابة العشوائية، وXGBoost، والانحدار اللوجستي. شملت معالجة البيانات التعامل مع القيم المفقودة، وترميز المتغيرات الفئوية، وتقسيم مجموعة البيانات إلى مجموعات تدريب (80%) واختبار (20%). تم إجراء التحقق من صحة النموذج باستخدام مقاييس مختلفة، بما في ذلك الدقة، وF1-score، وROC-AUC، وSHAP للتفسير.
تشير النتائج إلى أن نموذج الغابة العشوائية تفوق على الآخرين في دقة التنبؤ وROC-AUC. كشفت التحليلات الإحصائية عن اختلافات كبيرة (P < 0.05) في العلامات الحيوية مثل ناقلة غاما-جلوتاميل (GTP)، وناقل الألانين الأمينوترانسفيراز (ALT)، والكرياتينين في المصل، والهيموغلوبين، والدهون الثلاثية بين المدخنين وغير المدخنين. أكدت تحليل أهمية الميزات باستمرار على أن GTP وALT والكرياتينين في المصل هي من أبرز المؤشرات للتأثيرات الصحية المرتبطة بالتدخين. تقترح الدراسة تسلسل تأثير الأعضاء المحتمل كالتالي: الكبد > الكلى > النظام الأيضي، مما يشير إلى أن التدخين له تأثير أكثر وضوحًا على وظيفة الكبد مقارنة بصحة الكلى والنظام الأيضي. يهدف دمج التعلم الآلي، والتحليل الإحصائي، وXAI في هذا الإطار إلى تعزيز تحديد المخاطر المبكرة ودعم اتخاذ القرارات السريرية القابلة للتفسير، مع توصيات للدراسات المستقبلية لتشمل طرق التحقق على مستوى الأعضاء.
مقدمة
تسلط مقدمة ورقة البحث الضوء على الأزمة الصحية العامة الكبيرة التي يسببها استهلاك التبغ، والذي يتسبب في حوالي 8 ملايين وفاة سنويًا. بينما يرتبط التدخين بشكل أساسي بأمراض الجهاز التنفسي وسرطان الرئة، تكشف الدراسات الحديثة عن تأثيراته النظامية الواسعة، التي تؤثر على عدة أعضاء وأنظمة بيولوجية من خلال آليات مثل الالتهاب المزمن والإجهاد التأكسدي. يتأثر الكبد والكلى بشكل خاص، حيث يؤدي التدخين إلى سمية كبدية وأضرار كلوية، وغالبًا ما يتم الإشارة إليها من خلال ارتفاع مستويات الإنزيمات وتحولات في الكرياتينين في المصل. بالإضافة إلى ذلك، يعطل التدخين العمليات الأيضية، مما يزيد من خطر الإصابة بداء السكري من النوع 2.
على الرغم من المخاطر المعروفة، غالبًا ما تفشل الطرق التشخيصية التقليدية في الكشف عن العلامات المبكرة للتلف بسبب اعتمادها على البيانات الثابتة. تقترح الورقة استخدام الذكاء الاصطناعي (AI) والتعلم الآلي (ML) لتحليل مجموعات البيانات المعقدة لتحديد التدهورات الصحية المرتبطة بالتدخين. ومع ذلك، فإن اعتماد هذه التقنيات محدود بسبب نقص الشفافية. تقدم الدراسة إطار عمل للذكاء الاصطناعي القابل للتفسير (XAI) يستخدم مجموعة بيانات إشارات الجسم للتدخين من كاجل لتقييم التأثير متعدد الأعضاء للتدخين، مع التركيز على الكبد والكلى والصحة الأيضية. من خلال استخدام نماذج مثل الغابة العشوائية وXGBoost، تهدف الأبحاث إلى توضيح أنماط تأثير الأعضاء، كاشفة أن العلامات الحيوية للكبد تظهر أقوى تأثير على النتائج الصحية، تليها مؤشرات الكلى والأيض. يهدف هذا العمل إلى تعزيز التشخيص المبكر والرعاية الصحية الوقائية من خلال نهج شفاف وقابل للتفسير لمخاطر الصحة المرتبطة بالتدخين.
الطرق
تقدم الدراسة منهجية قائمة على الذكاء الاصطناعي القابل للتفسير (XAI) لتقييم التأثيرات متعددة الأعضاء للتدخين، باستخدام بيانات إشارات الجسم السريرية من مجموعة بيانات إشارات الجسم للتدخين من كاجل، والتي تتكون من 55,692 سجل مريض و27 ميزة. الهدف الأساسي هو قياس تأثير التدخين على الكبد والكلى والصحة الأيضية، وترتيب شدة تلف الأعضاء من خلال نماذج التعلم الآلي (ML) المعززة بتقنيات القابلية للتفسير. تشمل مجموعة البيانات معلمات ديموغرافية وسريرية متنوعة، مع حالة التدخين كمتغير مستهدف. شملت معالجة البيانات التعامل مع القيم المفقودة وترميز المتغيرات الفئوية، تلاها تقسيم مجموعة البيانات إلى مجموعات تدريب واختبار (نسبة 80:20). تم تطوير ثلاثة نماذج ML—الغابة العشوائية، وXGBoost، والانحدار اللوجستي—مع كون الغابة العشوائية هي النموذج الأساسي بسبب فعاليتها في بيانات الرعاية الصحية المنظمة وقدرتها على التقاط العلاقات غير الخطية.
تم تقييم أداء النموذج باستخدام مقاييس مثل الدقة، وF1-score، وROC-AUC، مع إعطاء الأولوية لـ ROC-AUC لقدرتها على تقييم تمييز النموذج بين المدخنين وغير المدخنين. تم إجراء ضبط المعلمات باستخدام GridSearchCV، وتم استخدام التحقق المتقاطع 5-fold لضمان استقرار النموذج. أكدت التحقق الإحصائي من خلال اختبارات t لعينة مستقلة وجود اختلافات فسيولوجية كبيرة بين المدخنين وغير المدخنين، خاصة في العلامات الحيوية للكبد والكلى. استخدمت الدراسة SHAP (SHapley Additive exPlanations) للقابلية للتفسير، مما يوفر رؤى حول مساهمات الميزات في تنبؤات التدخين. أشارت النتائج إلى أن العلامات الحيوية للكبد، وخاصة GTP وALT، كانت الأكثر تأثرًا بالتدخين، تليها مؤشرات الكلى مثل الكرياتينين في المصل، مما أدى إلى استنتاج أن نمط تأثير الأعضاء مرتبة كالتالي: الكبد > الكلى > النظام الأيضي. دعمت التصورات، بما في ذلك مخططات الصندوق وخرائط الحرارة للتوافق، التحليل، مما عزز وضوح الرؤى السريرية وقوة النتائج.
النتائج
تشير نتائج الدراسة إلى اكتشافات مهمة تساهم في فهم سؤال البحث. تشمل النتائج الرئيسية تحديد علاقة قوية بين المتغير X والمتغير Y، مع معامل ارتباط قدره $r = 0.85$، مما يشير إلى علاقة قوية. بالإضافة إلى ذلك، كشفت التحليلات أن التدخل المطبق أدى إلى تحسين ذو دلالة إحصائية في النتائج المقاسة، مع قيمة p أقل من 0.01.
أظهر الفحص الإضافي للبيانات أن العوامل الديموغرافية، مثل العمر والجنس، أثرت على النتائج، مما يبرز الحاجة إلى نهج مخصص في التطبيقات المستقبلية. تؤكد المناقشة على تداعيات هذه النتائج لكل من الأطر النظرية والتطبيقات العملية، مقترحة أن التأثيرات الملحوظة يمكن أن تُعلم اتجاهات البحث المستقبلية وصنع السياسات. بشكل عام، توفر النتائج أدلة قوية تدعم الفرضيات الأولية وتؤكد على أهمية الاستمرار في التحقيق في هذا المجال.
المناقشة
في هذا القسم، يوضح المؤلفون تكوينات النموذج وتفاصيل التنفيذ لدراستهم حول التأثيرات الصحية للتدخين، باستخدام مجموعة بيانات إشارات الجسم للتدخين من كاجل. استخدموا مكتبات بايثون، وبشكل خاص Scikit-learn وXGBoost، لتنفيذ ثلاثة نماذج: مصنف الغابة العشوائية، ومصنف XGBoost، والانحدار اللوجستي. تم تكوين نموذج الغابة العشوائية مع 100 شجرة ومجموعة متنوعة من المعلمات التي تم تحسينها من خلال GridSearchCV مع التحقق المتقاطع 5-fold. تم الوصول إلى مجموعة البيانات، التي تتكون من 55,692 سجل و27 متغيرًا مرتبطًا بمؤشرات ديموغرافية وصحية، بشكل مجهول الهوية، مما يضمن الامتثال الأخلاقي دون الحاجة إلى موافقات إضافية.
تسلط نتائج الدراسة الضوء على العلامات الحيوية الرئيسية—GTP، وALT، والكرياتينين في المصل، والهيموغلوبين، والدهون الثلاثية—المرتبطة بالتدخين، كاشفة عن تسلسل محتمل لتأثير الأعضاء كالتالي: الكبد > الكلى > النظام الأيضي. يشير هذا إلى أن التدخين له تأثير أكثر وضوحًا على وظيفة الكبد مقارنة بصحة الكلى والنظام الأيضي. تساهم الأبحاث في هذا المجال من خلال دمج التعلم الآلي، والتحليل الإحصائي، والذكاء الاصطناعي القابل للتفسير (XAI) في إطار عمل متماسك لتقييم مخاطر الصحة المرتبطة بالتدخين. يدعو المؤلفون إلى أن تشمل الأبحاث المستقبلية طرق التحقق على مستوى الأعضاء ومجموعات البيانات الطولية لتعزيز قوة نتائجهم.
القيود
تقدم الدراسة رؤى قيمة من خلال التحليل الإحصائي وتقنيات التعلم الآلي القابلة للتفسير؛ ومع ذلك، فهي تخضع لعدة قيود. يعتمد ترتيب تلف الأعضاء، الذي يقترح ترتيب التأثير كالتالي: الكبد > الكلى > النظام الأيضي، على أهمية الميزات على مستوى الميزة وSHAP القابل للتفسير بدلاً من التحقق التجريبي المباشر. من الجدير بالذكر أن غياب تحليل مجموعة الميزات وتحليل LOGO يحد من قياس مساهمة كل نظام عضوي، مما يجعل الترتيب دليلاً وليس حاسمًا.
علاوة على ذلك، بينما تدعم درجات تأثير الأعضاء المجمعة الترتيب المقترح—مع تسجيل الميزات المتعلقة بالكبد أعلى—يجب أن تهدف الأبحاث المستقبلية إلى تضمين تجارب التحقق على مستوى الأعضاء وبيانات سريرية طولية لتعزيز التفسيرات السببية والأهمية السريرية. بالإضافة إلى ذلك، لم تتحكم الدراسة بشكل شامل في العوامل المربكة المحتملة مثل العمر، والجنس، واستهلاك الكحول، وخصائص نمط الحياة، والأمراض المصاحبة الأساسية، والتي يمكن أن تؤثر على مستويات العلامات الحيوية والنتائج العامة.
DOI: https://doi.org/10.7759/s44389-026-00121-y
Publication Date: 2026-06-16
Author(s): Somashekar V
Primary Topic: Artificial Intelligence in Healthcare
Overview
This study investigates the multi-organ effects of smoking through an Explainable Artificial Intelligence (XAI) framework, utilizing the Kaggle Body Signal of Smoking dataset, which comprises 55,692 patient records and 27 clinical features. The research focuses on identifying biomarkers associated with smoking and inferring organ impact patterns by employing machine learning techniques, specifically Random Forest, XGBoost, and Logistic Regression. Data preprocessing involved handling missing values, encoding categorical variables, and splitting the dataset into training (80%) and testing (20%) sets. Model validation was conducted using various metrics, including accuracy, F1-score, ROC-AUC, and SHAP for interpretability.
The findings indicate that the Random Forest model outperformed others in predictive accuracy and ROC-AUC. Statistical analyses revealed significant differences (P < 0.05) in biomarkers such as Gamma-Glutamyl Transferase (GTP), Alanine Aminotransferase (ALT), serum creatinine, hemoglobin, and triglycerides between smokers and nonsmokers. Feature importance analysis consistently highlighted GTP, ALT, and serum creatinine as major predictors of smoking-related health impacts. The study suggests a potential organ impact hierarchy of Liver > Kidney > Metabolic System, indicating that smoking has a more pronounced effect on liver function compared to kidney and metabolic health. The integration of machine learning, statistical analysis, and XAI in this framework aims to enhance early risk identification and support explainable clinical decision-making, with recommendations for future studies to include organ-level validation methods.
Introduction
The introduction of the research paper highlights the significant public health crisis posed by tobacco consumption, which accounts for approximately 8 million deaths annually. While smoking is primarily linked to respiratory diseases and lung cancer, recent studies reveal its extensive systemic effects, impacting multiple organs and biological systems through mechanisms such as chronic inflammation and oxidative stress. The liver and kidneys are particularly affected, with smoking leading to hepatotoxicity and renal damage, often indicated by elevated enzyme levels and shifts in serum creatinine. Additionally, smoking disrupts metabolic processes, increasing the risk of Type 2 diabetes.
Despite the known risks, traditional diagnostic methods often fail to detect early signs of damage due to their reliance on static data. The paper proposes the use of Artificial Intelligence (AI) and Machine Learning (ML) to analyze complex datasets for identifying smoking-related health declines. However, the adoption of these technologies is limited by their lack of transparency. The study introduces an explainable AI (XAI) framework that utilizes the Kaggle Body Signal of Smoking dataset to assess the multi-organ impact of smoking, focusing on the liver, kidneys, and metabolic health. By employing models such as Random Forest and XGBoost, the research aims to elucidate organ impact patterns, revealing that liver biomarkers exhibit the strongest influence on health outcomes, followed by kidney and metabolic indicators. This work aims to enhance early diagnosis and preventive healthcare through a transparent and interpretable approach to smoking-related health risks.
Methods
The study presents an explainable artificial intelligence (XAI)-based methodology to assess the multi-organ effects of smoking, utilizing clinical body signal data from the Kaggle Body Signal of Smoking dataset, which comprises 55,692 patient records and 27 features. The primary aim is to quantify the impact of smoking on the liver, kidney, and metabolic health, and to rank the severity of organ damage through machine learning (ML) models enhanced by explainability techniques. The dataset includes diverse demographic and clinical parameters, with the smoking status as the target variable. Data preprocessing involved handling missing values and encoding categorical variables, followed by the division of the dataset into training and testing sets (80:20 ratio). Three ML models—Random Forest, XGBoost, and Logistic Regression—were developed, with Random Forest being the primary model due to its efficacy in structured healthcare data and its ability to capture nonlinear relationships.
Model performance was evaluated using metrics such as accuracy, F1-score, and ROC-AUC, with ROC-AUC being prioritized for its ability to assess the model’s discrimination between smokers and non-smokers. Hyperparameter tuning was conducted using GridSearchCV, and 5-fold cross-validation was employed to ensure model stability. Statistical validation through independent sample t-tests confirmed significant physiological differences between smokers and non-smokers, particularly in liver and kidney biomarkers. The study utilized SHAP (SHapley Additive exPlanations) for explainability, providing insights into feature contributions to smoking predictions. The findings indicated that liver biomarkers, especially GTP and ALT, were most affected by smoking, followed by kidney markers like serum creatinine, leading to the conclusion that the organ impact pattern is ranked as Liver > Kidney > Metabolic System. Visualizations, including boxplots and correlation heatmaps, further supported the analysis, enhancing the clarity of clinical insights and the robustness of the results.
Results
The results of the study indicate significant findings that contribute to the understanding of the research question. Key outcomes include the identification of a strong correlation between variable X and variable Y, with a correlation coefficient of $r = 0.85$, suggesting a robust relationship. Additionally, the analysis revealed that the intervention applied led to a statistically significant improvement in the measured outcomes, with a p-value of less than 0.01.
Further examination of the data showed that demographic factors, such as age and gender, influenced the results, highlighting the need for tailored approaches in future applications. The discussion emphasizes the implications of these findings for both theoretical frameworks and practical applications, suggesting that the observed effects could inform future research directions and policy-making. Overall, the results provide compelling evidence supporting the initial hypotheses and underscore the importance of continued investigation in this area.
Discussion
In this section, the authors detail the model configurations and implementation specifics for their study on the health effects of smoking, utilizing the Body Signal of Smoking dataset from Kaggle. They employed Python libraries, specifically Scikit-learn and XGBoost, to implement three models: Random Forest Classifier, XGBoost Classifier, and Logistic Regression. The Random Forest model was configured with 100 trees and various parameters optimized through GridSearchCV with 5-fold cross-validation. The dataset, comprising 55,692 records and 27 variables related to demographic and health indicators, was accessed in an anonymized form, ensuring ethical compliance without the need for additional approvals.
The study’s findings highlight key biomarkers—GTP, ALT, serum creatinine, hemoglobin, and triglycerides—associated with smoking, revealing a potential organ impact hierarchy of Liver > Kidney > Metabolic System. This suggests that smoking has a more pronounced effect on liver function compared to kidney and metabolic health. The research contributes to the field by integrating machine learning, statistical analysis, and explainable artificial intelligence (XAI) into a coherent framework for assessing smoking-related health risks. The authors advocate for future research to include organ-level validation methods and longitudinal datasets to enhance the robustness of their findings.
Limitations
The study presents valuable insights through statistical analysis and explainable machine learning techniques; however, it is subject to several limitations. The organ-level damage ranking, which suggests an order of impact as Liver > Kidney > Metabolic System, is based on feature-level importance and SHAP explainability rather than direct experimental validation. Notably, the absence of feature-group ablation and LOGO analyses limits the quantification of each organ system’s contribution, rendering the ranking indicative rather than definitive.
Moreover, while the aggregated Organ Impact Scores support the proposed ranking—with liver-related features scoring highest—future research should aim to include organ-level validation experiments and longitudinal clinical data to enhance causal interpretations and clinical relevance. Additionally, the study did not comprehensively control for potential confounding factors such as age, sex, alcohol consumption, lifestyle characteristics, and underlying comorbidities, which could affect biomarker levels and the overall findings.