Graph Attention Networks for Detecting Epilepsy from EEG Signals Using Accessible Hardware in Low-Resource Settings
تقترح هذه الورقة إطار عمل لشبكة انتباه رسومية خفيف الوزن وقابل للتفسير، يقوم بنمذجة إشارات تخطيط كهربائية الدماغ (EEG) كرسوم بيانية مكانية-زمانية للكشف بدقة عن الصرع باستخدام أجهزة منخفضة التكلفة في البيئات محدودة الموارد، متفوقاً بذلك على المصنفات الحالية مع تحديد المؤشرات الحيوية الجبهية-الصدغية الرئيسية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
الصرع هو حالة عصبية حيث تضطرب الإشارات الكهربائية في الدماغ، مما يسبب نوبات صرع. بالنسبة للملايين من الناس حول العالم، وخاصة في المناطق الفقيرة، يعد الحصول على تشخيص أمراً صعباً للغاية. الأداة القياسية لرصد هذه الأعطال الكهربائية هي جهاز تخطيط كهربائية الدماغ، أو ما يعرف بـ (EEG). تستخدم هذه الأجهزة مستشعرات توضع على فروة الرأس لتسجيل نشاط الدماغ، لكن النسخ الطبية عالية الجودة منها باهظة الثمن، وثقيلة الوزن، وتتطلب متخصصاً لتفسير الأنماط المعقدة. وفي العديد من البلدان منخفضة الدخل، لا يوجد ببساطة عدد كافٍ من أطباء الأعصاب لفحص كل تسجيل، كما أن تكلفة المعدات تجعلها بعيدة عن متناول معظم العيادات. وهذا يترك فجوة واسعة في الرعاية الصحية حيث يعاني الناس من الصرع غير المشخص وغير المعالج.
ولسد هذه الفجوة، يتجه الباحثون إلى الذكاء الاصطناعي، ولكن ليس أي نوع منه. إنهم يستكشفون طريقة تعامل مع الدماغ ليس كوحدة واحدة، بل كشبكة من الأجزاء المتصلة. تخيل الدماغ كمدينة بها أحياء عديدة؛ والهدف هو فهم كيفية تدفق حركة المرور بين هذه الأحياء. في الدماغ السليم، تتبع الروابط بين المناطق المختلفة إيقاعاً معيناً. أما في الدماغ المصاب بالصرع، فإن نمط حركة المرور هذا يتغير، حتى عندما لا يكون الشخص في حالة نوبة صرع. كان التحدي يكمن في بناء برنامج حاسوبي يمكنه رؤية هذه التغييرات الدقيقة في الروابط باستخدام معدات رخيصة ومحمولة، وأن يفعل ذلك بطريقة يمكن للأطباء الوثوق بها وفهمها.
لقم فريق من الباحثين بتطوير نهج جديد لحل هذه المشكلة، واختبروا نظامهم في مناطق ريفية في نيجيريا وغينيا بيساو. استخدموا سماعة رأس من فئة المستهلك ومنخفضة التكلفة، والتي تكلف جزءاً ضئيلاً من ثمن آلة المستشفى، لتسجيل موجات الدماغ لـ 163 شخصاً مصاباً بالصرع و138 متطوعاً سليماً. تم أخذ التسجيلات بينما كان المشاركون في حالة راحة، بعضهم بعيون مفتوحة والبعض الآخر بعيون مغلقة. ثم قام الباحثون بتغذية هذه البيانات في نوع متخصص من الذكاء الاصطناعي يسمى "شبكة الانتباه الرسومي" (Graph Attention Network). وعلى عكس النماذج الحاسوبية القديمة التي قد تنظر إلى كل مستشعر في الدماغ بشكل منعزل أو تعامل جميع الروابط بين المستشعرات على أنها متساوية الأهمية، يتعلم هذا النظام الجديد كيفية الانتباه إلى العلاقات المحددة بين أجزاء الدماغ المختلفة. إنه يعمل مثل "كشاف الضوء"، حيث يسلط الضوء على الروابط الأكثر نشاطاً وأهمية لتحديد الحالة.
تظهر نتائج هذه الدراسة أن هذا الأسلوب يعمل بشكل جيد. فعندما اختبر الباحثون نظامهم، نجح في التمييز بين نشاط الدماغ لدى الأشخاص المصابين بالصرع وأولئك الأصحاء، بل وكان أداؤه أفضل من النماذج الحاسوبية الشائعة الأخرى المستخدمة لمهام مماثلة. كان النظام قوياً بما يكفي للتعامل مع البيانات المليئة بالضجيج ومنخفضة الجودة التي تأتي من الأجهزة المحمولة في الميدان. والأهم من ذلك، لم يحصل الباحثون فقط على إجابة "نعم" أو "لا"؛ بل استطاعوا رؤية ما كان الحاسوب ينظر إليه بالضبط. ومن خلال تحليل "الانتباه" الذي أولته الشبكة لروابط مختلفة، وجدوا أن النظام ركز باستمرار على المناطق الأمامية والجانبية من الدماغ، وتحديداً الفصين الجبهي والصدغي. وهذا يطابق ما لاحظه الأطباء البشريون منذ زمن طويل في الأدبيات الطبية: وهو أن هذه المناطق المحددة هي غالباً حيث تبدأ أو تنتشر العواصف الكهربائية للصرع.
كما أثبتت الدراسة أن هذا الحل عالي التقنية لا يحتاج إلى حاسوب خارق لتشغيله. فقد درب الباحثون نموذجهم باستخدام أدوات الحوسبة السحابية المجانية عبر الإنترنت، ثم نجحوا في نشره على حاسوب صغير وبسيط بحجم بطاقة الائتمان، يُعرف باسم "راسبيري باي" (Raspberry Pi). وهذا يثبت أن أدوات التشخيص المتقدمة يمكن جلبها إلى القرى النائية دون الحاجة إلى بنية تحتية مكلفة. وبينما كان أداء النظام أفضل قليلاً في البيانات القادمة من غينيا بيساو مقارنة بنيجيريا، ويرجع ذلك على الأرجح إلى اختلافات طفيفة في كيفية إجراء التسجيلات، إلا أن النتائج الجوهرية ظلت ثابتة عبر كلا المجموعتين. فقد حدد الحاسوب نفس الروابط الدماغية الحرجة في كلا المجموعتين من السكان، مما يشير إلى أن الطريقة موثوقة عبر مجموعات مختلفة من الناس.
يشير هذا العمل إلى أن مستقبل تشخيص الصرع في المناطق المحرومة قد يتضمن أجهزة مادية ميسورة التكلفة مقترنة ببرمجيات ذكية وقابلة للتفسير. لقد أظهر الباحثون أنه من خلال استخدام نموذج يتعلم أي الروابط الدماغية هي الأكثر أهمية، يمكنهم تحقيق نتائج دقيقة دون الحاجة لوجود متخصص في لحظة التشخيص. النظام لا يقوم فقط بتصنيف البيانات؛ بل يكشف عن القصة البيولوجية وراء هذا التصنيف، مشيراً إلى المناطق الجبهية الصدغية كعلامات رئيسية. هذا المزيج من التكلفة المنخفضة، وسهولة الوصول، والوضوح في الاستنتاج، يقدم مساراً واعداً لجعل التشخيص العصبي متاحاً للملايين الذين لا يستطيعون الوصول إليه حالياً.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.