🧠 neuroscience

EEG-based Schizophrenia Detection Using Spectral, Entropy, and Graph Connectivity Features with Machine Learning

تقترح هذه الدراسة إطار عمل جديداً يعتمد على تخطيط كهربية الدماغ (EEG) للكشف عن الفصام من خلال دمج القدرة الطيفية، وإنتروبيا التبديل متعددة المقاييس، وميزات الاتصال القائمة على نظرية المخططات، محققةً دقة تصنيف عالية باستخدام نموذج الغابة العشوائية مع تسليط الضوء على الدور الحاسم لاتصال نطاقي ثيتا وبيتا، رغم أن النتائج تظل أولية نظراً لصغر حجم العينة.

المؤلفون الأصليون: Ahmadi Daryakenari, N., Setarehdan, S. K.

نُشر 2026-04-10

📖 5 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: Ahmadi Daryakenari, N., Setarehdan, S. K.

البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل

🧠 الصورة الكبيرة: البحث عن "بصمة دماغية" لمرض الفصام

تخيل أنك تحاول تشخيص مشكلة في سيارة بمجرد الاستماع إلى المحرك. أحياناً، قد يعني صوت "الخشخشة" برغياً مرتخياً، أو حزاماً مكسوراً، أو عطلاً خطيراً في المحرك. من الصعب معرفة الفرق بدون خبرة الميكانيكي.

حالياً، تشخيص الفصام (Schizophrenia) يشبه ذلك تماماً. يعتمد الأطباء على المقابلات وقوائم التحقق (مثل السؤال: "هل تسمع أصواتاً؟" أو "هل تشعر بالحزن؟"). ولكن نظرًا لأن أعراض الفصام قد تشبه إلى حد كبير الاضطراب ثنائي القطب أو الاكتئاب الشديد، فمن السهل تشخيص الحالة بشكل خاطئ أو تفويتها تماماً.

تقترح هذه الورقة البحثية طريقة جديدة للنظر إلى الدماغ: تخطيط كهربائية الدماغ (EEG). فكر في الـ EEG كأنه "ميكروفون" يستمع إلى الدردشة الكهربائية لخلايا دماغك. أراد الباحثون معرفة ما إذا كان بإمكانهم بناء برنامج كمبيوتر يستمع إلى هذه الدردشة ويقول: "آه، هذا النمط المحدد ينتمي لشخص مصاب بالفصام"، بدقة عالية.

🔍 القرائن الثلاث التي بحثوا عنها

لم يكتفِ الباحثون بالاستماع إلى الضجيج فحسب؛ بل قاموا بتحليله بثلاث طرق مختلفة، مثل محقق يبحث عن ثلاثة أنواع مختلفة من الأدلة:

1. مستوى صوت الموسيقى (القدرة الطيفية - Spectral Power)

تخيل أن دماغك عبداً (أوركسترا) تعزف آلات مختلفة بسرعات مختلفة.

الآلات البطيئة (دلتا وثيتا - Delta & Theta): في الدماغ السليم، تعزف هذه الآلات بهدوء. أما في أدمغة المرضى، فقد وجد الباحثون أن هذه "الآلات البطيئة" كانت تعزف بصوت عالٍ جداً.
الآلات السريعة (ألفا، بيتا، غاما - Alpha, Beta, Gamma): هذه هي النغمات عالية السرعة والمعقدة. في أدمغة المرضى، كانت هذه النغمات تعزف بهدوء شديد.
التشبيه: الأمر يشبه محطة راديو تم رفع مستوى "الباس" (Bass) فيها إلى الحد الأقص، وخفض مستوى "التريبل" (Treble) إلى أدنى مستوياته. الإشارة هنا "عكرة" وغير متوازنة.

2. مقياس الفوضى (الإنتروبيا - Entropy)

هنا تكمن براعة الدراسة. لقد استخدموا أداة جديدة تسمى الإنتروبيا التبديلية متعددة المقاييس (MPE).

التشبيه: تخيل شخصين يسيران.
- الشخص (أ) (سليم): يمشي بخطوات ثابتة ومنتظمة. يمكنك توقع خطوته التالية بسهولة.
- الشخص (ب) (مصاب بالفصام): يمشي بمشية متقطعة وغير متوقعة. أحياناً يسرع، وأحياناً يتعثر، وأحياناً يتوقف.
وجد الباحثون أن "مشية" الدماغ لدى المرضى كانت أكثر فوضوية وعدم قابلية للتنبؤ مقارنة بالأصحاء. وهذه هي المرة الأولى التي يُستخدم فيها "مقياس الفوضى" هذا تحديداً على بيانات الـ EEG لمرض الفصام.

3. خريطة الطريق (الاتصال - Connectivity)

الدماغ ليس مجرد مجموعة من الأجزاء المعزولة؛ بل هو شبكة من الطرق التي تربط بين المدن (مناطق الدماغ).

التشبيه: تخيل نظام مرور في مدينة ما.
- الدماغ السليم: نظام طرق سريع منظم جيداً. يمكن للسيارات (الإشارات) الانتقال من الجانب الشمالي إلى الجانب الجنوبي بسرعة وكفاءة.
- دماغ الفصام: الطرق مكسورة. "الطرق السريعة" (الروابط) أضعف، ويستغرق الأمر وقتاً أطول للانتقال من مكان إلى آخر. حركة المرور عالقة في الأحياء المحلية ولا تستطيع السفر بعيداً.
وجد الباحثون أنه في حالة المرضى، كانت "حركة المرور" في الدماغ أبطأ، وأقل كفاءة، وكانت الطرق بين المدن متهالكة.

🤖 المحقق الكمبيوتري (تعلم الآلة - Machine Learning)

بمجرد جمع هذه القرائن (الصوت، الفوضى، وخريطة الطريق)، قاموا بتغذيتها في ثلاثة برامج كمبيوتر مختلفة (نماذج تعلم الآلة) لمعرفة أي منها يمكنه التمييز بشكل أفضل بين الدماغ السليم والدماغ المريض.

"المخمنون الأذكياء" (الغابة العشوائية - Random Forest): هذا النموذج يشبه لجنة مكونة من 500 خبير مختلف. ينظر كل خبير إلى البيانات ويقدم تخميناً، ثم يصوتون على الإجابة النهائية.
"المعلم الصارم" (آلة ناقلات الدعم - SVM): يحاول هذا النموذج رسم خط مثالي في الرمال للفصل بين المجموعتين.
"المفكر العميق" (المدرك متعدد الطبقات - MLP): هذا دماغ اصطناعي بسيط يتعلم عن طريق التجربة والخطأ.

الفائز: كان نموذج "المخمنين الأذكياء" (الغابة العشوائية) هو الفائز في المسابقة.

حقق دقة بلغت 99.7% في الاختبار.
وحتى عندما اختبروا النموذج على شخص جديد تماماً لم يره من قبل، ظلت الدقة 99.6%.

هذا أمر ضخم لأنه يعني أن الكمبيوتر لا يقوم بمجرد حفظ البيانات؛ بل تعلم بالفعل "البصمة" الخاصة بالاضطراب.

🗺️ ماذا وجدوا؟

كشفت الدراسة أن الأجزاء "المعطلة" في الدماغ كانت تتركز غالباً في الأمام (مركز التفكير) والجوانب (مراكز السمع والشعور).

كانت نطاقات ثيتا (Theta) وألفا (Alpha) (ترددات موجات الدماغ المحددة) هي أهم القرائن.
كانت "شبكة" الدماغ غير متصلة، مما يجعل من الصعب على الدماغ تنظيم الأفكار والمشاعر.

⚠️ العقبات (القيود)

رغم أن النتائج مثيرة، إلا أن المؤلفين كانوا صادقين جداً بشأن القيود:

مجموعة صغيرة: اختبروا 28 شخصاً فقط (14 مريضاً و14 شخصاً سليماً). الأمر يشبه اختبار دواء جديد على مجموعة صغيرة جداً من المتطوعين.
موقع واحد: جاءت جميع البيانات من عيادة واحدة في إيران.
الخطوات التالية: قبل أن يمكن استخدام هذا في عيادة الطبيب، يحتاجون لاختباره على آلاف الأشخاص من دول مختلفة للتأكد من أنه يعمل للجميع.

🏁 الخلاصة

هذه الورقة البحثية تشبه العثيدور على "جهاز كشف معادن" جديد وعالي الدقة لمرض الفصام. فبدلاً من مجرد سؤال المريض عن شعوره، يمكننا الآن الاستماع إلى الإيقاع الكهربائي لدماغه ورؤية ما إذا كان "خارج النغمة".

على الرغم من أننا لسنا مستعدين لاستبدال مقابلة الطبيب بالكمبيوتر بعد، إلا أن هذه الدراسة تثبت أن دمج أنواع مختلفة من بيانات الدماغ (الصوت، الفوضى، والروابط) هو وسيلة قوية لرصد الاضطراب. إنها تمنحنا الأمل في أن يصبح التشخيص في المستقبل أسرع، وأرخص، وأكثر دقة بكثير.

إليك ملخص تقني مفصل للورقة البحثية بعنوان: "كشف الفصام القائم على تخطيط كهربائية الدماغ (EEG) باستخدام ميزات الطيف، والاعتلاج (الإنتروبيا)، والاتصال الرسومي باستخدام التعلم الآلي."

1. بيان المشكلة

يعد الفصام (SZ) اضطراباً نفسياً حاداً يؤثر على حوالي 1% من سكان العالم. تعتمد التشخيصات الحالية بشكل كبير على المقابلات السريرية والقوائم النوعية (مثل DSM-5)، مما يؤدي إلى تكرار الخطأ في التشخيص، وتأخر العلاج، والتباين في المجموعات البحثية. هناك حاجة ملحة لوجود علامات بيولوجية موضوعية للمساعدة في التشخيص. وبينما يوفر تخطيط كهربائية الدماغ (EEG) بديلاً غير جراحي وذا دقة زمنية عالية، فإن الدراسات الحالية غالباً ما تحلل ميزات الطيف أو التعقيد أو الاتصال بشكل منفصل. لم يثبت أي نوع واحد من الميزات كافياً للاستخدام السريري المستقل، مما يستدعي نهجاً تكاملياً.

2. المنهجية

مجموعة البيانات

المصدر: تم تسجيلها في مركز "عتیه" لعلوم الأعصاب الإكلينيكية، إيران.
المشاركون: 28 شخصاً إجمالاً (14 مريضاً بالفصام، 14 من الأصحاء الضوابط).
الديموغرافيا: متوسط الأعمار 25.3 ± 8.1 (للأصحاء) و 28.4 ± 5.9 (للمصابين بالفصام).
الاستحواذ: تخطيط كهربائية دماغ (EEG) مكون من 19 قناة (نظام 10–20)، تم تسجيلها بتردد 500 هرتز، خلال 5-7 دقائق من الراحة مع إغلاق العينين.

المعالجة المسبقة

الترشيح: مرشح تمرير نطاق (Butterworth) من الدرجة الرابعة (1–45 هرتز).
المرجع: مرجع متوسط (Average reference).
التقطيع: تقسيم البيانات المستمرة إلى نوافذ مدتها ثانيتان مع تداخل بنسبة 50%.
إزالة الشوائب: استخدام تحليل المكونات المستقلة (ICA) المدمج للشوائب العينية/القلبية، والرفض التلقائي للنبضات العضلية والقطع ذات السعة العالية (>120–150 ميكرو فولت).

استخراج الميزات (إطار متعدد المجالات)

تستخرج الدراسة الميزات من ثلاثة مجالات متميزة لتوفب رؤية شاملة لديناميكيات الدماغ:

القدرة الطيفية (Spectral Power):
- تم حسابها باستخدام طريقة ويلش (Welch's method) لكثافة القدرة الطيفية (PSD).
- تم حسابها عبر خمسة نطاقات: دلتا (1–4 هرتز)، ثيتا (4–7 هرتز)، ألفا (8–12 هرتز)، بيتا (13–30 هرتز)، وغاما (30–45 هرتز).
- تم حساب المتوسط عبر القنوات لإنتاج قيم قدرة خاصة بكل نطاق.
اعتلاج التبديل متعدد المقاييس (MPE):
- الحداثة: أول تطبيق لـ MPE على بيانات EEG للكشف عن الفصام (كان يُستخدم سابقاً في MEG).
- العملية: تتضمن التدرج الخشن للسلاسل الزمنية عند مقاييس متعددة ( $S=1$ إلى $6$) وحساب اعتلاج التبديل لكل مقياس.
- الهدف: قياس عدم الانتظام والتعقيد الزمني عبر مستويات زمنية مختلفة.
الاتصال الوظيفي ومقاييس الرسم البياني (Graph Theory):
- مقياس الاتصال: مؤشر تأخر الطور الموزون (wPLI) المحسوب لنطاقات $\theta$ و $\alpha$ و $\beta$ للحد من تأثيرات التوصيل الحجمي.
- مقاييس نظرية الرسم البياني: مشتقة من مصفوفات اتصال wPLI:
  - الكفاءة العالمية: مقلوب متوسط طول المسار الأقصر (التكامل).
  - معامل التكتل: ميل العقد لتشكيل تكتلات محلية (الانعزال).
  - متوسط طول المسار المميز: متوسط طول المسار الأقصر.
  - متوسط القوة: متوسط وزن الحواف عبر الشبكة.

التصنيف والتحقق

النماذج: الغابة العشوائية (RF)، الإدراك متعدد الطبقات (MLP)، وآلة ناقلات الدعم (SVM).
مخططات التحقق:
1. التحقق المتبادل ذو الـ 5 طيات الطبقي (Stratified 5-Fold CV): لضمان توازن الفئات ومنع تسرب البيانات عبر إبقاء جميع النبضات (epochs) من نفس الشخص في نفس الطية.
2. ترك شخص واحد خارج المجموعة (LOSO): اختبار أكثر صرامة حيث يتم تدريب النموذج على $N-1$ من الأشخاص واختباره على الشخص المتبقي، لمحاكاة التعميم في العالم الحقيقي.

3. المساهمات الرئيسية

الإطار المتكامل: يقترح نهجاً موحداً يجمع بين القدرة الطيفية، والاعتلاج متعدد المقاييس، والاتصال القائم على نظرية الرسم البياني، معالجاً بذلك قصور الدراسات السابقة التي اعتمدت على مجال واحد.
الحداثة في الاعتلاج: أدخل الاعتلاج التبدلي متعدد المقاييس (MPE) في الكشف عن الفصام القائم على EEG، مما يلتقط تغيرات التعقيد عبر المقاييس الزمنية التي يفتقدها الاعتلاج أحادي المقياس.
التحقق الصارم: استخدم كل من 5-fold CV و LOSO لضمان أن الدقة العالية ليست ناتجة عن تسرب البيانات أو الإفراط في التخصيص (overfitting) لأنماط أشخاص محددين.
القابلية للتفسير: استخدم تحليل أهمية الميزات في الغابة العشوائية (Random Forest) لتحديد البصمات العصبية المحددة (مثل اتصال نطاق ثيتا) التي تقود التصنيف، متجاوزاً أداء "الصندوق الأسود".

4. النتائج

تحليل الميزات

MPE: أظهر المرضى اعتلاجاً أعلى (0.49 مقابل 0.43 للأصحاء) عبر جميع المقاييس، مما يشير إلى ديناميكيات دماغ أكثر عدم انتظام وعدم قابلية للتنبؤ. كانت الاختلافات أكثر وضوحاً في المناطق الجبهية، والصدغية، والقذالية.
القدرة الطيفية: أكدت اتجاهات الأدبيات:
- زيادة: قدرة دلتا وثيتا (الجبهية-المركزية).
  la نقصان: قدرة ألفا، بيتا، وغاما (الجبهية-الجدارية والصدغية).
الاتصال ومقاييس الرسم البياني: أظهر المرضى تحولاً نحو طوبولوجيا شبكية أقل كفاءة:
- نقصان: الكفاءة العالمية، معامل التكتل، ومتوسط القوة.
- زيادة: طول المسار المميز.
- النمط المكاني: كان فقدان الاتصال أكثر حدة في نطاقات $\theta$ و $\alpha$ ، لا سيما في الدوائر الجبهية-الصدغية.

أداء التصنيف

أدت جميع النماذج أداءً استثنائياً، لكن الغابة العشوائية (RF) أظهرت النتائج الأكثر قوة واستقراراً:

النموذج	مخطط التحقق	الدقة	AUC	درجة F1
الغابة العشوائية (RF)	5-Fold الطبقي	99.7%	1.000	0.998
الغابة العشوائية (RF)	ترك شخص واحد خارج المجموعة	99.6%	1.000	0.997
الإدراك متعدد الطبقات (MLP)	5-Fold الطبقي	99.0%	0.992	0.980
الإدراك متعدد الطبقات (MLP)	ترك شخص واحد خارج المجموعة	98.6%	0.990	0.970
آلة ناقلات الدعم (SVM)	5-Fold الطبقي	98.3%	0.983	0.985
آلة ناقلات الدعم (SVM)	ترك شخص واحد خارج المجموعة	98.0%	0.980	0.979

أهمية الميزات: كانت مقاييس الاتصال في نطاقات ثيتا ( $\theta$ ) و ألفا ( $\alpha$ ) هي الميزات الأكثر تمييزاً، تليها ميزات MPE.

5. الأهمية والقيود

الأهمية:

تثبت الدراسة أن مجموعة الميزات متعددة المجالات مع التعلم التجميعي يمكن أن تحقق تمييزاً شبه مثالي بين الفصام والأصحاء في بيئة مضبوطة.
تؤكد فرضية أن الفصام يتضمن انهياراً في كل من التعقيد (الاعتلاج) و التكامل (كفاءة الرسم البياني) لشبكات الدماغ.
يشير الأداء العالي لـ LOSO إلى أن النموذج يعمم جيداً على أفراد جدد، وهي خطوة حاسمة نحو الاستخدام السريري.

القيود:

حجم العينة: تقتصر الدراسة على مجموعة صغيرة ( $N=28$ )، مما يحد من القوة الإحصائية والقدرة على التعميم.
موقع واحد: تم جمع البيانات من مركز واحد في إيران، مما قد يؤدي إلى تحيزات مرتبطة بالموقع.
حالة الراحة فقط: لم تتضمن الدراسة مهاماً تعتمد على المهام (task-based)، والتي قد تكشف عن علامات بيولوجية مرتبطة بالحالة.
الطبيعة الأولية: يذكر المؤلفون صراحة أن هذه النتائج أولية وتتطلب تكراراً في مجموعات أكبر، متنوعة، ومتعددة المواقع قبل الانتقال السريري.

الخلاصة:
يوفر هذا البحث إطاراً واعداً للكشف الآلي عن الفصام باستخدام EEG. من خلال دمج ميزات الطيف، والاعتلاج، والاتصال، فإنه يقدم رؤية أكثر شمولية للأسس العصبية للاضطراب مقارنة بالنهج السابق القائم على ميزة واحدة. سيركز العمل المستقبلي على توسيع قاعدة البيانات، وتضمين نماذج تعتمد على المهام، والتمييز بين الفصام والاضطرابات الأخرى مثل الاضطراب ثنائي القطب.