In silico optimization of deep brain stimulation to enhance cognitive control: Improving performance and practicality with a continuous rolling arena

بالنسبة لبعض المرضى الذين يعانون من حالات نفسية شديدة ومقاومة للعلاج، يبدو أن التوصيلات العصبية في الدماغ عالقة في حلقة مفرغة من الضيق لا يمكن للأدوية كسرها. في هذه الحالات، يلجأ الأطباء أحياناً إلى إجراء يسمى التحفيز العميق للدماغ، حيث تُوضع أقطاب كهربائية دقيقة في عمق الدماغ لإرسال نبضات كهربائية لطيفة إلى مناطق محددة. أحد هذه الأهداف هو منطقة تقع بالقرب من مركز الدماغ تُعرف باسم المحفظة البطنية والمخطط البطني، والتي تلعب دوراً في كيفية إدارتنا لأفكارنا وعواطفنا. وبينما يحمل هذا العلاج وعداً كبيراً، فإن العثور على الإعدادات الصحيحة للجهاز كان تقليدياً عملية بطيئة ومحبطة؛ إذ يجب على الأطباء الاعتماد على المرضى لوصف شعورهم بعد كل تعديل، وهي طريقة ذاتية يمكن أن تستغرق أسابيع أو شهوراً لضبطها بشكل صحيح. التحدي الجوهري هو أن الدماغ معقد، والإعدادات التي تعمل بشكل أفضل ليست واضحة؛ بل يجب اكتشافها من خلال اختبارات دقيقة ومتكررة.

تستكشف دراسة جديدة طريقة لتسريع عملية الاكتشاف هذه من خلال السماح لسلوك الدماغ نفسه بتوجيه التعديلات في الوقت الفعلي. فبدلاً من انتظار المريض ليقول إنه يشعر بتحسن، اقترح الباحثون نظاماً يراقب مدى سرعة ودقة الشخص في أداء مهمة ذهنية أثناء تشغيل التحفيز. لقد ركزوا على مهمة تحكم معرفي محددة، وهي نوع من التمارين الذهنية التي تتطلب من الشخص تجاهل المعلومات المشتتة والتركيز على هدف ما. كانت الفكرة هي أنه إذا كانت النبضات الكهربائية تساعد الدماغ، فإن الشخص سيكمل المهمة بشكل أسرع وبأخطاء أقل. ومن خلال قياس أوقات رد الفعل هذه مباشرة، يمكن للنظام أن يحدد فوراً الإعدادات التي تعمل بشكل أفضل وتلك التي لا تعمل، دون الحاجة إلى التخمين أو انتظار تقرير ذاتي.

لاختبار هذه الفكرة، لم يبدأ الباحثون بمرضى بشر، بل بنوا محاكاة حاسوبية مفصلة لمريض يخضع لهذا العلاج. لقد أنشأوا بيئة افتراضية حيث يمكنهم تشغيل آلاف التجارب لمعرفة كيف ستتعامل البرامج الحاسوبية المختلفة مع البحث عن أفضل الإعدادات. وفي هذه المحاكاة، قارنوا نهجهم الجديد بالأساليب القديمة التي حاولت تخمين الحالة الداخلية للدماغ بناءً على البيانات. النهج الجديد، الذي يسموا به "الحلبة المتدحرجة المستمرة"، يتخطى لعبة التخمين تماماً؛ فهو يأخذ سرعة رد فعل الشخص الخام ويغذيها مباشرة في خوارزمية تكيفية — وهي برنامج حاسوبي ذكي مصمم للتعلم من الخبرة. يتعامل هذا البرنامج مع البحث عن نقطة التلامس الكهربائية الأفضل مثل لعبة حيث يجب عليه اختيار الباب الصحيح لفتحه، ويتعلم من كل نقرة لتجنب الأبواب الخاطئة وإيجاد الأفضل بأسرى وقت ممكن.

أظهرت نتائج هذه المحاكاة أن هذا النهج المباشر كان أكثر موثوقية بكثير من الطرق الأكثر تعقيداً والقديمة. فعندما حاول الباحثون تقدير الحالة الخفية للدماغ من البيانات، ارتبك النظام بسبب الضجيج الطبيعي في القياسات، مما أدى إلى أخطاء في الحكم. ومن خلال إزالة تلك الخطوة الوسطى والنظر فقط في أوقات رد الفعل الخام، تجنب النظام تضخيم ذلك الضجيج. وفي عمليات المحاكاة، قلل هذا التغيير من معدل الفشل في اختيار إعدادات الأقطاب الكهربائية الصحيحة من ما يقرب من الثلث إلى حوالي واحد من عشرة. علاوة على على ذلك، ومن خلال إبقاء الاختبار مستمراً بدلاً من إعادة ضبطه كل يوم، تمكن النظام من بناء تاريخ أقوى لما نجح، مما سمح له بالتعافي بسرعة حتى لو تغيرت حالة المريض بشكل غير متوقع أثناء الجلسة.

كما تناولت الدراسة مشكلة عملية: معظم الأجهزة تحتوي على العديد من نقاط التلامس الكهربائية، لكن اختبارها جميعاً واحدة تلو الأخرى سيستغرق وقتاً طويلاً جداً. قدم الباحثون آلية سمحت للنظام بالتركيز في بحثه على مجموعة أصغر من نقاط التلامس في المرة الواحدة، مما أدى فعلياً إلى تضييق المجال دون فقدان الدقة. وفي اختباراتهم، نجح هذا النهج في إدارة البحث عن أفضل الإعدادات بين ثماني نقاط تلامس مختلفة من خلال اختبار مجموعة من أربع نقاط فقط في أي لحظة معينة. جعل هذا النطاق العملية فعالة بما يكفي لتناسب حدود الأجهزة الطبية في العالم الحقيقي. تشير النتائج إلى أن نظاماً مبنياً على هذه المبادئ يمكنه في النهاية السماح للأطباء ببرمجة هذه الأجهزة في جزء بسيط من الوقت الذي يستغرقه الأمر حالياً، باستخدام مهام سلوكية قياسية بدلاً من المعدات المتخصصة والمكلفة. يوضح هذا العمل أنه من خلال الاستماع مباشرة إلى إشارات أداء الدماغ وإزالة الطبقات غير الضرورية من التفسير، من الممكن إنشاء مسار أكثر قوة وعملية لعلاج الدماغ المخصص.