Localising the Seizure Onset Zone from Routine Interictal and Ictal Scalp EEG Via a Factorised Spatiotemporal Ensemble Deep Learning Framework

الصرع هو حالة يشهد فيها الدماغ عواصف كهربائية مفاجئة وغير مبررة، مما يسبب نوبات صرعية. بالنسبة للكثير من الناس، لا تستطيع الأدوية القياسية إيقاف هذه الأحداث، مما يتركهم أمام خيار صعب: العيش مع خطر حدوث النوبات أو الخضوع لجراحة في الدماغ لإزالة الأنسجة المسببة للمشكلة. ويعتمد نجاح هذه الجراحة كلياً على إيجاد نقطة البدء الدقيقة للعاصفة الكهربائية، والمعروفة باسم منطقة بدء النوبة. حالياً، يعتمد الأطباء على المراقبة طويلة الأمد في المستشفى لرصد النوبة أثناء حدوثها، وهي عملية قد تستغرق أياماً، وتتطلب من المرضى التوقف عن تناول أدويتهم، وتحمل مخاطر كبيرة. وبدلاً من ذلك، يستخدمون أقطاباً كهربائية غازية توضع مباشرة على الدماغ، وهو ما يتضمن جراحة ومضاعفات محتملة. ولأن رصد النوبة أمر نادر وصعب، يضطر الأطباء غال كثيراً إلى التخمين حول مكان المشكلة بناءً على الفترات الهادئة بين النوبات، والمعروفة بالفترات البينية. تحتوي هذه الفترات الهادئة على نبضات كهربائية دقيقة وعابرة تحمل أدلة على أصل النوبة، ولكن هذه الإشارات غالباً ما تكون ضعيفة ومشوهة أثناء انتقالها عبر الجمجمة وفروة الرأس إلى المستشعرات الموجودة على سطح الرأس.

لقد طور باحث نظاماً حاسوبياً جديداً مصمماً لقراءة هذه الفترات الهادئة وتحديد الموقع المحتمل لأصل النوبة دون الحاجة إلى جراحة غازية أو انتظار وقوع النوبة. قام بإنشاء إطار عمل للتعلم العميق، وهو نوع من الذكاء الاصطناعي الذي يتعلم من خلال الأمثلة، تم تدريبه على آلاف الساعات من تسجيلات موجات الدماغ الروتينية لمرضى يعانون من الصرع المقاوم للأدوية. تم تعليم النظام التعرف على الأنماط الدقيقة للنبضات الكهربائية التي تحدث بين النوبات وربطها بواحد من ستة مناطق رئيسية في الدماغ. ولجعل هذا ممكناً، بنى الباحث نموذجاً يعامل توقيت الإشارة الكهربائية وموقعها على فروة الرأس كحدثين منفصلين ولكن متصلين. يساعد هذا التصميم الحاسوب على فهم أن الإشارة قد تبدو مختلفة اعتماداً على مكان قياسها، مما يتغلب على التمويه الطبيعي الذي يحدث أثناء مرور الكهرباء عبر الرأس. تم اختبار النموذج على مجموعة كبيرة من المرضى وأثبت دقة عالية، حيث حدد المنطقة الدماغية المعنية في الغالبية العظمى من الحالات. وقد عمل بشكل جيد حتى على بيانات من مستشفيات مختلفة وعلى تسجيلات للأطفال، مما يشير إلى قدرته على التعامل مع الاختلافات الطبيعية الموجودة في الممارسة الطبية الواقعية.

قام الباحث بتجميع مجموعة بيانات ضخمة تضم أكثر من 6000 ساعة من تسجيلات موجات الدماغ من 100 مريض. قام بتنظيف هذه البيانات بعناً، وإزالة الضوضاء وتوحيد طريقة قياس الإشارات، قبل تغذيتها في نظامه. تم تدريب الحاسوب على البحث عن أشكال محددة للنبضات الكهربائية التي تستمر من جزء من الثانية إلى بضعة أعشار من الثانية. وبدلاً من محاولة إيجال نمط واحد مثالي، يستخدم النظام طبقات متعددة من التحليل لالتقاط هذه الإشارات بسرعات مختلفة، تماماً كما قد يفحص عالم الأمراض عينة نسيج تحت تكبيرات مختلفة لرؤية كل من التفاصيل الدقيقة والهياكل الأوسع. وبمجرد أن يحدد النظام هذه الإشارات، فإنه يستخدم طريقة متخصصة لتحديد الجزء الذي جاءت منه الإشارة في الدماغ. يقوم بذلك عن طريق فصل سؤال "متى" حدثت الإشارة عن سؤال "أين" تم تسجيلها، مما يسمح له بتتبع مسار النشاط الكهربائي بوضوح أكبر من الطرق السابقة.

نتائج هذه الدراسة واعدة. فعند اختباره على مجموعة من المرضى لم يسبق له رؤيتهم، حدد النظام منطقة بدء النوبة بدقة تقارب 89 بالمائة في جميع الجلسات. كان هذا الأداء أفضل بكثير من النماذج الحاسوبية الحالية، التي غالباً ما تعاني للتمييز بين مناطق الدماغ المختلفة عند العمل باستخدام التسجيلات القياسية غير الغازية. كما أظهر النظام موثوقية ملحوظة عند اختباره على مجموعة منفصلة من المرضى من مستشفى آخر، بما في ذلك العديد من الأطفال، محققاً دقة تزيد عن 84 بالمائة. ولعل الأهم من ذلك، هو أن النظام لم يطلق أي إنذارات كاذبة عند اختباره على تسجيلات لأشخاص أصحاء ليس لد لديهم تاريخ من الصرع، حيث حدد بشكل صحيح عدم وجود نشاط نوبات للتبليغ عنه. إن هذه القدرة على التمييز بين إشارات الدماغ الحقيقية والضوضاء غير الضارة أمر بالغ الأهمية للاستخدام السريري، حيث يعني ذلك أنه يمكن الوثوق بالأداة للإبلاغ فقط عن الحالات التي تحتاج حقاً إلى اهتمام الطبيب.

بعيداً عن الدقة، يقدم النظام تحسناً هائلاً في السرعة. فالتسجيل الكامل لنشاط الدماغ لمدة 24 ساعة، والذي يتطلب عادةً من فريق من الخبراء ساعات أو حتى أيام لمراجعته يدوياً، يمكن معالجته بواسطة هذا النظام في أكثر من أربع دقائق بقليل. الوقت الفعلي الذي يقضيه الحاسوب في تحليل موجات الدماغ يقل عن ثماني ثوانٍ؛ والوقت المتبقي يُقضى ببساطة في قراءة ملفات البيانات وإعدادها للتحليل. تشير هذه السرعة إلى إمكانية استخدام الأداة لفحص المرضى بسرعة، وتسليط الضوء على المناطق الأكثر احتمالاً للاهتمام ليقوم المتخصص بمراجعتها بالتفصيل. ويؤكد الباحث أن هذا النظام ليس المقصود منه استبدال حكم طبيب الأعصاب، بل العمل كمساعد قوي. فمن خلال تضييق منطقة البحث وتقديم اقتراح واضح مدعوم بالبيانات حول مكان بدء النوبة، يمكنه مساعدة الأطباء في التخطيط لعمليات جراحية أكثر دقة وتقليل حاجة المرضى للخضوع لمراقبة طويلة ومخاطر أو إجراءات غازية.

كما استكشفت الدراسة مدى فعالية النظام عندما لا تتوفر لديه علامات محددة تخبره بالضبط متى حدثت النبضة، مما يحاكي سيناريو واقعي حيث قد لا يملك الطبيب سجلاً مثالياً لكل حدث. وحتى في هذه الظروف، حافظ النظام على مستوى عالٍ من الدقة، حيث حدد المنطقة الدماغية بشكل صحيح في حوالي ثلثي الحالات، وهو تحسن كبير عن الصدفة العشوائية. وجد الباحث أن النظام كان بارعاً بشكل خاص في تحديد النوبات في الفصين الجبهي والصدغي، وهما الموقعان الأكثر شيوعاً للصرع. وبينما كان أقل دقة قليلاً بالنسبة للفص القذالي في الجزء الخلفي من الرأس، ربما بسبب صعوبة اكتشاف الإشارات من تلك المنطقة عبر الجمجمة، إلا أن النظام تمكن من تحديد هذه الحالات بشكل أكثر تكراراً من الطرق السابقة. كما لاحظ الباحث أن النظام تعلم تجاهل المشتتات الشائعة، مثل حركات العضلات أو رمش العين، والتي غالباً ما تربك البرامج الحاسوبية الأخرى، لأنه ركز على الطريقة المحددة التي تنتقل بها الإشارات الكهربائية عبر الدماغ بدلاً من مجرد شكلها.

يمثل هذا العمل خطوة كبيرة للأمام في جعل علاج الصرع أكثر أماناً وكفاءة. فمن خلال إثبات أن تسجيلات الدماغ الروتينية غير الغازية تحتوي على معلومات كافية لتحديد مصدر النوبات بدقة عالية، فتح الباحث مساراً جديداً للتشخيص. إن قدرة النظام على التعميم عبر مجموعات مختلفة من المرضى، بما في ذلك الأطفال والبالغين من مستشفيات مختلفة، تشير إلى أنه يمكن أن يكون أداة موثوقة للعيادات في جميع أنحاء العالم. وبينما يقر الباحث بأن هناك حا perlu لمزيد من الاختبارات لتأكيد هذه النتائج في تجارب سريرية مستقبلية، فإن النتائج الحالية تقدم أساساً قوياً لمستقبل يمكن فيه للمرضى الحصول على تشخيصات أسرع وأكثر دقة دون الحاجة إلى إجراءات غازية. تعمل الأداة كجسر بين الواقع المعقد والمزعج لبيانات موجات الدماغ والمعلومات الواضحة والقابلة للتنفيذ التي يحتاجها الأطباء لمساعدة مرضاهم.