Whole-brain normative modeling across multiple functional connectivity metrics in MEG
تقدم هذه الورقة M/EEG-FUNCOIN، وهو إطار نمذجة معيارية للدماغ الكامل يدمج مقاييس متعددة للاتصال الوظيفي من بيانات MEG لتوصيف الأنماط العصبية المرتبطة بالعمر والجنس وتحديد الانحرافات الفردية ذات المعنى المرتبطة بالقدرة المعرفية.
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
إن الدماغ البشري ليس آلة ثابتة، بل هو شبكة ديناميكية، تضم مليارات الخلايا التي تتواصل باستمرار لإنتاج الفكر والذاكرة والحركة. لعقود من الزمن، حاول العلماء رسم خرائط لهذه الاتصالات لفهم ما يحدث عندما يختل النظام، كما في حالات مرض الزهايمر أو الفصام. ويتمثل أحد التحديات الرئيسية في هذا المجال في التمييز بين التغيرات الطبيعية التي تحدث مع التقدم في السن وبين علامات المرض الفعلي. ولحل هذه المعضلة، طور الباحثون طريقة تسمى "النمذجة المعيارية". تخيل مخطط النمو للأطفال: يستخدمه الأطباء لمعرفة ما إذا كان الطفل ينمو بمعدل طبيعي بالنسبة لعمره وطوله. تقوم النمذجة المعيارية بالشيء نفسه بالنسبة للدماغ، وذلك باستخدام بيانات من آلاف الأشخاص الأصحاء لرسم خريطة لما يبدو عليه نشاط الدماغ "الطبيعي" في كل مرحلة من مراحل الحياة. وعندما يتم فحص مريض جديد، تُقارن نتائجه بهذه الخريطة؛ فإذا انحرف نشاط دماغه بشكل كبير عن النمط المتوقع، فإن ذلك يشير إلى مشكلة محتملة قد يتم التغاضي عنها لولا ذلك.
وعلى الرغم من نجاح هذا النهج مع تقنيات تصوير الدماغ التي تقيس تدفق الدم، مثل التصوير بالرنين المغناطيسي الوظيفي (fMRI)، إلا أنه كان من الصعب بكثير تطبيقه على النشاط الكهربائي الذي يقاس عبر تخطيط مغناطيسية الدماغ (MEG). توضع مستشعرات الـ MEG خارج الرأس وتكتشف المجالات المغناطيسية الضئيلة الناتجة عن إطلاق الخلايا العصبية، مما يوفر رؤية لنشاط الدماغ أكثر دقة من حيث التوقيت مقارنة بمسوحات تدفق الدم. ومع ذلك، فإن الإشارات الكهربائية معقدة للغاية، وتتغير بسرعة عبر العديد من الترددات، مما يجعل من الصعب بناء معيار واحد موثوق لما هو طبيعي. كانت المحاولات السابقة لإنشاء هذه المعايير تعتمد غالباً على النظر في الاتصالات الفردية بين مناطق الدماغ واحدة تلو الأخرى أو متوسطها جميعاً، لكن هذه الطرق غالباً ما فشلت في رصد التغيرات الدقيقة واسعة النطاق التي تحدث مع نضج الدماغ والتقدم في السن.
وفي دراسة جديدة، قدم الباحثون أداة قوية جديدة تسمى M/EEG-FUNCOIN لحل هذه المشكلة. لقد لجأوا إلى مجموعة بيانات ضخمة ومتاحة للجمهور من مركز كامبريدج للشيخوخة وعلم الأعصاب، والتي تتضمن تسجيلات "حالة الراحة" لـ MEG من 612 متطوعاً صحيحاً تتراوح أعمارهم بين 18 و88 عاماً. لم يكتف الفريق بمراقبة مدى قوة الروابط بين مناطق الدماغ فحسب، بل حللوا ثلاث طرق مختلفة لتواصل هذه المناطق. فقد قاسوا كيف تتحرك سعة الإشارات في نطاقات ترددية محددة معاً، وكيف يظل توقيت الإشارات متزامناً، بالإضافة إلى طريقة أكثر تعقيداً تلتقط كلاً من التوقيت والقوة دون الحاجة إلى فرز البيانات إلى نطاقات ترددية محددة أولاً. ومن خلال تغذية كل هذه المعلومات في نموذجهم الجديد، تمكنوا من تحديد أنماط واسعة النطعة من الاتصال في كامل الدماغ تتغير بشكل يمكن التنبؤ به مع العمر والجنس.
وأظهرت النتائج أن النظر إلى الدماغ كشبكة كاملة يكشف عن تغيرات تغفل عنها الأساليب الأبسط. فعندما حاول الباحثون نمذجة الدماغ من خلال النظر في الاتصالات الفردية أو عن طريق حساب متوسط قوة جميع الاتصالات، وجدوا علاقة ضئيلة جداً بالعمر أو الجنس. وفي المقابل، نجح نموذج الدماغ الكامل الجديد في تحديد أبعاد محددة لنشاط الدماغ تتغير بثبات مع تقدم العمر. فعلى سبيل المثال، وجدوا أن أنماطاً معينة من التزامن بين مناطق الدماغ تتغير بشكل ملحوظ مع تقدم العمر، وهو تفصيل كان غير مرئي عندما تم حساب متوسط البيانات. وهذا يشير إلى أن الدماغ المتقدم في السن لا يصبح فقط "أضعف" أو "أقوى" بطريقة موحدة؛ بل إن الطريقة التي تنسق بها أجزاء الدب المختلفة مع بعضها البعض تمر بتحول محدد ومنظم.
ولاختبار ما إذا كانت هذه النماذج الجديدة قادرة بالفعل على إخبار شيء ذي معنى حول كيفية عمل الدماغ، نظر الباحثون في الأداء المعرفي للمتطوعين. قاموا بتقسيم المشاركين إلى مجموعات بناءً على درجاتهم في مجموعة واسعة من الاختبارات التي تغطي الذاكرة واللغة والوظائف التنفيذية. ثم استخدموا نماذج الدماغ الجديدة لمعرفة ما إذا كان بإمكانهم التمييز بين أولئك الذين يتمتعون بأعلى القدرات المعرفية وأولئك الذين لديهم أدنى المستويات. وقد نجحت النماذج المبنية من أنماط الدماغ الكامل في هذه المهمة، حيث حددت انحرافات محددة في اتصال الدماغ ترتبط بالأداء المعرفي. ويشير هذا إلى أن الإطار العملي يمكنه رصد الاختلافات الفردية في صحة الدماغ التي تتجاوز مجرد المتوسطات البسيطة، مما يوفر وسيلة لرصد التباينات الدقيقة التي قد تكون مرتبطة بكيفية تفكير الشخص وتذكره.
كما تناولت الدراسة العقبات التقنية للتعامل مع هذه البيانات المعقدة. ونظراً لأن الإشارات الكهربائية من الدماغ متشابكة للغاية، فإن الأدوات الرياضية القياسية غالباً ما تواجه صعوبة في معالجتها دون وقوع أخطاء. لذا قام الباحثون بتكييف برمجياتهم للتعامل مع هذه الإشارات عالية الأبعاد بكفاءة، لضمان أن الأنماط التي وجدوها حقيقية وليست مجرد نواتج رياضية زائفة. وقد أكدوا أن النموذج مستقر ومتسق، حيث أنتج نتائج موثوقة حتى عند اختباره على مجموعات فرعية مختلفة من البيانات. وتعد هذه القوة والمتانة أمراً بالغ الأهمية لأي أداة تهدف للاستخدام السريري، حيث تكون الدقة هي الأهم.
ومن خلال إثبات أن أنماط الدماغ الكامل هي أنماط قابلة للقياس وذات مغزى، تفتح هذه الدراسة باباً جديداً لفهم صحة الدماغ. إن القدرة على رسم المسار الطبيعي لاتصال الدماغ عبر مراحل الحياة توفر نقطة مرجعية أكثر دقة لتحديد الأمراض. فإذا انحرف نشاط دماغ المريض عن النطاق المتوقع لعمره وجنسه، فقد يتمكن الأطباء من اكتشاف العلامات المبكرة للمرض قبل أن تصبح الأعراض واضحة. ويؤكد الباحثون أنه بينما تعد هذه خطوة كبيرة للأمام، فإن الإطار مرن بما يكفي ليتم تحسينه بشكل أكبر، مما قد يسمح بدمج متغيرات أخرى أو التركيز على أنواع محددة من الاضطرابات الدماغية. أما في الوقت الحالي، فإن هذا العمل يرسخ حقيقة أن السيمفونية الكهربائية للدماغ لها نوتة موسيقية يمكن التنبؤ بها تتغير مع مرور الوقت، وأننا وجدنا أخيراً طريقة لقراءة تلك النوتة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.