Automated Detection of Seizures in Rodents: Use of Artificial Intelligence (AI) to Improve Racine Score Scoring

الصرع هو حالة يحدث فيها خلل في الإشارات الكهربائية للدماغ، مما يسبب حركات مفاجئة وغير منضبطة أو تغيرات في الوعي. ولفهم كيفية علاج هذه الحالة لدى البشر، غالباً ما يدرس العلماء هذه الحالة في حيوانات صغيرة مثل الفئران، والتي تشترك مع البشر في قدر كافٍ من التشابه الجيني لتكون نماذج موثوقة. وفي هذه التجارب، يراقب الباحثون الحيوانات بدقة لتقييم شدة نوبات الصرع لديها. وهم يستخدمون نظاماً معيارياً يسمى "مقياس ريسين" (Racine scale)، والذي يخصص رقماً لأنواع مختلفة من السلوك، بدءاً من ارتعاش الأنف وصولاً إلى التشنج الكامل للجسم. ولعقود من الزمن، تم إجراء هذا التقييم بواسطة مراقبين بشريين يشاهدون تسجيلات الفيديو. ورغم أن هذه العملية اليدوية ضرورية، إلا أنها بطيئةة ومجهدة وعرضة للخطأ البشري، حيث قد يفسر أشخاص مختلفون الحركة نفسها بشكل مختلف. وهذا التضارب يمكن أن يجعل من الصعب معرفة ما إذا كان الدواء الجديد فعالاً حقاً أم أن التغيير في السلوك كان مجرد مسألة تتعلق بمن كان يراقب.

بدأ فريق من الباحثين من جامعة البنجاب وجامعة منهاج في باكستان بتغيير كيفية القيام بهذا العمل عبر تعليم الحواسيب مراقبة مقاطع الفيديو بدلاً من ذلك. فقد طوروا نظاماً يستخدم الذكاء الاصطناعي لرصد الفئران تلقائياً في الفيديو، وتتبع حركاتها، وتصنيف شدة نوبات الصرع لديها دون تدخل بشري. بدأ الباحثون بمقاطع فيديو سُجلت في الأصل لاختبار علاج نباتي جديد للصرع. وقاموا بتغذية هذه الفيديوهات في برنامج حاسوبي مصمم للتعرف على الأشياء، وتحديداً لتدريبه على إيجاد الفئران. وبمجرد أن تمكن الحاسوب من إيجاد الحيوانات بشكل موثوق، أضافوا طبقة ثانية من البرمجيات لتتبع كل فأر على حدة أثناء تحركه داخل القفص، مما يضمن معرفة النظام أي فأر يقوم بأي حركة، حتى لو تقاطعت مساراتهما.

أثبت النظام الحاسوبي قدرة جيدة على أداء مهمته؛ فقد نجح في تحديد وجود فأر في إطارات الفيديو بدرجة عالية من الثقة. والأهم من ذلك، أنه تعلم التمييز بين الفأر الذي يتصرف بشكل طبيعي وذلك الذي يعاني من نوبة صرع. كان النظام بارعاً بشكل خاص في رصد شيئين محددين: حالة الهدوء الطبيعية، ومرحلة النوبة الشديدة حيث ينتصب الفأر على أرجله الخلفية ويمدها بتصلب. كما أدى جيداً في تحديد مرحلة تكون فيها الأرجل الخلفية للفأر ممدودة بالكامل. وعلى الرغم من أن النظام كان أقل تأكداً بشأن المراحل المبكرة والدقيقة جداً من النوبة، إلا أنه تعامل مع الحركات الواضحة والدرامية بدقة قوية. ووجد الباحثون أن الحاسوب يمكنه تحديد هذه السلوكات المحددة بنسبة 77 بالمئة في المتوسط، وهي نتيجة واعدة لنموذج تعلم آلي يعمل مع حركات بيولوجية معقدة.

كما سلطت الدراسة الضوء على الحدود العملية لهذا النهج الجديد. فقد واجه الحاسوب بعض الصعوبة مع العلامات الأولى للنوبة لأن تلك الحركات صغيرة جداً ويصعب رؤيتها، كما نادراً ما رصد أكثر مراحل النوبات تطرفاً في اللقطات المتاحة. وأشار الباحثون إلى أن النظام استغرق وقتاً طويلاً لمعالجة مقاطع الفيديو، حيث تطلب الأمر أكثر من ثلاث ثوانٍ لتحليل إطار واحد باستخدام المعدات القياسية. وهذا يعني أن مشاهدة تجربة مدتها ساعة واحدة ستستغرق وقتاً أطول بكثير من التجربة نفسها. ومع ذلك، يعتقد الفريق أنه مع توفر حواسيب أسرع وإعدادات تسجيل فيديو أفضل، يمكن التغلب على هذه العقبات. ومن خلال أتمتة عملية التقييم، يهدف الباحثون إلى إزالة التخمين والإرهاق من العملية، وتوفير طريقة موضوعية ومتسقة لقياس مدى فعالية علاجات الصرع. إن هذا التحول من العيون البشرية إلى التحليل الرقمي يمكن أن يؤدي إلى نتائج أكثر موثوقية في تطوير الأدوية، مما يساعد العلماء في إيجاد طرق أفضل لإدارة النوبات لكل من الحيوانات والبشر.