Diagnostic Prediction of Attention-Deficit/Hyperactivity Disorder in Children Using AULA: A Virtual Reality-Based Continuous Performance Task

لطالما اعتمد تشخيص اضطراب نقص الانتباه مع فرط النشاط، أو ما يعرف بـ ADHD، على مزيج من الاستبيانات التي يملؤها الآباء والمعلمون، إلى جانب اختبارات معيارية تطلب من الأطفال التركيز على مهام بسيطة في غرفة هادئة. ورغم أن هذه الأساليب راسخة، إلا أنها غالباً ما تجد صعوبة في محاكاة الواقع الفوضوي لكيفية عمل انتباه الطفل في العالم الحقيقي. ففي الفصل الدراسي التقليدي، يتعين على الطالب تجاهل حفيف الأوراق، وهمس أحد الجيران، وحركة الأشخاص الذين يمرون بجانبه، كل ذلك بينما يحاول الاستماع إلى المعلم. ونادراً ما تعيد الاختبارات التقليدية خلق هذا التعقيد، مما يجعل من الصب الصعب رؤية كيف يتعامل دماغ الطفل مع سحب المشتتات المستمر. علاوة على ذلك، يمكن أن تبدو أعراض ADHD مختلفة تماماً من طفل لآخر، وغالباً ما يتم تعريف الحالة بناءً على مدى تذبذب تركيز الطفل من لحظة إلى أخرى، وليس مجرد درجة واحدة في اختبار.

ولسد الفجوة بين غرفة الاختبار الهادئة والفصل الدراسي الصاخب، بدأ الباحثون في اللجوء إلى الواقع الافتراضي. تتيح هذه التكنولوجيا للعلماء بناء بيئات غامرة ثلاثية الأبعاد تبدو حقيقية للشخص الذي يرتدي سماعة الرأس، ومع ذلك تظل خاضعة للتحكم والقياس بشكل مثالي. ومن خلال وضع الطفل في فصل دراسي محاكى مليء بالمشتتات الواقعية، يمكن للباحثين مراقبة كيفية صمود انتباههم عندما تشتد الضغوط. يوفر هذا النهج طريقة لقياس السلوك بمستوى من التفصيل كان مستحيلاً في السابق، حيث لا يكتفي برصد ما إذا كان الطفل قد أجاب بشكل صحيح أم خاطئ، بل يرصد أيضاً كيف تحرك جسده، وكم استغرق من الوقت للاستجابة، وكيف تغير تركيزه مع تغير البيئة.

وقد وضع باحثان، هما فيديل ريبون أورتيز وإيرين أليس تشيتشي جيليولي، بالتعاون مع منظمة "جيونتي نيبلورا"، هذه الفكرة قيد الاختبار باستخدام أداة واقع افتراضي محددة تسمى AULA. أراد الباحثون معرفة ما إذا كان بإمكانهم استخدام هذه البيئة الغامرة، جنباً إلى جنب مع خوارزميات الكمبيوتر المتقدمة، للتمييز بين الأطفال المصابين بـ ADHD وأولئك غير المصابين به. وقد استقطبوا مجموعة مكونة من 352 طفلاً ومراهقاً، تتراوح أعمارهم بين 6 إلى 16 عاماً، مع ضمان وجود عدد متساوٍ من المشاركين من كلتا المجموعتين. وكان لدى كل طفل في الدراسة نظر وسمع طبيعي أو مصحح إلى المستوى الطبيعي، وقد تلقى أطفال مجموعة ADHD تشخيصاً طبياً رسمياً بناءً على المعايير الطبية القياسية.

ارتدى الأطفال سماعة الرأس الخاصة بالواقع الافتراضي ودخلوا فصلاً دراسياً رقمياً. وداخل هذا المحاكاة، طُلب منهم أداء مهام تحاكي العمل المدرسي الحقيقي، مثل الانتباه إلى معلم افتراضي مع تجاهل المشتتات مثل زميل يمرر ورقة أو يهمس. وسجل النظام كمية هائلة من البيانات أثناء عمل الأطفال، حيث تتبع كل شيء بدءاً من أوقات استجابتهم وصولاً إلى الحركات الصغيرة لرؤوسهم وأيديهم. وكان الباحثون مهتمين بشكل خاص بكيفية أداء الأطفال عندما تكون المشتتات موجودة مقارنة بما إذا كانت البيئة هادئة. وبحثوا عن أنماط في البيانات قد تكشف عن البصمة الفريدة لـ ADHD، مثل مدى تباين وقت استجابة الطفل من لحظة إلى أخرى، أو عدد المرات التي ارتكب فيها أخطاء أثناء محاولة تجاهل المشتتات.

وبعد جمع هذا التدفق الغني من المعلومات، استخدم الفريق عملية تسمى "تعلم الآلة" للعثور على الأدلة الأكثر أهمية. فبدلاً من النظر إلى رقم واحد أو رقمين فقط، قام الكمبيوتر بتحليل عشرات القياسات المختلفة لمعرفة أي منها كان الأفضل في الفصل بين المجموعتين. ووجد الباحثون أن العلامات الأكثر دلالة لم تكن تتعلق فقط بمدى سرعة إجابة الطفل، بل بمدى اتساقها. فقد أظهر الأطفال المصابون بـ ADHD عدم استقرار أكبر بكثير في أوقات استجابتهم، خاصة عندما كانوا يحاولون تجاهل المشتتات. كما ارتكبوا أخطاءً أكثر بكثير من نوعين محددين: فقد فاتهم استهداف أهداف كان من المفترض أن يصيبوها، وضغطوا على الأزرار في حين كان ينبغي عليهم البقاء ساكنين، لا سيما عندما كان الفصل الدراسي الافتراضي مليئاً بالضجيج والحركة.

وقد حددت الدراسة 14 متغيراً رئيسياً كانت الأكثر فائدة في إجراء التنبؤ. وشملت هذه المتغيرات مقاييس لمدى تقلب وقت استجابة الطفل، وعدد الأخطاء المرتكبة عند وجود المشتتات، ومدى ابتعاد انتباهه عن المهمة المنشودة. وعندما قام الباحثون بتغذية هذه المتغيرات المحددة في عدة نماذج كمبيوتر مختلفة، كانت النتائج مذهلة؛ حيث تمكنت النماذج من تصنيف الأطفال بدقة عالية جداً، وحددت المجموعة التي ينتمي إليها الطفل في أكثر من 93 بالمائة من الحالات. وكانت النماذج الأفضل أداءً قادرة على التمييز بين المجموعتين بمستوى من الدقة يتجاوز بكثير ما يُرى عادةً في الاختبارات التقليدية.

وكان أحد أهم النتائج هو أن وجود المشتتات أحدث فرقاً هائلاً. فالمتغيرات التي كانت أكثر أهمية هي تلك التي تم قياسها عندما كان الأطفال يحاولون التركيز في بيئة صاخبة ومزدحمة. وهذا يدعم نظرية مفادها أن ADHD ليس مجرد سمة ثابتة، بل هو حالة يتأثر فيها قدرة الشخص على التركيز بشدة بمحيطه. فعندما تكون البيئة بسيطة وهادئة، قد يؤدي الطفل المصاب بـ ADHD أداءً مشابهاً لأقرانه، ولكن عندما يزداد العبء المعرفي وتظهر المشتتات، يصبح انتباهه غير مستقر، وتتعثر قدرته على التحكم في الدوافع. وقد أظهرت الدراسة أن بيئة الواقع الافتراضي كانت قادرة على تحفيز هذه الصعوبات المحددة، مما سمح للكمبيوتر برؤية المشكلة بوضوح.

وأشار الباحثون أيضاً إلى أن نماذج الكمبيوتر كانت قادرة على التقاط أنماط دقيقة قد يغفل عنها المراقب البشري. فعلى سبيل المثال، وجد النماذج أن الطريقة التي يحرك بها الطفل جسده في الفضاء الافتراضي مرتبطة بانتباهه. وفي بعض الحالات، بدا أن عدم الاستقرار الجسدي للطفل يتفاعل مع قدرته على البقاء مركزاً بطرق معقدة لم تكن واضحة للوهلة الأولى. ومن خلال الجمع بين بيانات اختبار الواقع الافتراضي وتقنيات الكمبيوتر المتقدمة هذه، أثبتت الدراسة أنه من الممكن رسم صورة أكثر دقة وموضوعية للصحة الانتباهية للطفل.

ورغم أن النتائج واعدة، إلا أن المؤلفين يحرصون على الإشارة إلى أن هذه الخطوة هي مجرد خطوة للأمام في رحلة أكبر. فقد استخدمت الدراسة مجموعة محددة من الأطفال ولم تشمل كل التباينات الممكنة لـ ADHD أو الحالات الأخرى التي غالباً ما تترافق معه. كما أن نماذج الكمبيوتر المستخدمة في الدراسة معقدة، ويقر الباحثون بأن الأطباء سيحتاجون إلى فهم كيفية وصول هذه النماذج إلى استنتاجاتها قبل أن يمكن استخدامها على نطاق واسع في العيادات. ومع ذلك، فإن هذا العمل يقدم دليلاً قوياً على أن وضع الأطفال في بيئات واقعية ومشتتة وقياس ردود أفعالهم بدقة عالية يمكن أن يكشف عن التحديات الجوهرية لـ ADHD بطريقة لا تستطيع الاختبارات التقليدية القيام بها.

وفي الختام، يشير هذا البحث إلى مسار جديد للتشخيص. فمن خلال الانتقال من التقارير الذاتية والاختبارات البسيطة، نحو بيئات غامرة غنية بالبيانات، قد يمتلك الأطباء قريباً أدوات يمكنها رؤية الطبيعة الحقيقية لانتباه الطفل. وتظهر الدراسة أنه عندما نعيد خلق تحديات العالم الحقيقي داخل الفصل الدراسي، تصبح الاختلافات بين الأطفال المصابين بـ ADHD وأولئك غير المصابين به واضحة وقابلة للقياس. ولا يقتصر هذا النهج على تحسين دقة التشخيص فحسب، بل يقدم أيضاً فهماً أعمق لكيفية عمل الانتباه، وكيف ينهار تحت الضغط، وكيف يمكن دعمه في العالم المعقد والصاخب الذي يعيش فيه الأطفال بالفعل.