Computer Vision Methods for Behavioral Phenotyping in Autism Spectrum Disorder: A Systematic Review

اضطراب طيف التوحد هو حالة تؤثر على كيفية تواصل الأشخاص مع الآخرين، وتواصلهم، وحركة أجسادهم. ولأن كل شخص مصاب بالتوحد يختبر هذه التحديات بشكل مختلف، لا يمكن للأطباء الاعتماد على قائمة مراجعة واحدة لفهم الصورة الكاملة. بدلاً من ذلك، يبحثون عن أنماط محددة في السلوك، تُعرف بالأنماط الظاهرية (phenotypes)، لتحديد مدى شدة أعراض الشخص والتمييز بين التوحد والاضطرابات النمائية الأخرى التي قد تبدو مشابهة له. تقليدياً، تطلب العثور على هذه الأنماط ساعات من المراقبة من قبل متخصصين مدربين تدريباً عالياً، يقومون بمراقبة تفاعل الطفل ثم تسجيل سلوكه يدوياً. هذه العملية بطيئة ومكلفة، وغالباً ما تتأخر بسبب نقص الخبراء، مما يترك العديد من العائلات في حالة انتظار للمساعدة التي يحتاجونها.

يبرز حالياً نهج جديد من تقاطع الطب والتكنولوجيا، يستخدم الرؤية الحاسوبية لمراقبة وقياس السلوك تلقائياً. يتعامل هذا المجال مع لقطات الفيديو ليس فقط كتسجيل، بل كمصدر للبيانات التي يمكن أن تكشف عن حركات دقيقة قد تخطئها العين البشرية. ومن خلال تحليل كيفية حركة الطفل، وأين ينظر، وكيف يحاكي الآخرين، يمكن للحواسيب أن تبدأ في قياس السمات ذاتها التي يستخدمها الأطباء للتشخيص. تستعرض مراجعة منهجية حديثة أجراها باحثون من جامعة قطر مدى التقدم الذي أحرزته هذه التكنولوجيا، حيث فحصت عشرات الدراسات التي تحاول استخدام تحليل الفيديو لفهم فروق التوحد الدقيقة، من قياس شدة الأعراض إلى التمييز بينه وبين الاضاضرابات الأخرى.

سعى الباحثون وراء هذه المراجعة لرسم خارطة للمشهد الحالي للتحليل القائم على الحركة في حالات التوحد. لقد بحثوا في آلاف الأوراق العلمية المنشورة منذ عام 2010، بحثاً تحديداً عن الدراسات التي استخدمت بيانات الفيديو لتحليل الحركة. وبعد عملية فحص صارمة، حصروا تركيزهم في اثنتين وثلاثين دراسة استوفت معايير صارمة. وقد انقسمت هذه الدراسات إلى ثلاث فئات رئيسية: تلك التي تحاول تقدير شدة التوحد، وتلك التي تحاول التمييز بين التويد وحالات أخرى مثل اضطراب نقص الانتباه مع فرط النشاط، وتلك التي تبني أدوات جديدة لالتقاط السلوك في المقام الأول. وتكشف المراجعة عن مجال مليء بالوعود ولكنه لا يزال يعاني من نقص في البيانات الموحدة.

عندما يتعلق الأمر بقياس الشدة، فإن الهدف هو الانتقال لما هو أبعد من مجرد تشخيص "نعم أو لا" وبدلاً من ذلك تحديد مدى حدة أعراض الشخص. وهذا أمر بالغ الأهمية لأن مستوى الشدة يحدد نوع العلاج الذي يتلقاه الطفل. وجدت المراجعة أن خمس عشرة دراسة من الدراسات المختارة ركزت على هذه المهمة. استخدم هؤلاء الباحثون خوارزميات حاسوبية لمراقبة فيديوهات لأطفال يؤدون أنشطة محددة، مثل تقليد روبوت، أو اللعب بكرة، أو المشاركة في لعبة اجتماعية. تتبعت الحواسيب حركات أجساد الأطفال، ونظرات أعينهم، وتعبيرات وجوههم، ومقارنتها بالدرجات السريرية التي حددها الخبراء مسبقاً. حققت بعض هذه الدراسات دقة عالية، حيث حدد أحد النماذج مستويات الشدة بشكل صحيح في ما يقرب من 99 بالمئة من الحالات من خلال تحليل حركة العين وتصلب الوجه. ومع ذلك، سلطت المراجعة الضوء أيضاً على عقبة كبيرة: معظم هذه النماذج الناجحة تم تدريبها على بيانات خاصة جُمعت في مختبرات محددة، مما يجعل من الصعب على العلماء الآخرين التحقق من النتائج أو تطبيق الأدوات في أماكن أخرى.

أما التحدي الرئيسي الثاني الذي تناولته المراجعة فهو صعوبة التمييز بين التوحد والاضطرابات النمائية العصبية الأخرى. فغالباً ما يتشارك الأطفال المصابون بالتوحد سمات سلوكية مع أطفال يعانون من حالات مختلفة، مثل اضطراب التنسيق النمائي أو اضطراب نقص الانتباه مع فرط النشاط. إن التشخيص الخاطئ قد يؤدي إلى نوع خاطئ من العلاج، والذي قد لا يساعد الطفل. حددت المراجة ست دراسات فقط حاولت حل هذه المشكلة المحددة باستخدام بيانات الحركة. بحثت هذه الدراسات في الاختلافات الدقيقة في كيفية تحرك الأطفال أو تفاعلهم. على سبيل المثال، وجدت إحدى الدراسات أنه بينما قد يبدو الأطفال المصابون بالتوحد وأولئك المصابون باضطراب نقص الانتباه مع فرط النشاط متشابهين في نواحٍ كثيرة، إلا أن حركات أعينهم عند النظر إلى الوجوه أظهرت أنماطاً متميزة. ووجدت دراسة أخرى مقارنة بين سرعة ودقة حركات اليد لدى الأطفال المصابين بالتوحد مقابل أولئك المصابين بمرض باركنسون، ووجدت اختلافات واضحة في كيفية تحكمهم في أفعالهم. ورغم هذه النتائج الواعدة، أشارت المراجعة إلى أن دراسات قليلة جداً قد تناولت هذه المشكلة، وأن معظمها اعتمد على مجموعات بيانات صغيرة وخاصة، مما ترك المجال دون معيار مشترك للمقارنة.

بعيداً عن التصنيف، ركزت المجموعة الثالثة من الدراسات على بناء البنية التحتية اللازمة لجعل هذه التكنولوجيا تعمل. وجد الباحثون أن العديد من مجموعات البيانات الموجودة صغيرة جداً أو تفتقر إلى الملصقات السريرية التفصيلية اللازمة لتدريب نماذج حاسوبية قوية. ولمعالجة ذلك، طورت فرق عدة أدوات جديدة لجمع السلوك في بيئات أكثر طبيعية. فقد أنشأ البعض تطبيقات للهواتف المحمولة تسم تتيح للآباء تسجيل أطفالهم في المنزل، مما يلتقط السلوكيات العفوية التي قد لا تظهر في المكتب السريري. كما بنى آخرون أنظمة يمكنها تتبع نظرة الطفل أو وضعية جسمه تلقائياً أثناء جلسات العلاج، محولةً ساعات من الفيديو إلى قياسات دقيقة للحركة. هذه الأدوات ضرورية لأنها توفر المادة الخام — وهي البيانات — التي ستحتاجها النماذج الأكثر تقدماً في المستقبل للتعلم منها.

تخلص المراجعة إلى أنه بينما توفر الرؤية الحاسوبية طريقة قوية لجعل تقييم التوحد أسرع وأكثر موضوعية، فإن المجال ليس جاهزاً بعد للاستخدام السريري الواسع. ويتمثل العائق الأكبر في نقص مجموعات البيانات الكبيرة والعامة التي تتضمن لقطات الفيديو والدرجات السريرية الموثقة. وبدون هذه الموارد المشتركة، يصعب معرفة ما إذا كانت الأداة الجديدة فعالة حقاً أم أنها تعمل فقط في المختبر المحدد الذي أُنشئت فيه. علاوة على ذلك، ركزت معظم الدراسات ببساطة على التمييز بين التويد والنمو الطبيعي، تاركة المهام الأكثر تعقيداً مثل تحديد درجة الشدة والتمييز بين الاضطرابات دون استكشاف كافٍ. ويقترح المؤلفون أن التقدم المستقبلي يعتمد على إنشاء معايير مرجعية موحدة وجمع بيانات أكثر تنوعاً تعكس النطاق الواسع من التجارب داخل مجتمع التوحد. وإلى أن يتم اتخاذ هذه الخطوات، تظل هذه التكنولوجيا أداة واعدة ولكنها غير مكتملة، تنتظر البيانات التي تحتاجها لتساعد الأطباء والعائلات حقاً.