An Investigation of Cross-Subject Variability in EEG-EMG Fusion Models

يعتبر جسم الإنسان آلة معقدة حيث يرسل الدماغ الأوامر وتنفذها العضلات. ولمساعدة الأشخاص الذين فقدوا القدرة على الحركة، حاول العلماء لفترة طويلة بناء آلات يمكنها قراءة هذه الأوامر مباشرة. إنهم ينظرون إلى إشارتين رئيسيتين: النشاط الكهربائي للدماغ، الذي يظهر خطة الحركة، والنشاط الكهربائي للعضلات، الذي يظهر الحركة الفعلية التي تحدث. لسنوات، اعتقد الباحثون أن الجمع بين هاتين الإشارتين سيخلق نظاماً مثالياً، أفضل بكثير من استخدام أي منهما بمفرده. كانت الفكرة هي أن التحذير المبكر من الدماغ والعمل النهائي للعضلة سيعملان معاً لجعل الآلة تفهم بالضبط ما أراد الشخص القيام به. ومع ذلك، هناك مشكلة كبيرة؛ فدماغ وجسم كل شخص يختلفان قليلاً عن الآخر. فشكل الجمجمة، وسُمك الجلد، وطريقة إطلاق الأعصاب للنبضات تختلف من فرد لآخر. وهذا يعني أن النظام الذي تم تدريبه على شخص واحد غالباً ما يفشل عندما يُطلب منه العمل لشخص آخر، وهو عائق جعل العديد من التقنيات الواعدة عالقة في المختبرات.

وقد تناول تحقيق حديث أجراه ألبرت شول في الجامعة التقنية في ميونيخ هذه المشكلة تحديداً. فبدلاً من تجنيد مرضى جدد لتجربة جديدة، استخدم الباحث تسجيلات موجودة ومتاحة للجمهور لإشارات الدماغ والعضلات من عشرات الأشخاص الأصحاء. ومن خلال تشغيل آلاف المحاكاة الحاسوبية على هذه البيانات، اختبرت الدراسة مدى جودة عمل أنظمة الدماغ والعضلات المدمجة هذه عندما يُطلب منها التعرف على نوايا أشخاص لم تقابلهم من قبل. كان الهدف هو معرفة ما إذا كان "سحر" دمج الإشارات سيصمد أمام الواقع الفوضوي للاختلافات البشرية.

وكشفت النتائج عن فجوة كبيرة بين النظرية والتطبيق. فعندما تم اختبار النماذج الحاسوبية على نفس الشخص الذي تم التدريب عليه، عمل الجمع بين إشارات الدماغ والعضلات بشكل جيد جداً، محققاً دقة عالية. وفي هذه الظروف المألوفة، كانت الإشارتان تكملان بعضهما البعض بشكل مثالي. ومع ذلك، في اللحظة التي طُلب فيها من النماذج العمل على شخص جديد، انخفض الأداء بشكل حاد. ووجدت الدراسة أن دقة النظام المدمج انخفضت بنسبة تتراوح بين 20 إلى 25 بالمائة مقارنة بأدائه مع المستخدم الأصلي. لم يكن هذا التراجع موحداً عبر الإشارتين؛ فقد ظلت إشارات العضلات قوية نسبياً، وحافظت على مستوى جيد حتى مع وجود شخص جديد. أما إشارات الدماغ، من ناحية أخرى، فقد أصبحت عديمة الفائدة تقرياً عند تطبيقها على شخص غريب، حيث انخفضت غالباً إلى مستوى يجعل الكمبيوتر يخمن بشكل عشوائي.

يشير هذا الاكتشاف إلى أن فائدة دمج إشارات الدماغ والعضلات تعتمد بشكل كبير على معرفة الشخص المحدد الذي يستخدم النظام. فالأنماط الكهربائية للدماغ فريدة جداً لكل فرد، بحيث لا يمكن لنموذج تم تدريبه على شخص واحد أن يتعرف بسهولة على نفس النية لدى شخص آخر. وفي المقابل، فإن إشارات العضلات أكثر اتساقاً بين مختلف الناس لأن الميكانيكا الأساسية لكيفية تحرك العضلات متشابهة لدى الجميع. وعندما أُجبرت النماذج الحاسوبية على العمل مع أشخاص جدد دون تدريب مسبق، تعلمت غريزياً تجاهل إشارات الدماغ غير الموثوقة والاعتماد بالكامل تقريباً على إشارات العضلات الأكثر استقراراً. لم يؤدِّ دمج الاثنين إلى خلق "إشارة فائقة" قوية؛ بل أصبح نظاماً يعود تلقائياً إلى بيانات العضلات لأن بيانات الدماغ كانت صاخبة للغاية بحيث لا يمكن الوثوق بها.

كما استكشفت الدراسة ما إذا كانت التقنيات الحاسوبية المتقدمة يمكنها حل هذه المشكلة. فقد اختبر الباحثون طرقاً مصممة لنقل الإشارات من شخص إلى آخر، آملين في مواءمة الاختلافات بحيث يمكن لنموذج واحد أن يعمل للجميع. وقد ساعدت هذه التقنيات، التي تشمل تعديلات رياضية على أنماط الإشارات، في تحقيق بعض النتائج. فقد نجحت في استعادة بعض الأداء المفقود، حيث حسنت دقة إشارات الدماغ بنحو 8 إلى 12 بالمائة ودقة النظام المدمج بنحو 5 إلى 8 بالمائة. ومع ذلك، لم تحل هذه الطرق المشكلة تماماً. فحتى مع هذه التعديلات، ظل النظام يعاني للعمل بشكل مثالي على شخص جديد دون بيانات عينة من ذلك الفرد تحديداً. وتخلص الدراسة إلى أنه بينما يمكننا تحسين النظام، لا يمكننا جعله عالمياً حقاً. فالاختلافات بين أدمغة البشر عميقة جداً بحيث لا يمكن لمعالجة رياضية بسيطة أن تمحيها تماماً.

بالنسبة لمستقبل التكنولوجيا الطبية، تقدم هذه النتائج مساراً واضحاً للمضي قدماً. إن الحلم بوجود جهاز واحد يمكن تسليمه لأي مريض ليعمل فوراً هو أمر بعيد المنال في الوقت الحالي. وبدلاً من ذلك، يبدو أن النهج الأكثر موثوقية يتمثل في الأنظمة التي تركز على إشارات العضلات أو تلك التي تتضمن فترة تدريب شخصية قصيرة لكل مستخدم جديد. وتشير الدراسة إلى أن التصميمات الأفضل ستكون تلك التي يمكنها التكيف، من خلال موازنة إشارات الدماغ والعضلات بشكل مختلف اعتماداً على مدى معرفة النظام للمستخدم. وإلى أن نتمكن من جسر الفجوة بين الأفراد تماماً، ستكون الأدوات الأكثر فعالية هي تلك التي تعترف بالتنوع البشري وتعمل معه بدلاً من محاولة تجاهله.