Translating Imaging-based Brain Age Models for Predicting Accelerated Brain Ageing in African Populations: A Pilot Study on a Nigerian Cohort.

إن الدماغ البشري ليس عضواً ثابتاً؛ فهو يتغير شكلاً وبنية مع تقدمنا في العمر. ومثلما تظهر التجاعيد على بشرتنا أو تفقد عظامنا كثافتها بمرور الوقت، يخضع الدماغ أيضاً لتحول طبيعي تدريجي. وقد تعلم العلماء كيفية قياس هذه التغييرات باستخدام التصوير بالرنين المغناطيسي (MRI)، لابتكار مفهوم يُسمى "عمر الدماغ". وهذا الرقم يقدّر عمر دماغ الشخص بناءً على بنيته الفيزيائية، بدلاً من عدد السنوات التي عاشها بالفعل. وإذا بدا أن الدماغ أكبر من عمر الشخص الحقيقي، فقد يشير ذلك إلى أن العضو يتعرض للإجهاد أو معرض لخطر الإصابة بأمراض مثل الخرف. ولسنوات طويلة، استخدم الباحثون هذه الفكرة لمحاولة رصد المشكلات الصحية مبكراً. ومع ذلك، فإن الأدوات المستخدمة لحساب عمر الدماغ هذا تعاني من خلل جوهري: فقد بُنيت بالكامل تقريباً باستخدام بيانات من أشخاص في أمريكا الشمالية وأوروبا وأستراليا. وتفترض هذه النماذج أن أدمغة البشر تشيخ بنفس الطريقة، بغض النظر عن مكان عيش الشخص أو خلفيته. ويتجاهل هذا الافتراض حقيقة أن الجينات والبيئة، وحتى الأجهزة المحددة المستخدمة في التقاط الصور، يمكن أن تؤثر على مظهر الدماغ.

لقد شرع فريق من الباحثين في اختبار ما إذا كانت هذه الأدوات المصنوعة في الغرب تعمل مع الناس في أفريقيا، وتحديداً في نيجيريا. واستمدوا بياناتهم من أرشيف أفريقيا للتصوير العصبي (AfNiA)، وهو قاعدة بيانات متعددة المؤسسات تحتوي على أكثر من 11,000 مسح سريري للدماغ من جميع أنحاء القارة. ومن هذا الأرشيف الضخم، اختاروا بعناية 309 مسحات من بالغين نيجيريين يتمتعون بصحة عصبية، أي أنهم لا يعانون من أي أمراض أو تشوهات معروفة في الدماغ. وقد جاءت هذه المسحات المحددة من مصادر متنوعة، بما في في ذلك مستشفيات عامة وخاصة في نيجيريا، وتم التقاطها باستخدام خمسة أنواع مختلفة من أجهزة الرنين المغناط مغناطيسي. ولم تكن العديد من هذه الصور صوراً ثلاثية الأبعاد عالية الدقة كما هو معتاد في الأبحاث، بل كانت في الغالب مقاطع ثنائية الأبعاد أسرع وأقل جودة، تُؤخذ لتمرير المرضى عبر العيادة بسرعة. ولجعل هذه الصور قابلة للاستخدام في دراستهم، استخدم الفريق برنامجاً حاسوبياً لتحويل المقاطع ثنائية الأبعاد إلى صور ثلاثية الأبعاد، مما أدى فعلياً إلى سد الفجوات لإنشاء صورة كاملة للدماغ. ثم أخضعوا هذه الصور لفحص جودة صارم، حيث استبعدوا أي مسحات كانت ضبابية جداً أو مشوهة بحيث لا يمكن الاستفادة منها، لضمان أن تكون مجموعة بياناتهم النهائية موثوقة قدر الإمكان في ظل القيود الواقعية.

ومع جاهزية مجموعة بياناتهم النقية، قام الفريق بتدريب نموذج حاسوبي جديد ليتعلم العلاقة بين بنية الدماغ والعمر خصيصاً لهذا المجتمع النيجيري. لقد علموا النموذج كيفية النظر إلى حجم وشكل مناطق مختلفة من الدماغ والتنبؤ بعمر الشخص. وعندما اختبروا هذا النموذج الجديد، وجدوا أن تنبؤاته كانت تخطئ بمتوسط حوالي 9.8 سنة قبل تطبيق تعديل إحصائي معياري. وبعد إجراء تصحيح بسيط لمراعاة ميل هذه النماذج الشائع للمبالغة في تقدير عمر الشباب والتقليل من تقدير عمر كبار السن، انخفض الخطأ بشكل كبير إلى 6.4 سنوات فقط. وهذا المستوى من الدقة يضاهي أفضل النماذج المدربة على مجموعات بيانات ضخمة وعالية الجودة من دول الشمال العالمي، ولكن تم تحقيق ذلك باستخدام بيانات أكثر تمثيلاً للسكان المحليين.

ولرؤية مدى كفاءة النماذج القدة المستوردة، اختبر الباحثون أربع أدوات مختلفة ومستقرة لعمر الدماغ على نفس البيانات النيجيرية. وقد تم تدريب هذه الأدوات على عشرات الآلاف من المسحات لأشخاص من المملكة المتحدة والولايات المتحدة وأوروبا. وكانت النتائج صارخة؛ إذ سجلت النماذج المستوردة أخطاءً أكبر بكثير، حيث تجاوزت بعضها 16 عاماً في المتوسط. وفشل أحد أكثر نماذج التعلم العميق تقدماً، والذي كان يحظى بالثناء لقدرته على التعميم على مجموعات جديدة، تماماً في معالجة جزء صغير من المسحات، حيث لم يتمكن من معالجة الصور على الإطلاق. كما أدى نموذج آخر أداءً سيئاً للغاية لدرجة أنه تنبأ باتجاه خاطئ لعملية الشيخوخة للمجموعة. ووجد الباحثون أن هذه النماذج كانت تحاول أساساً فرض نمط لم تره من قبل على الأدمغة النيجيرية، مما أدى إلى الارتباك والنتائج غير الدقيقة. وأظهرت الدراسة أن أكثر الأدوات تطوراً لا يمكنها ببساطة الانتقال عبر القارات دون فقدان موثوقيتها.

كما سلطت الدراسة الضوء على التحديات العملية لجلب هذه التقنيات إلى المناطق محدودة الموارد. فبينما كان النموذج الجديد الذي بنوه دقيقاً، إلا أن عملية إعداد الصور استغرقت وقتاً هائلاً؛ حيث تطلب تحويل وتحليل المسحات لجميع المشاركين الـ 309 ما يقرب من 40 يوماً من المعالجة الحاسوبية المتواصلة. هذا الاختناق، الناتج عن الحاجة إلى تقسيم صور الدماغ إلى أجزاء محددة قبل أن يتمكن النموذج من قراءتها، يمثل عقبة رئيسية أمام استخدام هذه الأدوات في المستشفيات المزدحمة حيث السرعة أمر ضروري. وأشار الباحثون إلى أنه بينما توجد طرق أحدث وأسرع، إلا أنها تتطلب حواسيب قوية وغالية الثمن ليست متوفرة في أجزاء كثيرة من أفريقيا. وهذا يخلق مقايضة صعبة: فالنماذج الأكثر دقة بطيئة ومكلفة للغاية بحيث يصعب استخدامها على نطاق واسع، بينما النماذج الأسرع غالباً ما تكون أقل دقة أو تفشل تماماً في التعامل مع البيانات المحلية.

وفي نهاية المطاف، يثبت هذا العمل أن الطريق نحو صحة دماغية أفضل في أفريقيا يتطلب نهجاً مختلفاً. فلا يكفي أخذ الأدوات التي طُورت في الدول الغنية وتطبيقها على السكان الأفارقة. لقد أظهر الباحثون أنه من خلال استخدام البيانات المحلية لبناء نماذج محلية، يمكنهم تحقيق نتائج أكثر دقة وأكثر ملاءمة للأشخاص الذين تتم دراستهم. وخلصوا إلى أن مستقبل الصحة الدماغية العالمية يعتمد على خلق منظومة متنوعة من الأدوات، كل منها مُثبت ومُتحقق منه للفئات السكانية التي صُممت لمساعدتها. وبينما يواصلون جمع المزيد من البيانات عبر القارة، يأملون في تحسين هذه النماذج بشكل أكبر، بهدف إنشاء نظام يمكنه تحديد الأفراد المعرضين لخطر تسارع شيخوخة الدماغ بشكل موثوق، مما يسمح بالتدخل المبكر ورعاية أفضل للملايين الذين طالما تم تهميشهم في هذا السياق.