Deep Feature Selection and Multi-Sparsity Functional Connectivity Networks for Autism Classification
تقدم هذه الدراسة إطار عمل يجمع بين اختيار الميزات العميق وشبكات الاتصال الوظيفي متعددة التشتت لتصنيف اضطراب طيف التوحد بدقة بلغت 86.2% باستخدام بيانات التصوير بالرنين المغناطيسي الوظيفي في حالة الراحة لـ 871 مشاركاً، مع تحديد الاتصالات التمييزية بشكل أساسي في المناطق الجبهية، والقذالية، والجدارية من الدماغ.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل
إن الدماغ البشري ليس عضواً واحداً ثابتاً، بل هو شبكة واسعة وديناميكية من مليارات الخلاى التي تتواصل باستمرار مع بعضها البعض. ولفهم كيف نفكر ونشعر ونتصرف، غالباً ما ينظر العلماء إلى كيفية تواصل مناطق مختلفة من الدماغ مع بعضها البعض، وهو مفهوم يُعرف باسم الاتصال الوظيفي. تخيل الدماغ كمدينة حيث يجب على الأحياء المختلفة تبادل المعلومات للحفاظ على سير النظام بأكمله بسلاسة؛ وعندما تتعطل خطوط الاتصال هذه، يمكن أن يؤدي ذلك إلى حالات معقدة. إحدى هذه الحالات هي اضطراب طيف التوحد، وهو اختلاف في النمو العصبي يؤثر على كيفية تفاعل الأشخاص مع العالم، وتواصلهم، ومعالجتهم للمعلومات الحسية. وبينما يشخص الأطباء حالياً التوحد بناءً على مراقبة السلوك والتطور، لا يوجد اختبار بيولوجي واحد، مثل فحص الدم أو فحص الدماغ، يمكنه تأكيد الحالة بشكل قاطع. هذا النقص في وجود علامة بيولوجية واضحة يجعل التشخيص المبكر صعباً، ويترك الباحثين في بحث مستمر عن الطرق المحددة التي قد يختلف بها التوصيل الداخلي للدماغ لدى الأفراد المصابين بالتوحد.
لقد شرع فريق من الباحثين في البحث عن هذه الأنماط الخفية من خلال تحليل صور مسح الدماغ لمئات الأشخاص. وركزوا على مجموعة ضخمة من البيانات تسمى "تبادل بيانات تصوير دماغ التوحد"، والتي تحتوي على صور الرنين المغناطيسي الوظيفي في حالة الراحة. تلتقط هذه الصور الدماغ بينما يكون الشخص في حالة راحة فقط، وليس أثناء أداء مهمة محددة، مما يسمح للعلماء برؤية الأجزاء التي تنشط معاً بشكل طبيعي. واجه الباحثون تحدياً كبيراً: كانت البيانات تحتوي على آلاف الاتصالات المحتملة بين مناطق الدماغ، وهو عدد يفوق بكثير عدد الأشخاص الذين تم مسح أدمغتهم. يشبه هذا الأمر محاولة العثور على أصوات محددة وسط ستاد مليء بآلاف الأشخاص الذين يصرخون في وقت واحد. ولحل هذه المشكلة، طوروا طريقة جديدة تعمل كمصفاة انتقائية للغاية، مصممة لتنقية الضجيج وتحديد الاتصالات الأكثر أهمية التي تميز أدمغة المصابين بالتوحد عن أدمغة الأفراد الذين ينمون بشكل طبيعي.
بدأ الباحثون برسم خريطة للدماغ إلى 111 منطقة متميزة، بشكل يشبه تقسيم الخريطة إلى أحياء محددة. ثم قاموا بقياس مدى قوة تواصل كل منطقة مع كل منطقة أخرى، مما خلق شبكة معقدة من الاتصالات. ومع ذلك، ليست كل الاتصالات متساوية في الأهمية، وبعض البيانات قد تكون مجرد ضجيج. وللتعامل مع ذلك، اختبر الفريق شبكات الدماغ عند مستويات مختلفة من "التخلخل" (Sparsity)، وهو مصطلح يعني ببساطة عدد الاتصالات التي يتم الاحتفاظ بها مقابل تلك التي يتم تجاهلها. لقد أنشأوا نسخاً من خريطة الدماغ تحتفظ بكل شيء، ونسخاً تحتفظ بنصف أقوى الاتصالات فقط، وما بينهما. ومن خلال اختبار البيانات عبر هذه المستويات المختلفة، ضمنوا أنهم لا يكتشفون مجرد أنماط ظهرت بالصدفة نتيجة لطريقة معينة في النظر إلى البيانات.
ولفهم هذا الكم الهائل من المعلومات، استخدم الفريق تقنية تعلم حاسوبية متطورة أطلقوا عليها اسم "اختيار الميزات العميق" (Deep feature selection). وبدلاً من محاولة تحليل كل اتصال على حدٍ، عملت هذه الطريقة كمنخل دقيق، حيث اختبرت البيانات مراراً وتكراراً لمعرفة أي الاتصالات تظهر باستمرار كعناصر مهمة عبر مجموعات مختلفة من الناس. لقد احتفظوا فقط بالاتصالات التي ظهرت بشكل موثوق في كل مرة يتم فيها تقسيم البيانات وإعادة تحليلها. هذه العملية قلصت آلاف الإشارات المحتملة إلى مجموعة أصغر بكثير وأكثر تحديداً من الروابط التي يُرجح أن تكون ذات صلة حقيقية بالتوحد. ثم استخدموا أداة تصنيف قياسية لمعرفة ما إذا كانت هذه الروابط المحددة يمكن أن تميز بدقة بين الدماغ المصاب بالتوحد والدماغ غير المصاب بالتوحد.
كانت النتائج مذهلة. فباستخدام هذا النهج المنقح، تمكن الفريق من تحديد ما إذا كان المشارك يعاني من التوحد أو ينمو بشكل طبيعي بدقة بلغت 86.2%. وهذا يعني أنه في أكثر من ثماني من كل عشر حالات، نجحت الطريقة في تصنيف الفرد بشكل صحيح. كان النظام جيداً بشكل خاص في تحديد المشاركين المصابين بالتوحد، حيث صنفهم بدقة بنسبة تقارب 89%. وعندما نظروا عن كثب في أي الاتصالات الدماغية كانت تقود هذه النت، ظهرت صورة واضحة. فقد وُجدت أهم الاختلافات في المناطق الجبهية، والقذالية، والجدارية من الدماغ. وتحديداً، كانت الاتصالات التي تشمل التلفيف الجبهي العلوي، وهي منطقة مرتبطة بالوعي الذاتي والتنسيق الحسي، والقشرة القذالية الجانبية، التي تلعب دوراً رئيسياً في المعالجة البصرية والتعرف على الوجوه، هي أقوى المؤشرات.
تشير هذه النتائج إلى أن الأسس العصبية للتوحد ليست منتشرة عشوائياً في جميع أنحاء الدماغ، بل تتركز في شبكات محددة تتعامل مع الإدراك الاجتماعي والمعالجة البصرية. وحقيقة أن هذه الاتصالات نفسها برزت بغض النظر عن مدى صرامة التصفية التي استخدمها الباحثون، تشير إلى أن هذه الأنماط قوية وقابلة للتكرار. ومع ذلك، يشدد الباحثون بحذر على أن هذه أداة بحثية، وليست اختباراً سريرياً جاهزاً للاستخدام في عيادات الأطباء. فقد أُجريت الدراسة على مجموعة بيانات محددة، وتحتاج النتائج إلى التأكيد من خلال مجموعات مستقلة من الأشخاص قبل أن يمكن استخدامها للتشخيص. وبينما لا توفر هذه الطريقة بعد اختباراً بيولوجياً نهائياً للتوحد، إلا أنها توفر نافذة أوضح على توصيلات الدماغ، وتسلط الضوء على مسارات محددة قد تحمل المفتاح لفهم الحالة وتوجيه التدخلات المستقبلية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.