Predictive EEG Signatures of Alzheimer's Disease: A Cross-Validated, Cross-Method Analysis Using ANCOVA Filtering and Sparse Logistic Regression
تُظهر هذه الدراسة أن نهج التعلم الآلي المعتمد على التحقق المتقاطع والخالي من التسرب، والذي يستخدم سمات تخطيط كهربائية الدماغ (EEG) المفلترة عبر تحليل التباين المصاحب (ANCOVA) والمحققة عبر طرق متعددة، يمكنه تمييز مرضى مرض الزهايمر عن الضوابط الأصحاء بدقة تبلغ 78.5%، مما يحدد بصمة بيولوجية متواضما ولكنها حقيقية مدفوعة بشكل أساسي بالقدر الطيفي وتعقيد الإشارة.
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
قبل وقت طويل من ظهور نوبات فقدان الذاكرة والارتباك التي تميز مرض الزهايمر على الشخص أو عائلته، يبدأ النشاط الكهربائي للدماغ في التغير. تحدث هذه التحولات في الهمس الهادئ لإطلاق الخلايا العصبية، وهو نمط يمكن التقاطه دون الحاجة إلى إبر أو إشعاع أو إجراءات جراحية. يعلم العلماء منذ زمن طويل أن أدمغة المصابين بالزهايمر تنتج إشارات أقل تعقيداً وأكثر قابلية للتنبؤ من أدمغة الأصحاء. كما يعلمون أيضاً أن إيقاع هذا النشاط يتباطأ، حيث تصبح بعض الترددات أعلى صوتاً بينما تخبو أخرى، ويضعف التنسيق بين مناطق الدماغ المختلفة. كان التحدي دائماً يكمن في تحويل هذه الملاحظات العامة إلى أداة موثوقة. ولأن كل دراسة تستخدم طرقاً مختلفة ومجموعات صغيرة من الناس، فإن النتائج غالباً ما تفشل في التطابق، مما يترك الأطباء دون وسيلة واضحة وغير جراحية لرصد المرض في مراحله المبكرة.
تتناول دراسة حديثة أجرتها الباحثة المستقلة غاريما جوشي هذه المشكلة من خلال طرح سؤال محدد للغاية: هل يمكن لمجموعة صغيرة ومختارة بعناقة من القياسات الكهربائية أن تميز بشكل موثوق بين دماغ مصاب بالزهايمر وآخر سليم؟ لم تبحث الباحثة عن أي اختلاف فحسب؛ بل بنت نظاماً صُمم لضمان أن أي نجاح هو حقيقي وليس خدعة رياضية. وباستخدام قاعدة بيانات عامة لتسجيلات الدماغ من 36 شخصاً مصاباً بالزهايمر و29 متطوعاً سليماً، اختبرت الدراسة أربعة طرق مختلفة لقياس نشاط الدماغ: مدى تعقيد الإشارة، وكمية الطاقة في نطاقات ترددية مختلفة، ومدى قدرة مناطق الدماغ على البقاء في حالة تزامن، والشكل العام للشبكة التي تربط بينها. كان الهدف هو معرفة ما إذا كانت هذه القياسات يمكنها التنبؤ بالتشخيص لدى شخص جديد، بشرط ألا يكون الحاسوب قد رأى بيانات ذلك الشخص من قبل.
للقيام بذلك، قامت الباحثة أولاً بتنظيف موجات الدماغ الخام، حيث استبعدت بداية ونهاية التسجيل لإزالة الضجيج، ثم جزأت البيانات إلى قطع قصيرة مدة كل منها أربع ثوانٍ. بعد ذلك، قامت بحساب عشرات الأرقام لكل شخص، تصف كل شيء بدءاً من عدم انتظام الإشارة وصولاً إلى قوة الاتصال بين كل زوج من الأقطاب الكهربائية على فروة الرأس. وللتأكد من أن هذه الأرقام تعني شيئاً بالفعل، استخدمت طريقتين إحصائيتين مختلفتين تماماً للتحقق من الاختلافات بين المجموعتين. بحثت إحدى الطريقتين في متوسط الفروقات مع مراعاة العمر والجنس، بينما استخدمت الأخرى نهجاً قائماً على الرتب لا يفترض أي توزيع للبيانات. وقد اتفقت الطريقتان بقوة على السمات ذات الأهمية. ووجدت كلتاهما أن التعقيد الكهربائي للدماغ يتغير، وأن قوة بعض الإيقاعات تتبدل، وأن الروابط بين مناطق الدماغ تصبح أقل تزامناً.
جاء الجزء الأكثر صرامة من الدراسة في المرحلة التالية. حيث قسمت الباحثة المجموعة من الأشخاص إلى خمس مجموعات أصغر وأجرت الاختبار خمس مرات. وفي كل جولة، استخدمت أربع مجموعات لتعليم الحاسوب كيفية رصد الزهايمر، واحتفظت بالمجموعة الخامسة لاختبار قدرته. ومن الأهمية بمكان أنها حرصت على ألا يرى الحاسوب بيانات الاختبار أثناء تعلمه أي الأرقام يجب أن ينتبه إليها، وذلك لمنع الحاسوب من إيجاد أنماط زائفة عبر حفظ إجابات الاختبار. وعندما تم اختبار الحاسوب أخيراً على الأشخاص الذين لم يرهم من قبل، تمكن من تحديد المرض بشكل صحيح بنسبة 78.5% من المرات. لقد كان أفضل في رصد المرض عند وجوده منه في تأكيد غيابه، لكن النتيجة الإجمالية كانت إشارة واضحة إلى أن هذه الأنماط الكهربائية تحمل بالفعل معلومات عن الحالة.
لم يعتمد الحاسوب على رقم سحري واحد، بل اختار باستمرار نوعين محددين من الأدلة. كان أحدهما مقياساً للقوة في نطاق تردد "ثيتا" في بقعة محددة على الجانب الأيس_من الجبهة، والذي كان أقوى لدى المصابين بالزهايمر. أما الآخر فكان مقياساً لمدى تزامُن منطقتين في الدماغ ضمن نطاق "ألفا"، والذي كان أضعف في مجموعة المرضى. ومن المثير للاهتمام أن السمة التي ظهرت أكثر من غيرها في النتائج الهامة -وهي تعقيد الإشارة- لم تكن هي التي اعتمد عليها الحاسوب أكثر في اتخاذ قراره النهائي. وهذا يشير إلى أنه بينما يتغير تعقيد الدماغ، فإن القوة المحددة لبعض الإيقاعات وقوة الروابط بين المناطق هي "البصمات" الأكثر مباشرة للتمييز بين المجموعتين في هذه البيانات.
تؤكد الدراسة أن التسجيل الكهربائي غير الجراحي يمكن أن يكشف عن التوقيع الخفي لمرض الزهايمر، لكنها تضع أيضاً حداً واقعياً لما يعنيه ذلك. فالنتائج ليست علاجاً ولا أداة تشخيص مضمونة لكل مريض. فالمجموعة التي استُخدمت كانت صغيرة نسبياً، والاختبار تم التحقق منه فقط مقابل أشخاص أصحاء، وليس ضد أنواع أخرى من الخرف. وتشير الباحثة إلى أن الطريقة نجحت لأنها صُممت لمنع الحاسوب من إيجاد أنماط زائفة، وحقيقة أنها لا تزال تجد إشارة ما تعني أن الاختلاف حقيقي. وبينما لا تثبت الدراسة أن هذه التغييرات الكهربائية تسبب المرض أو أنها تحدث قبل ظهور الأعراض، إلا أنها تُظهر أن نهجاً دقيقاً قائماً على البيانات يمكنه إيجاد إشارة حقيقية ومتواضعة وسط الضجيج. ويشير هذا العمل إلى أنه مع المزيد من البيانات والمزيد من الاختبارات، قد تصبح هذه الأنماط الكهربائية يوماً ما جزءاً معيارياً من كيفية فهم الأطباء لمرض الزهايمر والكشف عنه.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.