واجهة عصبية مرنة متعددة المناطق لفك شيفرة الحالة السلوكية في الفئران المتحركة بحرية

الاستماع إلى الروتين اليومي للدماغ

تبدو الأنشطة اليومية مثل الاستراحة أو التجوال أو تناول وجبة خفيفة سهلة وسلسة، لكنها تنبثق من عمل ملايين الخلايا العصبية المتزامنة في أعماق الدماغ. تُظهر هذه الدراسة كيف يمكن لنظام مجسّات جديد مرن، مقرون بذكاء اصطناعي حديث، أن «يستمع» إلى عدة مناطق دماغية في آن واحد لدى فئران تتحرك بحرية ويحدد بثقة ما الذي تفعله الحيوان. على المدى الطويل، قد تساعد هذه التكنولوجيا العلماء على فهم اضطرابات الدماغ وبناء واجهات دماغ-حاسوب تعمل خارج المختبر.

نافذة ناعمة إلى دماغ نشط

المجسات التقليدية للدماغ صلبة وعادةً ما تلتقط إشارات من منطقة واحدة، ما قد يهيّج النسيج ويفقد الصورة الأوسع لكيفية تعاون المناطق المختلفة. صمم الفريق مسبارًا مرنًا متعدد المناطق يحل هذين المشكلتين. يحمل كل مسبار ثمانية ذراعات رفيعة، أو خِناصر، مغطاة بوسائد تسجيل ذهبية صغيرة. تسمح الانحناءات الذكية على شكل حرف أوميغا المدمجة في كل خنصر للهيكل بالتمدد والمرونة مع حركة الدماغ الطرية، بحيث يمكنه الوصول إلى مناطق بعيدة دون الانكسار أو سحب النسيج. أظهرت الاختبارات في أدمغة نموذجية هلامية وفي فئران حية أن الجهاز يمكن أن يمتد لأكثر من سنتيمتر من النسيج الدماغي ويحافظ على خصائصه الكهربائية مستقرة لأسابيع، حتى أثناء حركة الحيوانات الطبيعية.

متابعة الفئران وهي تستريح وتتجول وتتغذى

لربط نشاط الدماغ بالسلوك الحقيقي، بنى الباحثون صندوقًا شفافًا يمكن للفئران أن تتحرك فيه بحرية، مع فراش على الأرضية وطعام في زاوية ثابتة ومصباح قادر على إرسال وميض قصير. تابعت كاميرات علويّة وضع الرأس والذيل، بينما سجل المسبار الجديد إشارات دماغية منخفضة التردد من ما يصل إلى ثماني مناطق، بما في ذلك مراكز الحركة واللمس والذاكرة والرؤية. ركز الفريق على أربع حالات واضحة وسهلة التعرّف: الاستراحة، التجوال داخل الصندوق، التغذية في مكان الطعام، والاستجابة لوميض ضوئي إيقاعي. من خلال وسم السلوك بعناية من الفيديوهات ومطابقته مع تسجيلات الدماغ، جمعوا مجموعة بيانات غنية تغطي نحو أسبوع من الوقت النشط عبر أربع فئران.

تعليم الذكاء الاصطناعي قراءة أنماط الدماغ

تتغير إشارات الدماغ بسرعة عبر الزمن وبين المناطق، لذا لجأ الفريق إلى نموذج تعلّم عميق لاكتشاف أنماط يصعب على البشر رؤيتها. يجمع نموذجهم المخصص «إل‑كونفورمر» بين فكرتين: جزء يبحث عن أشكال قصيرة المدى في الإشارة، بينما يتتبع جزء «الانتباه» كيف تتعلق الأنماط على مدى أطول من الزمن. عبر تمرير نافذة زمنية على التسجيلات، يتعلم النموذج ربط كل قطعة من نشاط الدماغ مدتها أربع ثوانٍ بإحدى الحالات السلوكية الأربع. اختبر الباحثون أطوال نافذة متعددة ووجدوا أن أربع ثوانٍ تمثل التوازن الأمثل بين التقاط السلوك المستمر وتجنّب خلط حالات مختلفة، محققًا دقة تقارب 89% تقريبًا. النماذج المنافسة المقتبسة من أعمال واجهات الدماغ-حاسوب الحديثة لم تحقق أداء مماثل على هذه المجموعة المطلبة والطبيعية من البيانات.

عدة مناطق دماغية أفضل من واحدة

كان سؤال محوري ما إذا كان من الأفضل تجميع العديد من الأقطاب في منطقة «مفضلة» واحدة أم نشرها عبر الدماغ. عندما تدريب النموذج على إشارات من منطقة واحدة في كل مرة، تفاوت الأداء كثيرًا وغالبًا ما كان متوسطًا. جمع إشارات كل المناطق الثماني رفع متوسط الدقة إلى نحو 88% تقريبًا. ثم أجرى الفريق مقارنات عادلة وجها لوجه عبر الحفاظ على إجمالي عدد القنوات نفسه مع تغيير أماكن وضعها. مع عدد قليل من القنوات فقط، عمل تركيزها في منطقة واحدة بشكل أفضل قليلاً. لكن بمجرد تضمين إشارات من خمس مناطق أو أكثر، تفوّق التوزيع عبر المناطق بوضوح واستمر في التحسن، بينما وصل ترتيب المنطقة الواحدة إلى حد أقصى. وهذا يوحي بأن الحالات اليومية مثل الاستراحة والتجول والتغذية هي ظواهر مدمغة على نطاق واسع، وليست نتاج «مركز» منفرد.

فك مستقر عبر الأيام والفئران المختلفة

بالنسبة لأي استخدام سريري أو مساعد مستقبلي، يجب أن يستمر جهاز فك الشيفرة في العمل عبر جلسات تسجيل متعددة وأفراد مختلفين. لذلك تساءل الباحثون عما إذا كان نموذجهم قادرًا على التعامل مع أيام جديدة وحيوانات جديدة دون إعادة تدريب مستمرة. عندما دربوا النموذج على بيانات عدة أيام من فأر واحد ثم اختبروه في أيام لاحقة، ارتفعت الدقة إلى نحو 85%، قريبة من أداء نفس اليوم، حتى دون إعادة ضبط النموذج. في اختبار أصعب، دربوا النظام على ثلاثة فئران وقيموه على رابع. اللافت أن النموذج لا يزال قادرًا على تخمين حالة ذلك الحيوان بدقة تقارب 70% مباشرةً، وأدى ضبط بسيط باستخدام بعض بيانات الفأر الجديد إلى رفع الدقة فوق 80%.

ماذا يعني هذا لواجهات الدماغ المستقبلية

ببساطة، تُظهر الدراسة أن شبكة «استماع» ناعمة ومتعددة المناطق مقترنة بخوارزمية تعلم قوية يمكنها فك شيفرة ما يفعله فأر يتحرك بحرية بدقة وموثوقية عالية على مدى أسابيع وعبر حيوانات مختلفة. للفهم العام، الفكرة الأساسية هي أن حالات الدماغ مثل الراحة والاستكشاف والأكل مُرمَّزة في أنماط واسعة النطاق منتشرة عبر الدماغ، وأن الإلكترونيات المرنة والذكاء الاصطناعي يمكنهما قراءة هذا الترميز الموزع دون إتلاف النسيج أو البدء من نقطة الصفر في كل يوم. على المدى البعيد، قد تساعد هذه المناهج في مراقبة الحالات الداخلية لاضطرابات الدماغ، توجيه العلاجات، ودعم واجهات دماغ-حاسوب تعمل في ظروف أكثر طبيعية ويومية.

الاستشهاد: Tian, Y., Li, G., Su, H. et al. A multi-region flexible neural interface for behavioral state decoding in freely moving mice. Microsyst Nanoeng 12, 154 (2026). https://doi.org/10.1038/s41378-026-01258-5

الكلمات المفتاحية: واجهة دماغ-حاسوب, فك تشفير عصبي, أقطاب مرنة, الحالة السلوكية, التعلّم العميق