إطار هجين عميق–SVM مع هندسة ميزات EEG محسّنة وقابلية تفسير تعتمد على SHAP لتصنيف مرض الزهايمر

لماذا يمكن لاختبارات موجات الدماغ أن تكشف الخرف مبكراً

الخرف، بما في ذلك مرض الزهايمر والخرف الجبهي الصدغي، في تزايد حول العالم، ومع ذلك فالأدوات التشخيصية الحالية غالباً ما تكون مكلفة أو غازية أو يصعب تكرارها بانتظام. تستقصي هذه الدراسة ما إذا كانت تسجيلات موجات الدماغ البسيطة، المأخوذة بواسطة قبعة تخطيط كهربية الدماغ (EEG)، يمكن أن تساعد الأطباء على التمييز بين الأنواع المختلفة من الخرف والشيخوخة السليمة. كما يركز الباحثون على جعل قرارات الحاسوب مفهومة للسريريين، بحيث لا تكون دقيقة فحسب، بل شفافة وجديرة بالثقة أيضاً.

الاستماع إلى الدماغ بدون جراحة

يقيس تخطيط كهربية الدماغ إشارات كهربائية ضئيلة من فروة الرأس عندما تتناغم مجموعات من خلايا الدماغ في الإطلاق. تتغير هذه الإشارات مع تقدم الخرف: عادةً ما تضعف الإيقاعات الأسرع، بينما تقوى الإيقاعات الأبطأ، وقد ينهار التواصل بين مناطق الدماغ. على عكس التصوير الدماغي أو سحب السائل الشوكي، فإن تخطيط كهربية الدماغ غير غازي، ورخيص نسبياً، ويمكن تكراره بقدر الحاجة. وهذا يجعله مرشحاً جذاباً للفحص على نطاق واسع والمتابعة الروتينية، شرط أن نتمكن من فك شيفرة الأنماط المعقدة والمشحونة بالضوضاء المخفية في هذه الموجات بشكل موثوق.

مزج بصيرة الإنسان مع التعلم الآلي

صمم الفريق نظاماً هجيناً يجمع نوعين من المعلومات من كل مقطع EEG طوله 4 ثوانٍ. أولاً، طوروا ميزات «مصقولة يدوياً» يعرف علماء الأعصاب أنها مرتبطة بالخرف، مثل قوة النطاقات الترددية المختلفة (دلتا وتيتا البطيئة، وألفا وبيتا الأسرع)، ومدى عدم قابلية الطيف للتنبؤ، ومدى تزامن جانبي الدماغ في نطاق الألفا. ثانياً، دربوا شبكة عصبية تلافيفية أحادية البعد مدمجة لتتعلم تلقائياً أنماطاً زمنية مفيدة مباشرة من الإشارات التي جرى تنظيفها. تُموضع هاتان السيلتان من الميزات قياسياً وتندمجان إلى تمثيل واحد، ثم تُضغط إلى مجموعة أصغر من المركبات لتجنب التكرار.

استخدام حذر لبيانات المرضى المحدودة

تألفت مجموعة البيانات الرئيسية من EEG أثناء الراحة لـ 88 بالغاً — أفراد مصابون بمرض الزهايمر، وأفراد مصابون بالخرف الجبهي الصدغي، ومتطوعين طبيعيين ذوي وظائف معرفية طبيعية — جُمعت تحت ظروف تسجيل متسقة. وبما أن عدد المتطوعين محدود، فقد حرص الباحثون على تجنب تقدير الأداء بشكل مبالغ فيه. قاموا بتقسيم البيانات على مستوى الأشخاص، وليس على مستوى مقاطع EEG الفردية، بحيث لا تظهر موجات دماغية لمشارك واحد في كل من التدريب والاختبار. داخل كل طي تدريب،وازنوا الفئات باستخدام طريقة زيادة عينات محكمة، وطبعوا الميزات، وضبطوا إعدادات النموذج مثل عدد المركبات الرئيسية الواجب الاحتفاظ بها ومدى قوة التنظيم للمصنف النهائي. يقلل هذا التصميم التقييمي المتداخل بشدة من خطر «تسرب» البيانات والنتائج المتفائلة المفرطة.

دقة عالية ورؤى حول ما يراه النموذج

بعد دمج الميزات وضغطها، تستخدم الخطوة النهائية آلة ناقلات الدعم، وهو خوارزمية كلاسيكية ترسم حدود فصل بين مجموعات النقاط في فضاء الميزات. على مجموعة البيانات الرئيسية، ميّزت هذه السلسلة الهجينة بنجاح بين مرض الزهايمر والخرف الجبهي الصدغي والشيخوخة الطبيعية لحوالي 95% من مقاطع EEG، مع أداء متساوٍ القوة عبر المجموعات الثلاث. لاختبار مدى ثبات النهج في مواقف جديدة، طبق المؤلفون النظام أيضاً، دون إعادة تصميم جوهرية، على موجات دماغية لنفس الأشخاص أثناء فتح العينين، وعلى مجموعة بيانات مستقلة تماماً سُجلت بمعدات وتركيبة سكانية مختلفة. بينما انخفض الأداء بطبيعة الحال، أظهر النظام تمييزاً ذا مغزى، مما يشير إلى أنه يلتقط أنماطاً مرتبطة بالمرض بدل أن تكون خصائص خاصة بدراسة واحدة.

فتح الصندوق الأسود أمام السريريين

بعيداً عن الدقة فقط، كان هدف مركزي للعمل هو قابلية التفسير: يحتاج الأطباء لرؤية لماذا يميل خوارزم نحو تشخيص معين. استخدم الباحثون طريقة تُدعى SHAP لتقدير مقدار ما ‘‘يدفع’’ كل ميزَة النموذج نحو فئة معينة أو يبعده عنها. من خلال تجميع هذه المساهمات إلى وحدات بسيطة — مثل نطاقات ترددية محددة ومناطق دماغية — أنتجوا ملخصات تشبه تقارير EEG التقليدية. تضمنت الأنماط التي عززت قرارات الزهايمر أو الخرف الجبهي الصدغي نشاط تيتا بطيئ أقوى فوق المناطق الجبهية، إيقاعات ألفا أضعف في المناطق الخلفية، وتناقص تنسيق نطاق الألفا بين نصفي الكرة، وهو ما يتوافق مع عقود من نتائج تخطيط كهربية الدماغ السريرية.

ماذا يعني هذا للمرضى والعيادات

عملياً، تُظهر هذه الدراسة أن نظاماً مبنياً بعناية على EEG يمكن أن يساعد في تمييز نوعين رئيسيين من الخرف عن بعضهما البعض ومن الشيخوخة السليمة بثقة عالية، مع توضيح أسباب هذه القرارات بمصطلحات فسيولوجية مألوفة. إذا تم التحقق منه على مجموعات أكبر ومتعددة المراكز، فقد تدعم هذه الأدوات تشخيصاً أبكر وأكثر دقة باستخدام معدات ميسورة، ويمكن دمجها في لوحات عرض مناسبة للعيادات تُظهر تقديرات المخاطر وميزات موجات الدماغ التي تقودها. بدلاً من استبدال الأطباء، يقصد من هذا النهج أن يعمل كزوج إضافي من العيون — يبرز التغيرات الدقيقة في نشاط الدماغ التي قد تشير إلى الحاجة لمزيد من التحقيق أو متابعة أوثق.

الاستشهاد: Akbar, F., Alkhrijah, Y., Usman, S.M. et al. A deep-SVM hybrid framework with enhanced EEG feature engineering and SHAP-based explainability for Alzheimer’s classification. Sci Rep 16, 13001 (2026). https://doi.org/10.1038/s41598-026-43431-w

الكلمات المفتاحية: تشخيص الخرف عبر EEG, مرض الزهايمر, الخرف الجبهي الصدغي, الذكاء الاصطناعي القابل للتفسير, موجات الدماغ