نهج تعلم عميق احتمالي لتقسيم الضفيرة المشيمية في اضطراب طيف التوحد

لماذا هذا العمل مهم لصحة الدماغ والتوحد

الضفيرة المشيمية هي بنية صغيرة تقع عميقاً داخل الدماغ تساعد في إنتاج وتنقية السائل الذي يحيط بالدماغ والحبل الشوكي، كما تلعب دوراً رئيسياً في نشاط الجهاز المناعي داخل الدماغ. تشير أدلة متزايدة إلى أنه لدى بعض الأشخاص المصابين باضطراب طيف التوحد (ASD) قد تبدو هذه البنية مختلفة أو تتصرف بشكل مختلف، وهو ما قد يعكس تغيّرات في الالتهاب الدماغي. لفهم هذه الروابط بشكل حقيقي، يحتاج العلماء إلى دراسة آلاف من صور الدماغ — لكن إجراء ذلك يتطلب أدوات حاسوبية سريعة وموثوقة قادرة على تحديد الضفيرة المشيمية ورسم محيطها تلقائياً. تقدم هذه الدراسة أداة من هذا النوع وتختبرها، مبينة ليس فقط مدى دقتها، بل ومدى ثقتها في نتائجها.

بوابة دماغية صغيرة لكن قوية

تقع الضفيرة المشيمية في الفراغات المملوءة بالسائل في الدماغ وتشكل حاجزاً بين الدم والسائل الشفاف المسمى السائل الدماغي الشوكي. تساعد في التحكم بما يدخل ويغادر بيئة الدماغ وتشارك في الإشارات المناعية، بما في ذلك الاستجابات المرتبطة بالالتهاب. أظهرت أبحاث سابقة أن الضفيرة المشيمية قد تتضخم أو تتغير في عدة حالات دماغية، من التصلب المتعدد إلى الاكتئاب، وتشير دراسات أولية إلى أن فروقاً قد تظهر أيضاً لدى بعض الأفراد المصابين بالتوحد. ومع ذلك، فإن تتبع هذه البنية يدوياً على صور الرنين المغناطيسي بطيء ويتطلب جهداً ويعتمد إلى حد ما على رأي الشخص، مما يجعل البحث واسع النطاق شبه مستحيل دون أتمتة.

تعليم الحاسوب كيفية إيجاد الضفيرة المشيمية

ركز المؤلفون على ASCHOPLEX، نظام تعلم عميق طور حديثاً يقوم بتقسيم الضفيرة المشيمية أو رسم محيطها على صور الرنين المغناطيسي تلقائياً. تم تدريبه أصلاً على بالغين مصابين وغير مصابين بالتصلب المتعدد، وقد أظهر بالفعل دقة تقارب الدقة البشرية في مجموعات أخرى. في هذه الدراسة، قام الفريق بتكييف الأداة لاضطراب الطيف التوحدي عبر "ضبط دقيق" لها باستخدام مجموعة صغيرة لكنها معلمة بعناية مكونة من 12 بالغاً (مع ومِن دون توحد) من مشروع بحثي محلي. ثم اختبروا مدى أدائها على 53 بالغاً إضافياً تم تتبع الضفيرة المشيمية لديهم يدوياً بواسطة خبراء، مما أتاح مقارنة مباشرة بين البشر والآلة. كما قارنوا ASCHOPLEX بأداة شائعة لتحليل صور الرنين المغناطيسي للدماغ اسمها FreeSurfer، والتي لم تُصمم خصيصاً لهذه البنية.

إضافة إحساس بالثقة للتنبؤات

بعيداً عن السؤال البسيط عمّا إذا كانت الأداة صحيحة أم خاطئة، أراد الباحثون معرفة مدى تأكدها من كل قرار. لتحقيق ذلك، حوّلوا ASCHOPLEX إلى نموذج "احتمالي" عبر تفعيل تقنية تسمى التساقط (dropout) أثناء كلٍّ من التدريب والاختبار. عملياً، يعني هذا تشغيل النموذج عدة مرات على نفس الصورة، في كل مرة مع إعدادات داخلية مختلفة قليلًا، ما ينتج مجموعة من التنبؤات المتشابهة لكن المختلفة قليلاً. من خلال النظر إلى مدى اتفاق أو اختلاف تلك التنبؤات عند كل نقطة في الدماغ، تمكن الفريق من تقدير حالة عدم اليقين—أماكن يشعر فيها النموذج بالثقة وأماكن لا يشعر فيها. طبقوا هذا النهج ليس فقط على مجموعة بيانات البالغين المحلية، بل أيضاً على أكثر من 1800 مشارك، أطفالاً وبالغين، من مشروع تبادل بيانات تصوير الدماغ للتوحد الكبير (ABIDE).

مدى جودة أداء الأداة عبر الأشخاص والفئات العمرية

بعد الضبط الدقيق، طابق ASCHOPLEX محيطات الضفيرة المشيمية المرسومة يدوياً لدى البالغين المصابين وغير المصابين بالتوحد عن كثب، محققاً مستويات دقة مماثلة أو أفضل من اتفاق الخبراء البشر. تفوق بوضوح على FreeSurfer، الذي لم يُحسَّن مطلقاً لهذه البنية. والأهم من ذلك، أنه بعد الضبط الدقيق لم يعد ASCHOPLEX يُظهر فروق أداء بين البالغين المصابين وغير المصابين بالتوحد أو بين الرجال والنساء، مما يقلل مخاوف التحيز المنهجي. عندما طُبقت النسخة الاحتمالية على مجموعة ABIDE الكبيرة، بقي النموذج أكثر ثقة لدى البالغين، خصوصاً أولئك المشابهين لمجموعة التدريب، لكن عدم اليقين ارتفع لدى البالغين والأطفال القادمين من مواقع خارجية—وكان الأعلى لدى الأطفال. أظهرت التحليلات المفصلة أن هذا الارتفاع في عدم اليقين يعكس بشكل رئيسي قلة ألفة النموذج مع صور أدمغة الأطفال، وليس رداءة جودة الصور.

ما الذي يعنيه هذا لأبحاث التوحد المستقبلية

بالنسبة لغير المختصين، الرسالة الأساسية هي أن الباحثين باتت لديهم أداة عملية معتمدة على الذكاء الاصطناعي يمكنها تحديد بنية دماغية صغيرة ومهمة بدقة لدى أشخاص مع وبدون توحد، ويمكنها أيضاً أن توضح مدى تأكدها من كل نتيجة. يمكن تطبيق ASCHOPLEX، لا سيما في صورته الاحتمالية، على مجموعات صور كبيرة لفحص تغيّرات الضفيرة المشيمية التي قد تشير إلى نشاط مناعي متغير في الدماغ. في الوقت نفسه، يبرز ارتفاع عدم اليقين لدى الأطفال أن هذه الأدوات لا تزال بحاجة لمزيد من التدريب على عينات أصغر سناً قبل أن يمكن الوثوق بها كلياً عبر كل الفئات العمرية. عموماً، تظهر الدراسة كيف أن الجمع بين التعلم العميق وقياسات الثقة الصريحة يمكن أن يجعل تحليلات تصوير الدماغ أكثر قوة وشفافية، ممهِّدة الطريق لفهم أفضل للتغيّرات العصبية المناعية في التوحد.

الاستشهاد: Bargagna, F., Morin, T.M., Chen, YC. et al. A probabilistic deep learning approach for choroid plexus segmentation in autism spectrum disorder. NPP—Digit Psychiatry Neurosci 4, 2 (2026). https://doi.org/10.1038/s44277-026-00056-1

الكلمات المفتاحية: اضطراب طيف التوحد, الضفيرة المشيمية, تصوير بالرنين المغناطيسي للدماغ, التعلم العميق, الالتهاب العصبي