מערכת נתונים מולטימודלית ליישומים נוירופיזיולוגיים ובינה מלאכותית

מדוע זה חשוב לילדים שמתקשים להתרכז

משפחות רבות, מורים ומטפלים יודעים עד כמה קשה להבחין האם נעורים או חלומות בהקיץ של ילד הם חלק מהמציאות היומיומית או סימן להפרעת קשב וריכוז (ADHD). האבחונים של היום נשענים ברובם על ראיונות ושאלונים, שעלולים להיות מושפעים מזיכרון, מציפיות או מלחץ. המחקר הזה מציג את מערך הנתונים BALLADEER ל‑ADHD — אוסף פתוח ונרחב של מדידות מוח וגוף שנאספו בעוד ילדים ונערים משחקים במשימות שממוקדות קשב. המטרה היא לסייע לחוקרים לפתח כלים אובייקטיביים יותר להבנה וזיהוי של ADHD — ובאופן שקוף וניתן לשיתוף ברחבי העולם.

מתנהגות בכיתה לאותות מוחיים וגופניים

ADHD משפיעה בערך על אחד מכל עשרים ילדים בגיל בית‑ספר, ומשפיעה על האופן שבו הם נותנים קשב, שולטים בדחפים ומנהלים רמות פעילות. מכיוון שהתסמינים חופפים למצבים אחרים, האבחון יכול להיות מורכב. בעשורים האחרונים פנו מדענים להקלטות מוח ואותות גוף נוספים כדי לחפש רמזים ביולוגיים ברורים יותר. פעילות חשמלית מהקרקפת (EEG) יכולה לחשוף דפוסים הקשורים לקשב; מעקב עיניים מראה היכן ומתי הילד מביט בפרטים חשובים; ושינויים בהולכת העור ובקצב הלב משקפים מתח וערות. עם זאת, רוב המחקרים הקודמים השתמשו בסטים קטנים ופרטיים שלא ניתן היה לבדוק או להשתמש בהם בחופשיות. כתוצאה מכך, ממצאים מבטיחים רבים לא נבדקו לעומק ולא הוסבו לכלים אמינים לשימוש יומיומי.

לבנות תמונה עשירה ומשותפת של קשב

פרויקט BALLADEER שם לו למטרה לשנות זאת באמצעות איסוף מערך נתונים מולטימודלי — כלומר, סט מתואם של מדידות ממספר מקורות בו‑זמנית. הצוות הקליט נתונים מ‑164 ילדים ובני נוער בגילאי 6 עד 18, כולל 62 עם אבחנת ADHD ו‑102 ללא. במהלך מפגשים שהתפרסו על פני יומיים, המתנדבים השלימו סוללה של מבחני דפים ועפרון ידועים לצד משימות ממוחשבות ומציאות מדומה המדמות אתגרי קשב יום‑יומיים. בעוד הם שיחקו ופתרו בעיות, החוקרים הקליטו פעילות חשמלית מהמוח באמצעות ראשי EEG, תנועות עיניים באמצעות פס מעקב מתחת למסך, ואותות כגון דופק והולכת עור ממכשיר עטוי על פרק כף היד. כל אלה צומדו ליומני אירועים מפורטים של מה שהתרחש על המסך שנרשמו שניה אחר שניה.

משחקי קשב שמרגישים יותר כמו משחק מאשר מבחן

כדי להפוך את איסוף הנתונים למרתק וידידותי לילדים, הצוות עיצב משימות בסגנון משחק. ב"Slackline של קשב", ילדים צופים בדגלים על שתי הרים ולוחצים כפתור כאשר הדפוסים תואמים; גלי המוח, המבט והאותות מהלב נרשמים באופן רציף. ב"רובוטי קשב" הם סורקים שורות של רובוטים ממשחתים ומסמנים רק את אלה עם תכונות ספציפיות, בעוד המערכת רושמת בדיוק באיזה רובוט הם מביטים. פלטפורמה מסחרית בשם CogniFit מציעה מגוון תרגילים קצרים לבחינת תפיסה, קורדינציה ופתרון בעיות, ומערכת מציאות מדומה בשם Nesplora שמה ילדים בכיתה או באקווריום מדומים כדי למדוד עד כמה הם עומדים בהוראות בין הסחות דעת ריאליסטיות. יחד, המבחנים האלה שואפים למדוד קשב מתמשך, שליטה בדחפים וגמישות מנטלית — בדיוק הכישורים שלעיתים קרובות מהווים קושי לאנשים עם ADHD.

כיצד הנתונים נלכדים ומאורגנים

מאחורי הקלעים, החוקרים בנו מערך תוכנה וחומרה ייעודי כדי לשמור על סנכרון בין כל המכשירים. שרת מרכזי מבוסס‑Python מפעיל ומפסיק הקלטות על ראשי ה‑EEG ועל הסרגלים של פרק כף היד בדיוק ברגע שמתחיל ומסתיים שלב במשחק. המשחקים שולחים הודעות מתוזמנות כאשר ילד משיב או אירוע מרכזי מופיע על המסך. כל האותות הגולמיים ויומני האירועים נשמרים בכונן רשת מאובטח בפורמטים פשוטים ונפוצים (CSV ו‑JSON). המבנה המשותף כולל תיקיות מתויגות לפי מזהה משתמש אנונימי, משימה, תאריך וסוג מכשיר, יחד עם קבצים המתארים את גיל המשתתף, מינו ומצב ה‑ADHD ללא גילוי זהויות אישיות. המחברים נמנעו במכוון מעיבוד מוקדם כבד, כדי לאפשר לחוקרים אחרים להחיל שיטות ניקוי וניתוח משלהם.

יתרונות, הסתייגויות ומה הלאה

מערך הנתונים BALLADEER בולט כי הוא משלב כמה סוגי מדידות שנמדדו בו‑זמנית בקבוצה יחסית גדולה של צעירים, והוא זמין באופן מלא להורדה ולניתוח על ידי אחרים. זה יוצר מגרש בדיקה בעל ערך לשיטות בינה מלאכותית חדשות המנסות לזהות דפוסים הקשורים ל‑ADHD או למצוא "ביומארקרים" דיגיטליים חדשים שיכולים להשלים את השיפוט הקליני. יחד עם זאת, המחברים שקופים לגבי המגבלות: הדגימה מגיעה מאזור יחיד, תת‑הסוגים של ADHD לא תוייגו באופן שיטתי, והגודל עדיין צנוע לאימון מודלים עמוקים מאוד גדולים. חלק מההקלטות מכילות רעש הקשור לתנועה, ואין תנאי מנוחה נפרד. במקום לטשטש בעיות אלה, הצוות מתעד אותן כדי שמשתמשים יוכלו לתכנן ניתוחים זהירים.

מה המשמעות עבור משפחות וטיפול עתידי

במונחים יומיומיים, מערך נתונים זה לא מאבחן שום ילד לכשעצמו. במקום זאת, הוא מציע לחוקרים מיקרוסקופ משותף ועצמתי לחקור כיצד קשיי קשב מופיעים במוח, בעיניים ובגוף במהלך משימות ריאליסטיות. עם הזמן, עבודה המבוססת על BALLADEER עשויה לסייע למטפלים להתקדם מעבר לרשימות בדיקה ואינטואיציה על‑ידי הוספת מדדים אובייקטיביים ומונחי נתונים לכלי העבודה. זה יכול להוביל לזיהוי מוקדם ומדויק יותר של ADHD, למעקב טוב יותר אחר תגובות ילדים לטיפול, ולהחלטות הוגנות יותר בבתי‑ספר ובקליניקות. על‑ידי הפיכת פעילויות דמויות‑משחק למדידות מדויקות ושיתוף הנתונים באופן פתוח, המחקר מניח תשתית לדור חדש של תמיכה מבוססת מדע לילדים שמתקשים להתרכז.

ציטוט: Trujillo, J., Ferrer-Cascales, R., Teruel, M.A. et al. A Multimodal Dataset for Neurophysiological and AI Applications. Sci Data 13, 436 (2026). https://doi.org/10.1038/s41597-026-06758-7

מילות מפתח: ADHD, EEG, מעקב עיניים, אותות פיזיולוגיים, למידת מכונה