מסגרת היברידית קוונטית‑קלאסית לעיבוד נוירולוגי מונחה EEG בטקסונומיית פרכוסים אפילפטיים

מדוע גלי מוח וטכנולוגיה קוונטית חשובים לכם

פרכוסים אפילפטיים יכולים להופיע בלי אזהרה, להפריע לשגרה, לעבודה ולתחושת העצמאות. רופאים מסתמכים על הקלטות אלקטרואנצפלוגרפיות (EEG) — אותות חשמליים זעירים מהקרקפת — כדי לזהות סימני אזהרה מוקדמים. עם זאת, האותות הללו רועשים ומורכבים, ואף תוכנה מתקדמת עלולה להחמיץ דפוסים מרכזיים. המחקר הזה מציג דרך חדשה לקריאת גלי מוח המשלבת את כלי הלמידה העמוקה הטובים של ימינו עם רעיונות מהתחום הקוונטי, במטרה להשיג זיהוי פרכוסים מהיר ומהימן יותר שעשוי בעתיד לתמוך במעקב בזמן אמת לצד המיטה או בבית.

הפיכת גלי מוח לתמונות

השלב הראשון בגישת המחברים הוא לשנות את אופן הצפייה ב‑EEG. במקום להזין קווים גלים גולמיים ישירות למודל מחשב, הם ממירים כל מקטע EEG ל"סקלווגרמה" צבעונית בזמן‑תדר. תהליך זה, הנקרא המרת גלים רציפה (Continuous Wavelet Transform), מציג אילו קצבים מופיעים באילו רגעים, ומחשף התפרצויות קצרות וגלי ריפל מהירים שלעתים מאותתים פעילות פרכוסית. על‑ידי המרת הנתונים לתמונות, השיטה מפעילה כלים חזקים שתוכננו במקור לראייה ממוחשבת, מה שמאפשר ללכוד דפוסים במרחב ובזמן בצורה ברורה יותר ולהקל על פרשנות פעילות המוח.

מיזוג שלושה מנועים חכמים במודל אחד

על גבי תמונות ה‑EEG בונים הצוות רשת היברידית שהם קוראים לה Quantum Vision Transformer (QViT). היא משלבת שלושה מנועי זיהוי דפוסים שונים. רשת עצבית התמרתית קונבולוציונית (CNN) מחפשת צורות ומרקמים מקומיים בתמונות, כגון קוצים חדים או שינויים באנרגיה. ויז'ן טרנספורמר סורק את כל התמונה בבת אחת ולומד יחסי טווח ארוך והקשרים המתפתחים לאורך זמן. המנוע השלישי הוא שכבה קטנה בהשראה קוונטית, המבוססת על מעגלים קוונטיים מדומיים, שנועדה ללכוד יחסים עדינים ורב‑סדריים שקשה לרשתות קלאסיות לייצג. יחד, הסניפים האלה יוצרים ייצוג משותף ועשיר שמוזן לממיין סופי האחראי להחליט האם מקטע EEG נתון משקף פרכוס או לא.

כיצד רעיונות קוונטיים נכנסים לתמונה

החלק בהשראה קוונטית של המודל לוקח קבוצת מספרים קומפקטית מהשכבות הקודמות וממקודד אותם לביטים קוונטיים מדומים, או קיוביטים. במרחב זה הנתונים עוברים רצף של פעולות סיבוב והעתקה (entangling), ואז נמדדים כדי לייצר תכונות חדשות. אף שהמחקר רץ כולו על סימולטור קוונטי ולא על חומרה קוונטית אמיתית, הוא משתמש באותם עקרונות: ניתן לחקור מצבים מרובים בו‑זמנית וקורלציות בנתונים ניתנות לייצוג בצורות שקשה לחקות באמצעות שכבות קונבנציונליות. התכונות שמקורן בקוונטום משולבות לאחר מכן עם פלטי ה‑CNN והטרנספורמר, ועוזרות למערכת המשולבת להפריד באופן חד יותר בין פעילות פרכוסית ללא‑פרכוסית.

בדיקה על נתוני פרכוס אמיתיים

כדי לבדוק האם העיצוב ההיברידי הזה עושה הבדל מעשי, החוקרים העריכו את QViT על שני אוספי EEG נפוצים במחקר אפילפסיה: מאגרי CHB‑MIT ו‑Bonn. הם חלקו את הנתונים למערכי אימון ובדיקה, איזנו בקפידה מקרים של פרכוס ולא‑פרכוס, והחילו הגדלת נתונים מקיפה אך מבוקרת כדי לדמות משתנות אמיתית ללא עיוות של פעילות המוח הבסיסית. במהלך האימון השתמשו בעצות אופטימיזציה מודרניות — כגון שיעורי למידה אדפטיביים, ריכוך תוויות (label smoothing) ועצירה מוקדמת — כדי למנוע התאמה יתר. המערכת הסופית השיגה דיוק של כ‑99% וציוני F1 גבוהים בצורה דומה על נתוני המבחן, עם מעט מאוד אזעקות שווא או פרכוסים שלא זוהו. בדיקות נוספות, כולל עקומות אמינות ומפות חזותיות של מרחב התכונות הנלמד, הצביעו על כך שקודי הבטחון של המודל מכוילים היטב ושאותות פרכוס ואינם‑פרכוס יוצרים אשכולות מופרדים באופן ברור בייצוג הפנימי שלו.

מה זה עלול להעיד על הטיפול בעתיד

עבור מטופלים ורופאים, התוצאות הללו מצביעות על הדור הבא האפשרי של כלים לזיהוי פרכוסים היותר מדויקים והאמינים. על‑ידי מיזוג תמונות זמן‑תדר מפורטות של פעילות המוח עם בלוקים משלימים של למידה עמוקה ושכבה בהשראה קוונטית, המסגרת מציעה ביצועים חזקים מבלי לוותר על יכולת פרשנות: קלינאים עדיין יכולים לקשר החלטות לדפוסי EEG המוכרים להם. בעוד שהעבודה הנוכחית רצה על חומרה קוונטית מדומה ומתמקדת בהחלטת כן‑או‑לא לגבי פרכוס, אותן רעיונות ניתנים להרחבה כדי להבחין בין סוגי פרכוסים שונים או לפעול ברצף על מכשירים לבישים. בטווח הארוך, גישות היברידיות קוונטיות‑קלאסיות כמו זו עשויות לעזור להפוך גלי מוח גולמיים לאותות פעולה בזמן, שישפרו את הבטיחות ואיכות החיים של אנשים החיים עם אפילפסיה.

ציטוט: Padmaja, B., Maram, B., Raheem, A.K.A. et al. Hybrid quantum classical framework for electroencephalogram driven neurological processing in epileptic seizure taxonomy. Sci Rep 16, 5305 (2026). https://doi.org/10.1038/s41598-026-36121-0

מילות מפתח: פרכוסים אפילפטיים, ניתוח EEG, למידה בהשראה קוונטית, רשתות עצביות עמוקות, זיהוי פרכוס