SBTM: חיזוי פרכוסים אפילפטיים מתוך אותות EEG באמצעות למידה עמוקה במערכת בריאות חכמה מבוססת בלוקצ’יין ותקשורת IoT

למה חשוב לחזות פרכוסים לפני שהם קורים

עבור מיליוני אנשים החיים עם אפילפסיה, פרכוסים עלולים להופיע ללא אזהרה—בזמן ירידה במדרגות, חציית רחוב או נהיגה. פרכוס בלתי צפוי עלול לגרום לנפילות, פציעות או גרוע מכך, והאי־ודאות המתמדת יכולה להיות משתקת לא פחות מהפרכוסים עצמם. מחקר זה בוחן דרך לחזות פרכוסים מתוך הקלטות גלמיות מוחיות, בעזרת אלקטרוניקה לבישה, בינה מלאכותית מתקדמת ורישום מאובטח ברשת, כדי לאפשר למטופלים ולרופאים לקבל כמה דקות קריטיות של אזהרה ולהגן טוב יותר על חיי היומיום.

רשת בטיחות דיגיטלית סביב המטופל

בלב העבודה עומדת חזון של בריאות חכמה המגיעה אל המטופלים בכל מקום שבו הם נמצאים. חיישנים זעירים המחוברים לאינטרנט מודדים פעילות חשמלית במוח, המכונה אותות EEG, ושולחים את הנתונים דרך רשתות אלחוטיות לשרתי בתי החולים. שם, תוכנה סורקת ברצף את האותות הנכנסים כדי להחליט האם המוח במצב נורמלי או מתקדם לקראת פרכוס. מאחר שמדובר בפרטים רפואיים רגישים מאוד, המערכת משתמשת בטכנולוגיית בלוקצ’יין—גישה שאומצה מתחום הפיננסים הדיגיטליים—כדי לתעד ולשתף רשומות בצורה שקשה לטפל בה ומאוד ניתנת לביקורת. רק רופאים מאומתים בעלי המפתחות הדיגיטליים הנכונים יכולים לפתוח את נתוני המטופל, המאורגנים בין מחלקות ואתרים שונים של בית החולים.

הפיכת גלמי מוח לאזהרות מוקדמות

קטעי EEG מלוכלכים: הם מלאים ברעש מתנועות שרירים, מצמוץ ועקב רעשי הסביבה. החוקרים מנקים תחילה את האות הגולמי עם מסננים המשאירים רק את טווח התדרים הרלוונטי ביותר לפעילות מוחית המקושרת לפרכוסים. לאחר מכן הם מדחסים כל אות ארוכה לתיאור קומפקטי באמצעות שלוש משפחות של תכונות. תכונות סטטיסטיות מתארות כיצד הערכים מתפזרים או מוטים. תכונות ספקטרליות מתארות כיצד אנרגיית האות מתחלקת בין תדירויות שונות. תכונות היג'ורת', מדד קלאסי ל‑EEG, מסכמות עד כמה האות חזק, נייד ומורכב לאורך זמן. יחד, המספרים הללו מספקים דיוקן עשיר אך בר־ניהול של מצב המוח, ומצמצמים את עלות החישוב הכבדה שנדרשת לעבודה ישירה על צורות הגל הגולמיות.

רשת נוירונית חכמה יותר מותאמת בחיפוש בהשראת הטבע

כדי לקרוא את דיוקנאות התכונות הללו, הצוות תכנן מודל למידה עמוקה שנקרא רשת SBTM — Spizella‑based Bidirectional Short‑Term Memory. הוא בנוי על סוג של רשת חוזרת שמתמחה בטיפול ברצפים, כמו שפה או נתוני סדרות זמן. העיצוב "דו‑כיווני" מאפשר למודל לבחון דפוסים בתכונות ה‑EEG גם קדימה וגם אחורה בזמן, ועוזר לו ללכוד את ההצטברות והדהייה העדינים שיכולים לסמן פרכוס מתקרב. בנוסף לכך, החוקרים מציגים שיטת אופטימיזציה חדשה המושפעת מהתנהגות חיפוש מזון ובריחה של ציפורים קטנות וטורפים. אופטימייזר ה"Spizella" מתאים באופן אוטומטי את ההגדרות הפנימיות הרבות של הרשת כך שימצא שילובים שמפרידים בצורה מיטבית בין דפוסי פרכוס ולא־פרכוס, תוך הימנעות ממלכודות כמו היתקעות בפתרונות מקומיים חלשים.

בדיקה על מטופלים אמיתיים ובתנאי אמת

המערכת הוערכה על מאגר EEG ידוע מבית חולים ילדים, וכן על מערך נתונים בזמן אמת נוסף, שניהם כוללים הקלטות ממטופלים שחוו פרכוסים תכופים. מודל ה‑SBTM למד להבחין בין דפוסי הקשורים לפרכוס לבין פעילות נורמלית בהצלחה בולטת: במאגר הראשי הוא הגיע לכ‑98% ספיקות (כלומר מעט אזעקות שווא) וכ‑97.5% רגישות (כלומר מעטים המקרים של פיספוס פרכוס אמיתי), עם דיוק כולל בסביבות 97.5%. חשוב לציין שהוא עשה זאת במהירות ובמאמץ חישוב נמוך יותר ממספר שיטות למידת מכונה מבוססות, ואף עלה על טווח של מודלים מתחרים בלמידה עמוקה שלא השתמשו באותו עיצוב תכונות או באסטרטגיית האופטימיזציה.

בנייה לעבר טיפול באפילפסיה בטוח ופרטי יותר

ללא רקע מקצועי, המסקנה היא שעבודה זו משלבת שלוש רעיונות רבי‑עוצמה—חיזוי פרכוס מראש מתוך EEG, רשת נוירונית קומפקטית ויעילה, ושיתוף רשומות מאובטח באמצעות בלוקצ’יין—לתוך מסגרת אחת. במונחים מעשיים, מערכת כזו יכולה יום אחד לאפשר למכשיר לביש להתריע בפני אדם עם אפילפסיה, משפחתו וצוות הטיפול שלו דקות לפני פרכוס, תוך שמירה חזקה על פרטיות המידע הרפואי כשהוא זורם בין המכשירים ובתי החולים. למרות שיידרשו בדיקות נוספות וליטושים לפני פריסה נרחבת, המחקר מצביע לעתיד שבו כלים מחוברים, חכמים ורגישים לפרטיות יעזרו לאנשים עם אפילפסיה לחיות בבטחה ובאופן עצמאי יותר.

ציטוט: Kumar, A., Tripathi, E., Tripathi, A.K. et al. SBTM: epileptic seizure prediction from EEG signal using deep learning in blockchain-enabled smart healthcare monitoring with IoT networking. Sci Rep 16, 6830 (2026). https://doi.org/10.1038/s41598-026-36425-1

מילות מפתח: אפילפסיה, EEG, חיזוי פרכוס, למידה עמוקה, בריאות חכמה