למידת מכונה לאצבעות-אצבע אפיגנטיות אישיות כגורמים מנבאים של רווחה בקרב צעירים

למה הרגישות שלך ללחץ חשובה

רבים מהצעירים חשים מוצפים ממבחנים, רשתות חברתיות ועתיד בלתי ודאי, אך שאלונים סטנדרטיים לבריאות הנפש עלולים לפספס את מי שבאמת בסיכון. המחקר הזה שואל האם שילוב פשוט של סקרים ודגימת רוק יכול לחשוף "טביעת אצבע" ביולוגית מדויקת יותר לאופן שבו כל אדם רגיש ללחץ. על ידי שילוב פסיכולוגיה, גנטיקה ולמידת מכונה מודרנית, החוקרים בוחנים עתיד שבו תמיכה מנטלית אישית מוקדמת תינתן עוד לפני שהופעים בעיות חמורות.

מסקרים פשוטים אל הביולוגיה החבויה

החוקרים התרכזו בתכונה הנקראת רגישות סביבתית — עד כמה מישהו מגיב בחוזקה לאירועים יומיומיים. אנשים שמסמנים גבוה בסולם ה-Highly Sensitive Person (HSP) נוטים להרגיש מוצפים במצבים רועשים, תובעניים או רגשיים, ומהווים חלק ניכר מהפונים לייעוץ. במחקר זה השליםו 104 סטודנטים שאלונים קצרים על לחץ נתפש, אימפולסיביות, הרגלי אכילה ושימוש באינטרנט. במקביל אספו דגימות רוק כדי לבדוק סמני כימיה קטנים על גנים ספציפיים המעורבים בתקשורת המוח. סממנים אלה, הידועים כסמנות אפיגנטיות, עשויים להשתנות עם חוויות החיים ולעזור להסביר מדוע חלק מהאנשים רגישים ללחץ יותר מאחרים.

קריאת טביעות אצבע אפיגנטיות

דגימות הרוק שימשו לחקר סמני אפיגנטיקה — בעיקר מתילציה של DNA — על שלושה גנים מרכזיים המסדירים חומרים במוח: נשאי הדופמין והסרטונין (DAT1 ו-SERT) וקולטן האוקסיטוצין (OXTR). במקום לבחון את הגנום השלם, החוקרים התמקדו בעשרה עמדות לאורך גנים אלה שבהן המתילציה השתנתה ביותר בין הסטודנטים. יחד עם תשעה מדדים מבוססי שאלונים, זה יצר מאגר של 19 תכונות אפשריות. השאלה המרכזית הייתה: איזו קומבינציה של מדדים התנהגותיים וביולוגיים מבדילה בצורה הטובה ביותר בין סטודנטים בעלי ציוני HSP גבוהים לאלה עם רגישות נמוכה או בינונית?

לתת לאלגוריתם לבחור

כדי לענות על כך, הקבוצה השתמשה בשיטת למידת מכונה הנקראת Support Vector Machine. במקום לשער אילו תכונות חשובות, הם ניסו כל קומבינציה אפשרית — ממדד יחיד ועד כל ה־19 — ובחנו כל אחת בהליך קפדני של השמטה של פריט אחד (leave-one-out). משמעות הדבר הייתה אימון המודל על 103 סטודנטים וחיזוי של הנותר, חזרה על התהליך עבור כל משתתף. מתוך יותר מחצי מיליון מודלים שנבדקו, הפתרון הביצועי הטוב ביותר התגלה כהפתעה בפשטותו: שישה תכונות בלבד הספיקו ליצירת "טביעת אצבע" ברורה של רגישות. שתי תכונות הגיעו מהשאלונים (סולם הלחץ הנתפש וציוני קשב מטסט אימפולסיביות), וארבע היו עמדות מתילציה ספציפיות על גני נשאי הדופמין והסרטונין.

מה המודל בעצם למד

באמצעות שש התכונות הללו בלבד, המודל סיווג נכונה סטודנטים כרב־רגישים לעומת נמוכים/בינוניים בכ־85% מהמקרים. הוא היה מועיל במיוחד בזיהוי פרטים בעלי רגישות גבוהה, עם רגישות ודיוק גבוהים, והראה ביצועים דומים אצל גברים ונשים למרות שהמדגם היה ברובו נשי. ניתוח מעמיק של פעולת המודל הדגיש אתר אחד הקשור לדופמין כתרומה הביולוגית החזקה ביותר, ואחריו בצמוד לחץ נתפש וקשב. במילים אחרות, האלגוריתם לא התבסס רק על שאלון אחד או על גן אחד — הוא שילב דיווחים פסיכולוגיים ואותות אפיגנטיים עדינים כדי להגיע להכרעותיו, מה שמשקף את שילוב המוח והביולוגיה בחיים הממשיים.

מה זה יכול להעניק לטיפול בעתיד

לא מומחים, המסקנה היא שמערך קצר של שאלונים בתוספת דגימת רוק עשוי בעתיד לסייע לזהות צעירים רגישים במיוחד ללחץ, אפילו לפני שיחפשו עזרה או יגלו תסמינים ברורים. בעוד שהמחקר קטן ודורש שכפול בקבוצות גדולות ומגוונות יותר, הוא מראה שטביעות אצבע אפיגנטיות אישיות יכולות לשפר בצורה משמעותית את המנבאים מעבר לדיווח עצמי בלבד. אם נתברר, גישה זו עשויה לתמוך באסטרטגיות מניעה וטיפול מותאמות יותר — לסייע למטפלים להציע את סוג התמיכה הנכון, בזמן הנכון, לאלה שביולוגיה ופסיכולוגיה יחד הופכות אותם לפגיעים ביותר, אך גם פוטנציאלית הרגישים ביותר לשינוי חיובי.

ציטוט: Caporali, A., Di Domenico, A., D’Addario, C. et al. Machine learning for individual epigenetic fingerprints as predictors of well-being in young adults. Sci Rep 16, 6015 (2026). https://doi.org/10.1038/s41598-026-36561-8

מילות מפתח: בריאות הנפש של צעירים, רגישות סביבתית, אפיגנטיקה, למידת מכונה, פגיעות ללחץ