מסגרת איטרטיבית מרובת-בלוקים לגילוי הפרעות נוירולוגיות המבוסס על EEG בתדרים גבוהים

מדוע גלי מוח חשובים לאבחון מוקדם

מחלת אלצהיימר ופרקינסון פעמים רבות גורמות נזק למוח שנים לפני שהסימפטומים ברורים, אך לרופאים עדיין חסרים כלי אבחון מהירים ומהימנים שיתפסו אותן מוקדם. המחקר מציג שיטה חדשה לקריאת גלי מוח, שנקלטים באמצעות אלקטרואנצפלו-גרפיה (EEG), ומתמקדת בקצבי המוח המהירים ביותר. באמצעות ניקוי מדויק של אותות רועשים והזנתם למערכת בינה מלאכותית מוסברת, המחברים מראים שניתן לזהות בעיות נוירולוגיות בדיוק התחרותי ולעיתים אף עולה על גישות קיימות.

האזנה לקצבים המהירים ביותר במוח

EEG רושם שינויים זעירים במתח מהקרקפת כאשר רשתות של נוירונים יורות. בדרך כלל רופאים ומחקרים מתמקדים בקצבים האיטיים יותר, כגון גליי אלפא ותטא. עם זאת, ראיות הולכות וגדלות מצביעות על כך שפעילות בתדרים גבוהים—"גמא", מעל כ־30 הרץ—יכולה לחשוף סימנים מוקדמים למחלה, החל מבעיות זיכרון עד להפרעות תנועה. לצערנו, אותות מהירים אלה נחבאים בקלות מתחת לתנועות שרירים, המצמוצים של העיניים ורעשים חשמליים. כלים סטנדרטיים, כמו טרנספורם פורייה וגלי-גל (wavelet), עובדים היטב כאשר האותות יציבים בזמן, מה שלא נכון ל־EEG בעולם האמיתי. כתוצאה מכך, רבות מהפרטים הקליניים המועילים בפעילות בתדרים גבוהים היו קשים לחילוץ ורגישים לפרשנות שגויה.

ניקוי אותות מוח רועשים

כדי להתמודד עם הבעיה, המחברים פיתחו "צינור" רב-שלבי המטפל בניתוח EEG יותר כמו קו ייצור מהונדס מאשר אלגוריתם יחיד קסום. ראשית הם משתמשים בגישה הקרויה טרנספורם הילברט–הואנג בשילוב עם דקומפוזיציה אמפירית-מועתקת. במלים פשוטות, שיטה זו מפרקת אוטומטית אות סבוך לגורמי בניין פשוטים שעוקבים טוב יותר אחרי התנודות האמיתיות של המוח. לאחר מכן נזרקות הרכיבים שמציגים התנהגות של רעש—בהתבסס על מעט האנרגיה והמורכבות שהם מכילים—בעוד שמירה נעשית על התנודות המהירות בטווח הגמא. סינון דו-שלבי זה משפר במידה ניכרת את יחס אות לרעש, והופך רישום גלוי מבולגן לייצוג נקי יותר של פעילות מוחית בתדר גבוה שסביר יותר שישקף אירועים נוירונליים אמיתיים מאשר ארטיפקטים מקריים.

איתור התבניות המכריעות ביותר

לאחר שהאותות מנוקים, המסגרת מתמקדת במאפיינים המידעיים ביותר. טרנספורם חבילות גל (wavelet packet) מחלק כל רכיב EEG לרצועות תדר מרובות, ומדד הנקרא אנטרופיית שאנון מדרג עד כמה כל רצועה מורכבת ומידעית. רצועות עם ציונים נמוכים—אלה שמוסיפות יותר חזרתיות מאשר תובנה—מושלכות, ומכווצות את מערך התכונות בכ־60% תוך שמירה על כ־95% מהמידע הקליני הרלוונטי. וחשוב מכך, המערכת אינה מסתמכת על EEG בלבד. פרטים קליניים כגון גיל, מין והיסטוריה רפואית מותאמים מתמטית עם תכונות ה־EEG באמצעות טכניקה הקרויה ניתוח מתאם קנוני. מיזוג זה מייצר מרחב משותף שבו קשרים עדינים בין פעילות המוח להקשר הקליני הופכים לקלים יותר לזיהוי על ידי מחשב.

כיצד ה־AI לומד מגלי המוח

הנתונים הממוזגים עוברים ניתוח על ידי מודל למידה עמוקה שנבנה במיוחד לאותות מוח משתנים בזמן. הארכיטקטורה משלבת שכבות קונבולוציה, הסורקות דפוסים מקומיים בין ערוצים ותדרים, עם שכבות רקורסיביות העוקבות כיצד דפוסים אלה משתנים שניה שניה. מנגנון "קשב" מקצה משקל גבוה יותר לחלפי זמן שנראים האבחנתיים ביותר—כמו מטפל שמתרכז בהתפרצות חשודה של פעילות ברישום. כדי למנוע ממערכת להיות תיבה שחורה, הכלים כוללים אמצעים להסבר כמו Grad-CAM וגרדיאנטים משולבים. אלה מייצרים מפות וציונים ויזואליים המדגישים אילו תדרים, חלונות זמן ומשתנים קליניים השפיעו ביותר על כל ניבוי. במבחנים על שני מאגרים ציבוריים גדולים של EEG, המסגרת הגיעה לכדי דיוק של כ־94%, עם רגישויות וסגוליות מעל 92%, ועלתה על מספר שיטות השוואה חזקות.

מה המשמעות בשביל החולים

בשפת העם, המסקנה היא שעבודה זו מראה כיצד מערכת בינה מלאכותית מוסברת ומדורגת היטב יכולה להפוך רישומי EEG מורכבים ורועשים לתובנות קליניות ברורות ומשמעותיות. על ידי ניצול טוב יותר של קצבים מהירים במוח ושילובם עם מידע שגרתי על המטופל, המסגרת מזהה סימני מוטיב מוקדמים להפרעות כמו אלצהיימר ופרקינסון תוך שהיא מבהירה לרופאים מדוע הגיעה למסקנותיה. אמנם יש צורך בבדיקות נוספות על נתוני EEG קליניים שגרתיים ומציאותיים ונמצאים במכשירי לבישים, הגישה מצביעה על כלי עתידי שמסוגל להתריע על בעיות נוירולוגיות מוקדם יותר, להנחות החלטות טיפול ולשפר בסופו של דבר את איכות החיים של מיליונים בסיכון למחלות ניווניות.

ציטוט: Agrawal, R., Dhule, C., Shukla, G. et al. Iterative multiblock framework for high frequency EEG based neurological disorder detection. Sci Rep 16, 5995 (2026). https://doi.org/10.1038/s41598-026-37126-5

מילות מפתח: EEG, הפרעות נוירולוגיות, מחלת אלצהיימר, מחלת פרקינסון, גלי מוח