ערכת כלים פתוחה מבוססת למידת עומק לניתוח אוטומטי של תגובת גזע המוח השמיעתי (ABRA)

מדוע בדיקות שמיעה טובות יותר חשובות

ככל שאנשים חיים זמן רב יותר, אובדן שמיעה הופך לאחת הבעיות הבריאותיות הנפוצות בעולם. זו אינה רק מקשה על שיחות; כיום היא מקושרת לבעיות זיכרון ולדמנציה בהמשך החיים. כדי להבין ולטפל באובדן שמיעה, מדענים מסתמכים על סוג מיוחד של הקלטה חשמלית מאוזן וגזע המוח שנקראת תגובת גזע המוח השמיעתי, או ABR. הקלטות אלה עוצמתיות אך בדרך כלל מצריכות מומחים שיבחנו בקו את הגלים המתפתלים בעין — תהליך איטי וסובייקטיבי. מאמר זה מציג את ABRA, ערכת כלים חינמית ואוטומטית המשתמשת בבינה מלאכותית מודרנית כדי לקרוא את האותות הללו במהירות ובאחידות.

מהקליקים באוזן עד לגלים על המסך

כשמשמיעים צליל קצר לאוזן, תאים תחושתיים זעירים באוזן הפנימית וסיבי העצבים שאחריהם מתפרצים ביריקה מהירה. פעילות זו נוסעת מעלה דרך גזע המוח וניתנת לזיהוי על ידי אלקטרודות המוצבות על הראש. התוצאה היא עקבת ABR: סדרה של גלים קטנים שמופיעים בתוך האלפים הראשונים של השנייה לאחר הקול. בעכברים, הגל הגדול הראשון משקף פעילות בעצב השמיעתי והוא רגיש במיוחד לנזק מוקדם באוזן הפנימית, כולל אובדן החיבורים (סינפסות) בין סיבי העצב לתאי השערה. חוקרים קוראים את הגלים האלה כדי להעריך עד כמה קול צריך להיות חזק כדי להישמע (הסף) וכמה חזק ומהירות התגובות העצביות. שינויים קטנים במדדים אלה יכולים לחשוף פגיעה חבויה לפני שהיא מופיעה בבדיקות שמיעה רגילות.

הבעיה בקריאה ידנית

למרות שבדיקות ABR הן הקלטות אובייקטיביות, הדרך שבה מנתחים אותן לרוב אינה כזו. מעבדות שונות משתמשות בתוכנה שונה, ואפילו בוחנים מנוסים עשויים לחלוק על המקום המדויק שבו גל מתחיל, מגיע לשיא או נגמר, במיוחד כאשר האותות חלשים או רעשיים. סימון ידני של אלפי עקבות מניסוי גדול יכול לקחת שעות רבות ומקשה להשוות תוצאות בין מחקרים. כמה קבוצות ניסו שיטות מבוססות כללים או טכניקות למידת מכונה מסורתיות, אך יש להן גמישות מוגבלת ועלולות להיתקל בקושי בהתמודדות עם המגוון הרחב של הגדרות הקלטה, גזעי עכבר וסוגי נזק לשמיעה שמשתמשים בהם במחקר המודרני.

ערכת כלים אוטומטית חדשה

ABRA (Auditory Brainstem Response Analyzer) מתמודדת עם אתגרים אלה על ידי שילוב מודלים של למידת עומק עם ממשק ידידותי למשתמש. המחברים אימנו רשתות נוירונים קונבולוציוניות, סוג של בינה מלאכותית המצטיין בזיהוי תבניות מורכבות, על יותר משבעים אלף הקלטות ABR שנאספו משלוש מעבדות מחקר שמיעה בלתי תלויות. למרות הבדלים בציוד, בהגדרות הצליל ובדגמי העכבר — כולל בעלי חיים שהזדקנו מהר יותר או הועברו לחשיפה לרעש חזק — אותם מודלים למדו לזהות תכונות מפתח של הגלים ולהבחין בתגובות המשקפות שמיעה אמיתית מאלו שהן רק רעש רקע. ABRA כוללת שני כלים מרכזיים: אחד שמציין את המועד והגובה של גל ה‑ABR הראשון, והשני שמחליט, לאורך סדרת רמות עוצמה, איזו רמה מהווה את הסף האמיתי של השמיעה.

מדויק כמו מומחים — ועשרות פעמים מהר יותר

כדי להעריך את ביצועי ABRA, הצוות השווה את המדידות האוטומטיות שלו לאלפי תיוגים שנעשו בידי בני אדם. לגבי גל ה‑ABR הראשון, ההערכות של ABRA בזמן ובגודל כמעט תמיד נפלו בתוך חלק קטן ממילישנייה וחלק קטן ממיקרו-וולט מתיוגי המומחים, כשהשגיאות הגדולות ביותר התרחשו רק כאשר האות עצמו היה בקושי נראה. בזיהוי סף, נבדקו מספר סוגי מודלים של למידת מכונה, וגישת למידת העומק הציגה ביצועים טובים יותר בשיטות הפשוטות יותר בכל מדדי הדיוק. בהשוואות פנים אל פנים, ABRA הסכימה עם מדדי מומחים בקצב דומה להסכמה בין שני מומחים, והתאימה או עלתה על שיטת קורלציה צולבת מבוססת שהשתמשו בה בערכת ABR פופולרית אחרת. קריטי לציין, ניתוח של 90 ערכות נתונים של עכבר לקח למומחים כולה בערך שעה בעבודה ידנית אך פחות מדקה עם ABRA — מהירות שיפורית של כ‑75 פעם.

מה משמעות הדבר למחקר שמיעה

ABRA הופכת שלב שהיה איטי וסובייקטיבי בניסויי שמיעה לתהליך מהיר, סטנדרטיזציה ושיתופי. מאחר שהיא קוד פתוח, זמינה בחינם ברשת ויכולה לקרוא מספר פורמטים קבצים נפוצים, ניתן לשלב אותה בזרימות עבודה קיימות ללא מיומנויות תכנות מיוחדות. המודלים הנוכחיים אומנו על נתוני עכבר והם מאומתים באופן הטוב ביותר לגל ה‑ABR הראשון, כך שמקרים יוצאי דופן מאוד או מינים אחרים עשויים עדיין לדרוש בדיקה של מומחה או אימון מחודש בעתיד. אף על פי כן, ערכת הכלים ממחישה כיצד בינה מלאכותית יכולה לפענח אותות ביולוגיים מורכבים, לסייע לחוקרים לחקור כיצד השמיעה מתדרדרת עם הגיל, רעש או מחלה — ובסופו של דבר לתמוך במאמצים לשמור על בריאות השמיעה והמוח כאחד.

ציטוט: Erra, A., Miller, C.M., Chen, J. et al. An open-source deep learning-based toolbox for automated auditory brainstem response analyses (ABRA). Sci Rep 16, 9855 (2026). https://doi.org/10.1038/s41598-026-38045-1

מילות מפתח: אובדן שמיעה, תגובת גזע המוח השמיעתי, למידת עומק, ניתוח אות אוטומטי, נוירו-מדע בעכבר