דוגמנות חישובית של שיחזור והחלשה של התקפים באמצעות בקרה בהתייחסות לדגם

מדוע חשוב להרגיע התקפים בעזרת מחשבים חכמים

התקפים אפילפטיים יכולים לפרוץ באופן פתאומי, להפריע לשגרת היומיום ובמקרים חמורים אף לסכן את הבטיחות. רופאים כבר משתמשים בגירוי חשמלי כדי לסייע לחלק מהחולים, אך ההגדרות המדויקות—כמה חזק, כמה תדיר ובאיזה דפוס לגרות—נבחרות עדיין במידה רבה בניסיון וטעייה. מאמר זה בוחן דרך חדשה להשתמש במחשבים ובהקלטות מוח אמיתיות כדי "לתרגל" תחילה על התקפים וירטואליים, ללמוד כיצד להחליש אותם על המסך לפני שמועבר כל זרם לחולה.

לזהות דפוסים בגלי מוח סוערים

המחברים מתחילים מהרעיון שלפעילות מוחית בזמן התקף ולפעילות לא־התקפית יש לכל אחת חתימה חשמלית ניתנת לזיהוי. באמצעות EEG קרקפי ו‑iEEG פנימי של אנשים עם התקפים טוניים‑קלוניים גנרליים הם משווים גלי מוח שהוקלטו בתקופות שקטות ובזמן התקפים מלאים. אפילו ללא סינון כבד, התקפים מציגים תנודות גדולות הרבה יותר ופרצי תדירות נמוכה יותר וסדירים יותר מאשר פעילות הרקע היותר לא סדירה ובעלת המשרעת הנמוכה. בתחום התדירויות, התקפים נושאים כוח עודף בתדרים נמוכים ומרתקים ברצועות תדר רחבות יותר לאורך הזמן, מה שמרמז שמספר קצבי דומיננטיים מסייעים להניע את הפעילות הבלתי־נורמלית.

בניית תחליפים פשוטים למוחות מורכבים

במקום לנסות לשחזר כל פרט במוח, הצוות בונה "ממדים" פשוטים מאוד שמתנהגים כמו מערכת רוטטת יחידה—דומה ברוח למסה על קפיץ או למעגל חשמלי בסיסי. הם מזהים את המודלים האלה ישירות מתוך אותות EEG ו‑iEEG שהוקלטו באמצעות כלים מתמטיים מבוססי פונקציות אורתוגונליות (מעשית, בלוקים דמויי פורייה). מודל אחד מותאם לנתוני לא־התקף ומודל אחר מותאם לנתוני התקף. כשהם עומדים בפני עצמם המודלים גסים, אבל כאשר שמים אותם בלולאת משוב שמלטפת באופן מתמיד את פלט המודל לעבר ההקלטה האמיתית, הפעילות המדומה עוקבת בצמוד לאות התקף או לאות לא־התקפי האמיתי. כפתור כוונון מרכזי, שנקרא קצב הדעיכה, קובע כמה מהר המודל מוכרח לעקוב אחרי הנתונים—וכמה חזק הקלט הנדרש יהיה.

להדריך את המודל לדחוף התקפים חזרה לנורמליות

ברגע שמודל ההתקף יכול לשחזר נאמנה את התקף החולה, המחברים מוסיפים לולאת משוב שנייה שתפקידה להפוך את הפעילות הדומה להתקף לדומה לדפוס הלא־התקפי. זה נקרא בקרה בהתייחסות לדגם: דגם הלא‑התקף מגדיר את ההתנהגות הרצויה, והבקר מחשב גירוי חשמלי שמניע את מודל ההתקף לעבר אותו ייחוס. נבדקות שתי גרסאות. בגרסה אדפטיבית, הרווחים של הבקר משתנים לאורך זמן בהתאם לאיכות הביצוע, מה שמייצר דחפים פרצפיים שמחלישים את ההתקף בכל ההקלטה בכ‑שליש בערך בעוצמה. בגרסת רווח קבוע, הבקר משתמש ברווח שתוכנן במקור לשחזור פעילות לא‑התקפית; בכיול מתאים אפשרות פשוטה זו מקטינה את עוצמת ההתקף ביותר מ‑80% תוך שימוש בעוצמות גירוי יחסית צנועות.

מציאת מתכונים למציאותיים לגירוי

המחקר גם בוחן כיצד בחירות עיצוב משפיעות הן על היעילות והן על הבטיחות. קצבי דעיכה גבוהים גורמים למודלים להתאים טוב יותר לנתונים אך דורשים גירוי חזק יותר ועלולים למעשה להוריד את אחוז הדיכוי של ההתקף. יש כאן ש trade‑off ברור: תיאור טוב יותר של ההתקף קורא לדחפים עזים יותר כדי לאלף אותו. באמצעות התאמת פרמטרים והגבלה מכוונת של המקסימום, המחברים שומרים שעליות מתח מדומות יהיו ברובן בטווח של כ‑5 עד 18 וולט ותדירויות מכ‑2 עד כ‑80 הרץ—טווחים החולקים חפיפה עם אלה שכבר בשימוש בגירוי מוחי קליני לאפילפסיה והפרעות אחרות. הם מראים ששיטות כמו רוויה של הפלט או הדלקה/כיבוי של הבקר יכולות עוד להגביל את העוצמה תוך שמירה על החלשה משמעותית.

מלולאות בקרה וירטואליות לכלים ליד המיטה

למרות שהניסויים הללו הינם חישוביים לחלוטין, הם מתארים מפת דרכים מעשית. במעקב שגרתי, מקטעים ארוכים של EEG לא‑התקפי יכולים לשמש לעדכון רציף של דגם הייחוס הפשוט ושל הבקר שלו. כאשר מתגלה התקף, אותו בקר—שתוכנן מבלי שצריך לראות את ההתקף מראש—יכול להניע מאיץ פתוח־לולאה שמספק דחפים עם צורות, תדירויות ומשרעות המודרכות על ידי הניסויים הוירטואליים. מערכת ניטור נפרדת תשפוט אם ההתקף האמיתי נחלש ותתאים או תגביל את הקלט בהתאם. בפשטות, עבודה זו מצביעה על כך שמחשבים יכולים לתרגל מראש כיצד להרגיע התקפים באמצעות הקלטות מהעבר, ולהציע לרופאים הנחיות ברורות יותר על "איך לגרות" במקום להסתמך רק על ניסיון וטעייה.

ציטוט: Brogin, J.A.F., Faber, J., Ryvlin, P. et al. Computational modeling of seizure reconstruction and attenuation via model reference control. Sci Rep 16, 9951 (2026). https://doi.org/10.1038/s41598-026-39645-7

מילות מפתח: אפילפסיה, שליטה בהתקף, גירוי מוחי, דוגמנות חישובית, EEG