Clear Sky Science
הסברים מבוססי ראיות, עם מעט ז'רגון

Clear Sky Science · he

ניבוי התקפים ממוח דרכי EEG חד-ערוץ באמצעות למידה עמוקה

· חזרה לאינדקס

מדוע ניבוי התקפים חשוב

עבור רבים הסובלים מאפילפסיה, ההתקפים מופיעים ללא אזהרה ומשבשים עבודה, לימודים וחיי יום‑יום. מערכת שיכולה להתריע באופן אמין על התקף מתקרב, אפילו רק כמה דקות מראש, תאפשר למטופלים לשבת או לשכב בבטחה, לקרוא לעזרה או להפסיק פעילות מסוכנת כגון נהיגה או בישול. המחקר הזה בוחן האם אפשר לייצר אזהרות כאלה מתוך חיישן גל מוח קטן בודד במקום כובע מלא של אלקטרודות, באמצעות צורת בינה מלאכותית קומפקטית שעשויה בסופו של דבר לרוץ במכשיר לביש.

דרך פשוטה יותר לעקוב אחרי פעילות המוח

רוב המחקרים על ניבוי התקפים הסתמכו על הקלטות מורכבות עם אלקטרודות רבות פרוסות על הקרקפת. מערכות אלה יכולות לעבוד טוב במעבדה אך הן מגושמות, צורכות אנרגיה רבה וקשות לנשיאה לאורך כל היום. החוקרים בחרו במקום זאת להתמקד בהקלטות "חד‑ערוציות", הלוכדות פעילות מוחית ממיקום אחד בכל פעם. הם בחרו שש מיקומי אלקטרודות במצח, ברקה ובחלק האחורי של הראש שיהיו מעשיים עבור סרט ראש קל או מדבקה. השאלה המרכזית הייתה האם חיישן יחיד וממוקם היטב יכול עדיין לקלוט את השינויים העדינים בפעילות המוח שבדרך כלל מתגבשים לפני התקף.

Figure 1. חיישן בודד במצח ומודל בינה זעיר ממירים גלי מוח לאזהרות מוקדמות לשימוש יומיומי.
Figure 1. חיישן בודד במצח ומודל בינה זעיר ממירים גלי מוח לאזהרות מוקדמות לשימוש יומיומי.

אימון קורא גלי מוח זעיר

כדי להפוך גלי מוח גולמיים למשהו שמחשב יכול ללמוד ממנו, הצוות חיתך את הנתונים למקטעים של 10 שניות והמיר כל מקטע לסוג של תמונה שמציגה כיצד חוזק האות משתנה בתדירויות שונות לאורך הזמן. התמונות האלה הוזנו למודל למידה עמוקה מתוקתק בהשראת MobileNet, משפחה של רשתות נוירונים שעוצבו לריצה בטלפונים ובמכשירים בעלי צריכת אנרגיה נמוכה. באמצעות גיזום מדוד של שכבות וקשרים, המחברים הקטינו את המודל לכ‑38,000 פרמטרים ניתנים לכוונון, שבר קטן מגודלם של מערכות זיהוי תמונה מודרניות רבות, ועדיין אפשרו לו ללמוד דפוסים מועילים הקשורים להתקפים.

הגדרת זמן אזהרה מועיל

מנקודת המבט של המטופל, לא כל זיהוי נכון הוא מועיל באותה מידה. אזהרה שמגיעה מאוחר מדי לא מספקת הגנה ממשית, בעוד שאזהרה שמגיעה מוקדם מדי עלולה לעורר דאגה מיותרת. לפיכך אימץ המחקר חוקים ברורים של כרונולוגיה המשקפים צרכים מעשיים. עבור כל התקף הגדירו החוקרים אזור "ללא אזהרה" המכסה את שתי הדקות שלפני תחילת ההתקף, כאשר כבר קשה להגיב. מרווח של 30 דקות שלפני כן טופל כחלון הניבוי האמיתי, שבו אזהרה נחשבת מוצלחת אם ההתקף מתרחש בתוך אותו חלון. רק נתונים מחלון זה ומתקופות נורמליות ברורות הרחוקות מכל התקף שימשו לאימון ובדיקה של המודל.

Figure 2. גל EEG יחיד עובר דרך רשת קומפקטית לעקומה העולה זמן רב לפני אירוע התקף.
Figure 2. גל EEG יחיד עובר דרך רשת קומפקטית לעקומה העולה זמן רב לפני אירוע התקף.

עד כמה המערכת התפקדה

המודל נבחן על שתי קבוצות חולים: מבוגרים עם אפילפסיה מוקדית עמידה לתרופות שטופלו בבית החולים האוניברסיטאי סיאול, וילדים ומבוגרים צעירים מתוך מאגר ציבורי נפוץ. עבור כל אדם אומן והוערך המערכת רק על נתוני אותו פרט, בדומה לאופן שבו מכשיר עתידי עשוי להתאים למשתמש שלו. ברחבי המטופלים סיווג המודל נכון כ‑86 עד 91 אחוז ממקטעי ה‑10 שניות, עם שיעורי אזעקות שווא יחסית נמוכים. כאשר נשפט ברמת ההתקפים המלאים ובשימוש בכללי התזמון הקפדניים, ניבא בהצלחה כ‑95 אחוז מההתקפים בקבוצת בית החולים ו‑98 אחוז במאגר הציבורי. מעניין כי אלקטרודות על המצח נטו לעבוד היטב, והקרבה לאזור התחלת ההתקף שזוהה רפואית לא תמיד שיפרה את הדיוק.

מה זה עשוי להצביע לגבי חיי היום‑יום

ממצאים אלה מרמזים כי חיישן גל מוח קטן בודד, בצירוף אלגוריתם למידה יעיל מאד, יכול לספק אזהרות מוקדמות אמינות של רבים מההתקפים בתוך חלון שימושי של כ‑30 דקות. בעוד שדרוש עוד מחקר כדי לבחון את הגישה על קבוצות חולים גדולות ומגוונות יותר ולשכלל את בחירת הערוצים לכל אדם, המחקר מצביע על מערכות ניבוי התקפים שניתן יהיה ללבוש בנוחות לאורך תקופות ארוכות ולהפעילן עם סוללה מוגבלת. כלים כאלה לא ימנעו התקפים, אך עשויים להעניק לאנשים עם אפילפסיה יותר שליטה וביטחון בתכנון פעילות יומית.

ציטוט: Jang, D., Jung, KY., Jeon, YG. et al. Single-channel EEG-based seizure prediction using deep learning. Sci Rep 16, 15888 (2026). https://doi.org/10.1038/s41598-026-44670-7

מילות מפתח: אפילפסיה, ניבוי התקפים, EEG, מכשירי לבישה, למידה עמוקה