שחזור מועשר על-ידי מכונה של קונטקְטוֹמות פונקציונליות חושף תת-מערכות מוחיות מובחנות בבריאות ובמחלה

מדוע המחקר הזה חשוב

אוטיזם מקושר לשינויים באופן שבו אזורי מוח מתקשרים זה עם זה, אבל סריקות מוח סטנדרטיות לעיתים מטשטשות את הדפוסים האלה. המחקר מדגים כיצד שילוב הדמיה מוחית עם שיטות מודרניות של למידת מכונה יכול לחשוף מסלולי תקשורת נסתרים במוח שמבדילים טוב יותר אנשים עם אוטיזם מאנשים נוירוטיפיים, ובכך לפתוח דלתות חדשות למחקר על הפרעות מוחיות.

מביטים בפעילות המוח כרשת

המחברים מתחילים מרעיון פשוט: ניתן לראות את המוח כרשת רחבה, שבה האזורים הם כמו ערים והקישורים ביניהם הם כמו דרכים. באמצעות fMRI הם רושמים כיצד מאות אזורי מוח מתנדים לאורך זמן בזמן מנוחה. במקום להסתפק בבדיקה האם שני אזורים מקושרים (קורלציה), הם מארגנים את היחסים האלה לרשתות רב-שכבתיות שתופסות פעילות ברצועות תדר שונות — בדומה להפרדת בס, טווח תו־אמצע וטרבל במוזיקה. תמונה עשירה זו שומרת פרטים על האופן שבו מערכות מוחיות מתואמות על פני סקלות זמן שונות.

מסריקות גולמיות אל הקישורים המובילים

שיטות מקובלות גוזמות רשתות מוחיות על ידי שמירה רק על הקישורים הזוגיים החזקים ביותר, על סמך סף סטטיסטי קבוע. עם זאת גישה זו מתייחסת לכל חיבור בנפרד ועלולה לפספס תבניות משמעותיות שנוצרות על ידי קבוצות של קישורים חלשים יותר שפועלות יחד. החוקרים מציעים מסלול שונה, שהם מכנים גיזום פונקציונלי. הם בונים קודם כל רשתות מוח תדר-ספציפיות שנוקו כבר באמצעות פרוצדורה סטטיסטית מחמירה, ואז מאכילים רשתות אלה למודל למידה עמוקה מבוסס גרף שלומד לסווג כל אדם כאוטיסט או נוירוטיפי אך ורק על סמך דפוס הקישורים.

מאפשרים למכונה להדגיש תת-מערכות מפתח

לאחר שהמודל לומד להבחין בין שתי הקבוצות, הצוות משתמש בכלי בינה מלאכותית ניתן-להסבר כדי לברר אילו קישורים השפיעו ביותר על החלטותיו. הכלי מקצה ציון חשיבות לכל חיבור ברשת. על ידי הסרת קישורים בעלי ציונים נמוכים בהדרגה, הם מגלים שהמודל לא רק ממשיך לעבוד כאשר מעל 90 אחוזים מהקישורים מוסרים, אלא שבשלב גיזום מסוים הדיוק אף משתפר. הקישורים שנותרים יוצרים תת-מערכות קומפקטיות של אזורי מוח שההפעלה המשותפת שלהם אינפורמטיבית במיוחד לגבי האם אדם הוא אוטיסט. במילים אחרות, הגיזום הפונקציונלי מעדיף קבוצות של קישורים שפועלות יחד, ולא קישורים בודדים בולטים.

מה משתנה באוטיזם שמתברר כאן

עם רשתות אלו לאחר הגיזום, החוקרים משתמשים בכלים ממדעי הרשת כדי להשוות בין אנשים עם אוטיזם לבין בקרים נוירוטיפיים. הם מגלים כי לאחר גיזום פונקציונלי מדדי רשת רבים נבדלים באופן אמין בין שתי הקבוצות, בעוד שהרשתות המקוריות הבלתי־מגוזמות לא מראות הבדלים משמעותיים. בקבוצת האוטיזם, תת־המערכות המוחיות נוטות להכיל יותר קישורים בממוצע וליצור קבוצות יותר סגורות ומהודקות, מה שמרמז על דפוס של יתר־קישוריות. השינויים בולטים במיוחד במערכות רחבות היקף כגון רשת המוד_Default (Default Mode Network), אזורים של שליטה פרונטו־פריאטליים, אזורים ויזואליים, אזורים סומטו־סנסוריים ומבנים תת־קורטיקליים כמו התלמוס, והם חזקים במיוחד ברצועות תדר נמוכות מסוימות של פעילות מוחית.

ארגון מחדש של מפת התקשורת המוחית

מעבר ליתר־הקישוריות בלבד, למוחות של אנשים עם אוטיזם יש ארגון בקנה מידה גדול שונה. כשהצוות בודק כיצד מערכות מוח שלמות מקבצות זו לצד זו, הם מבחינים שרשתות המעורבות במחשבה פנימית, בעיבוד חושי ובפונקציות שליטה מקבצות אחרת באוטיזם. לדוגמה, מערכות שליטה וסליאנס מסוימות, שעוזרות למוח להכריע איזו מידע חשוב, משנות את יחסיהן עם תת־המערכות האחרות. זה מרמז שאוטיזם כולל לא רק חיבורים חזקים יותר בתוך מעגלים מסוימים אלא גם עיצוב מחדש רחב יותר של האופן שבו מערכות מוח מסודרות בהיררכיה.

מה משמעות הדבר להבנה של הפרעות מוחיות

על ידי שילוב fMRI עם למידה עמוקה מבוססת גרפים ובינה מלאכותית ניתן־להסבר, העבודה מראה שחקירה של דפוסי קישוריות קולקטיביים יכולה לחשוף הבדלים עדינים אך מהימנים בין מוחם של אוטיסטים למחוזרים נוירוטיפיים. במקום להסתמך על ספים שרירותיים לקישורים בודדים, הגיזום הפונקציונלי מתמקד בקבוצות הקישורים שמפרידות בצורה הטובה ביותר בין בריאות למחלה. למרות שהמחקר מתמקד באוטיזם, אותה אסטרטגיה ניתנת ליישום גם על מצבי מוח אחרים, ובאופן כללי על כל מערכת מורכבת שבה ניתן להקליט אותות פעילות רבים אך לא ידוע התכנון הפנימי המדויק של החיווט.

ציטוט: Grassia, M., d’Andrea, V., Finc, K. et al. Machine-enhanced reconstruction of functional connectomes unravels discriminative brain sub-systems in health and disease. Sci Rep 16, 16173 (2026). https://doi.org/10.1038/s41598-026-47391-z

מילות מפתח: אוטיזם, קישוריות מוחית, הדמיית תהודה מגנטית פונקציונלית, למידת מכונה, רשתות עצביות גרפיות