يلحق مرض باركنسون أضرارًا كبيرة بحياة الإنسان وصحته وحركته وقدرته على ممارسة أنشطته اليومية، ويوفر الكشف عنه اعتمادًا على تخطيط كهربية الدماغ سبيلًا جديدًا للوقاية منه وعلاجه المبكر، غير أن محدودية عينات بيانات التخطيط المتاحة والفروق الكبيرة بين الأفراد، ولا سيما بين مجموعات البيانات المختلفة المجمعة في مراكز وظروف متباينة، تجعل بناء نماذج تصنيف قابلة للتعميم تحديًا قائمًا أمام الباحثين في مجال واجهات الدماغ والحاسوب
تتجه الدراسات الحديثة إلى توظيف التعلم بالنقل لعبور الفجوة بين مجموعات البيانات، بحيث تُستثمر بيانات مصدرية أغنى في تحسين التصنيف على بيانات هدف محدودة الحجم، وتقدم هذه الدراسة أسلوبًا جديدًا يجمع بين الهيكل المحدب وأقصى تباين للمتوسط لاختيار المجال المصدري الأنسب ومواءمة البيانات عبر المجموعات، بما يعالج مشكلة تباين التوزيعات التي تضعف أداء النماذج عند انتقالها من مجموعة بيانات إلى أخرى
أولًا: أهداف الدراسة ومنهجيتها
اقترحت الدراسة أسلوبًا جديدًا سمته الهيكل المحدب المحسّن وأقصى تباين للمتوسط لتصنيف مرض باركنسون عبر مجموعات البيانات، وذلك بدمج الهيكل المحدب مع التعلم بالنقل، وطبقت بصورة مبتكرة التعلم بالنقل عبر البيانات في مجال واجهات الدماغ والحاسوب لمرض باركنسون، مستخدمة المسافة الإقليدية لمواءمة البيانات واختيار قنوات تخطيط كهربية الدماغ، ومازجة بين الغلاف المحدب ومسافة أقصى تباين للمتوسط لتكوين أسلوب فعال لاختيار المجال المصدري، وتحقق الباحثون من فعالية الأسلوب المقترح تجريبيًا عبر ثلاث مجموعات بيانات هي لو بي دي وسان ويو إن إم، وفحصوا أداءه على مناطق مختلفة من الدماغ ونطاقات ترددية متعددة لإشارات التخطيط
ثانيًا: أبرز النتائج
1. أظهر الأسلوب المقترح أداء تصنيف جيدًا عبر مناطق الدماغ المختلفة المشمولة بالتجارب، بما يدل على ثبات فعاليته مكانيًا
2. حافظ الأسلوب على أداء تصنيف جيد عبر النطاقات الترددية المختلفة لإشارات تخطيط كهربية الدماغ، بما يدعم قابليته للتطبيق على خصائص إشارية متنوعة
3. أثبت الجمع بين الغلاف المحدب ومسافة أقصى تباين للمتوسط فعاليته أسلوبًا لاختيار المجال المصدري في التعلم بالنقل عبر مجموعات البيانات
4. دعمت نتائج التحقق على ثلاث مجموعات بيانات مستقلة إمكان توظيف المواءمة بالمسافة الإقليدية واختيار القنوات في تحسين تصنيف مرض باركنسون عبر المجموعات
ثالثًا: دلالات الدراسة وتطبيقاتها
تقدم الدراسة فكرة وأسلوبًا جديدين للكشف عن مرض باركنسون عبر مجموعات البيانات، بما يعالج مشكلة ندرة العينات وتباين الأفراد التي تعوق تطبيق نماذج واجهات الدماغ والحاسوب في البيئات السريرية، ويمهد ذلك لتطوير أدوات مساعدة على الكشف المبكر تستفيد من البيانات المتاحة في مراكز متعددة وتشاركها بكفاءة، دون الحاجة إلى جمع عينات ضخمة جديدة في كل موقع يراد تطبيق النموذج فيه
وتعالج الدراسة بذلك عقبة بنيوية في طريق نقل نماذج واجهات الدماغ والحاسوب من المختبر إلى العيادة، فالنموذج المدرب على بيانات مركز واحد كثيرًا ما ينهار أداؤه حين يواجه بيانات مركز آخر بسبب اختلاف الأجهزة وبروتوكولات التسجيل وخصائص المرضى، وأسلوب اختيار المجال المصدري بالغلاف المحدب ومسافة أقصى تباين للمتوسط يقدم حلًا منظمًا لهذه العقبة لأنه ينتقي البيانات المصدرية الأقرب توزيعًا إلى الهدف قبل النقل، كما أن توظيف المواءمة بالمسافة الإقليدية واختيار القنوات يخفف عبء الأبعاد العالية لإشارات التخطيط ويجعل التدريب أخف حسابيًا، وهي مزايا عملية تهم فرق البحث التي تعمل بعينات صغيرة وموارد حوسبية محدودة، ومن المتوقع أن تتسع فائدة هذه المقاربة حين تُقرن ببروتوكولات تقييم سريري صارمة تراعي سلامة المرضى
وتتصل هذه المقاربة باتجاه أوسع في بحوث واجهات الدماغ والحاسوب يسعى إلى جعل النماذج أقل اعتمادًا على وفرة البيانات المحلية وأكثر قدرة على الاستفادة من التراكم المعرفي العالمي في المجال، إذ تتشارك مراكز البحث بياناتها بصور مختلفة الصيغ والأحجام، ويصبح أسلوب النقل والاختيار المنهجي للمصدر عاملًا حاسمًا في تحويل هذا التراكم إلى أدوات تشخيصية نافعة
وخلاصة القول إن نجاح أسلوب الهيكل المحدب المحسّن مع أقصى تباين للمتوسط عبر مناطق دماغية ونطاقات ترددية متنوعة يشجع على بحوث لاحقة تختبره على مجموعات بيانات أوسع وأكثر تنوعًا، وتدمجه في منظومات كشف مساعدة تخضع للتحقق السريري المنهجي قبل اعتمادها أداة داعمة للتشخيص
