يظل كشف نوبات الصرع تحديًا كبيرًا في طب الأعصاب السريري، لأن إشارات تخطيط الدماغ تتسم بالتعقيد وعدم التجانس وعدم الثبات عبر الزمن، مما يجعل تمييز النوبة عن النشاط الطبيعي مهمة دقيقة تتطلب خبرة طويلة، وعلى الرغم من أن أساليب التعلم الآلي والتعلم العميق حسنت أداء الكشف في السنوات الأخيرة، فإن معظمها ما زال يعاني من محدودية قابلية التفسير وضعف النمذجة المكانية الزمانية والتعميم دون المستوى الأمثل
ولمعالجة هذه القيود اقترحت هذه الدراسة إطارًا هجينًا متوازيًا تفافيًا مع غوست نت لكشف النوبات على نحو متين، مستخدمًا بيانات متعددة الوسائط من تخطيط الدماغ والرنين المغناطيسي الوظيفي، بما يجمع بين إشارات كهربائية سريعة الزمن وصور دماغية غنية مكانيًا، في محاولة لتقديم أداة معتمدة وملائمة سريريًا لدعم القرار التشخيصي
أولًا: أهداف الدراسة ومنهجيتها
هدفت الدراسة إلى تطوير إطار هجين لكشف نوبات الصرع على نحو متين يجمع بين تخطيط الدماغ والرنين المغناطيسي الوظيفي، وقد تكونت البيانات التجريبية من تسجيلات تخطيط دماغ سطحي لأطفال من 24 مشاركًا في مجموعة بيانات سي إتش بي-إم آي تي بنظام 22 قناة وتردد أخذ عينات 256 هرتز وتسجيلات مستمرة لعدة ساعات، إلى جانب مسح رنين مغناطيسي وظيفي بحالة الراحة بتقنية 3 تسلا من 52 مشاركًا في مجموعة بيانات يونام لصرع الفص الصدغي، بواقع 26 مريضًا بالصرع و26 من الأصحاء
وخضعت بيانات تخطيط الدماغ لترشيح وسيط قائم على توزيع غاوس، بينما أُزيل الضجيج من صور الرنين المغناطيسي باستخدام مرشح وينر التكيفي القائم على الأوزان، واستُخلصت سمات تخطيط الدماغ المكانية والزمانية والترددية إلى جانب تمثيل النمط المكاني المشترك المعزز، بينما حُصل على سمات الرنين المغناطيسي من تضمينات شبكة تفافية ثلاثية الأبعاد عميقة مدمجة مع واصف مدرج التدرجات الموجهة الهرمي الممهد، ثم دُمجت السمات متعددة الوسائط داخل نموذج هجين يجمع شبكة تفافية متوازية معززة بالانتباه وغوست نت
ثانيًا: أبرز النتائج
1، حقق الإطار المقترح دقة بلغت 0.941، وهي نتيجة تعكس قدرة عالية على التمييز الصحيح بين حالات النوبة وغيرها في البيانات المختبرة، بما يمنح النموذج مصداقية أولية بوصفه أداة دعم تشخيصي
2، بلغت دقة التنبؤ الإيجابي 0.939، مما يعني أن معظم الحالات التي صنفها النموذج على أنها نوبات كانت نوبات فعلًا، وهو معيار مهم في السياق السريري حيث يترتب على الإنذار الخاطئ قلق غير ضروري وإجراءات إضافية
3، بلغت الحساسية 0.944، مما يدل على قدرة النموذج على التقاط الغالبية العظمى من النوبات الحقيقية وعدم تفويت إلا نسبة صغيرة منها، وهو ما يمثل أولوية قصوى في كشف الصرع حيث يكون تفويت النوبة أكثر كلفة من الإنذار الخاطئ
4، تفوق الإطار المقترح على الأساليب أحادية الوسيط وعلى الأساليب المرجعية الحديثة، مما يؤكد أن دمج الوسائط المتعددة يضيف معلومات تكميلية لا يوفرها أي وسيط وحده، وأن البنية خفيفة الوزن المعززة بالانتباه قادرة على التقاط أنماط مكانية زمانية تكميلية
ثالثًا: دلالات الدراسة وتطبيقاتها
تُظهر النتائج إمكانات التعلم متعدد الوسائط والبنى خفيفة الوزن المعززة بالانتباه في تقديم كشف موثوق وملائم سريريًا لنوبات الصرع، وهو ما قد يخفف العبء عن أطباء الأعصاب في مراجعة التسجيلات الطويلة، ويسرع الوصول إلى التشخيص، ويفتح الباب أمام أنظمة مراقبة مستمرة أقل إرهاقًا للمرضى والكوادر الطبية
ومن منظور تطبيقي، يفتح دمج الوسائط المتعددة أفقًا أوسع من مجرد رفع الدقة العددية، فهو يتيح للنظام أن يستفيد من تكامل المعلومات الزمانية والمكانية، وأن يعوض ضعف وسيط بقوة وسيط آخر، وهو مبدأ يتجاوز كشف الصرع إلى مجالات تشخيصية أخرى تعتمد على إشارات وصور معًا، مما يجعل الإطار المقترح نموذجًا قابلًا للتكييف لا حلًا مغلقًا على حالة واحدة
وخلاصة القول إن الجمع بين إشارات الدماغ الكهربائية وصوره الوظيفية ليس ترفًا تقنيًا، بل مصدر معلومات متكامل يعوض قصور كل وسيط على حدة، وعندما يُبنى هذا الجمع على بنية منتبهة وخفيفة، فإن كشف الصرع يقترب خطوة إضافية من الدقة والاعتمادية التي يحتاج إليها المريض والطبيب معًا
