يمثل الكشف الدقيق عن نوبات الصرع وتصنيفها من تسجيلات تخطيط كهربية الدماغ واحدًا من التحديات المنهجية الكبرى في تحليل الإشارات العصبية الفسيولوجية، وذلك لأن أنماط النوبات تختلف اختلافًا واسعًا في مدتها وشكلها وتكرارها، ولأن بعض أنواع النوبات نادرة جدًا مقارنة بالأنواع الشائعة، وهو ما يجعل النماذج التقليدية تميل إلى إتقان الأنواع الكثيرة التمثيل وإهمال الأنواع النادرة رغم أهميتها السريرية البالغة، ويزداد التحدي تعقيدًا عندما تكون الإشارات مشوشة أو متغيرة عبر الزمن، مما يفرض على الباحثين تطوير معماريات قادرة على التعامل مع عدم التوازن الطبقي ومع التباين الزمني في آن واحد
وفي هذا السياق كشف تحليل مجموعة بيانات مستشفى تمبل الجامعي للنوبات عن نسبة عدم توازن تصل إلى 150 إلى 1 بين الأنواع الشائعة والأنواع النادرة، مع تباين زمني كبير إذ تراوحت مدة النوبات بين ثانية واحدة و1638 ثانية، وهو مدى واسع يعكس تنوع الظاهرة العصبية وصعوبة وضع قاعدة قرار واحدة تناسب جميع الحالات، وقد دفع هذا الواقع فريق البحث إلى اقتراح معمارية متتالية تفكك المشكلة المعقدة إلى مراحل أبسط يسهل على النموذج تعلمها، بدلًا من مطالبة مصنف واحد بحل المشكلة دفعة واحدة
أولًا: أهداف الدراسة ومنهجيتها
هدفت الدراسة إلى تطوير إطار للتعلم العميق يعالج مشكلة عدم التوازن متعدد المستويات في تصنيف إشارات كهربية الدماغ ذات البنية الطبقية الهرمية، واعتمدت الدراسة معمارية متتالية تضم شبكتين عصبيتين تلافيفيتين متخصصتين، الأولى كاشف ثنائي يميز بين وجود النوبة وغيابها، والثانية مصنف متعدد الفئات يحدد نوع النوبة بدقة، وقد أدى هذا التفكيك إلى خفض أقصى نسبة عدم توازن من 150 إلى 1 إلى مستويات يمكن التعامل معها، إذ بلغت النسبة 9 إلى 1 في المرحلة الثنائية و5 إلى 1 في مرحلة تحديد النوع، كما طبقت المعمارية آلية ترشيح عالية الثقة بعتبة 0.9 أنتجت مجموعة بيانات بنقاء 99.5 في المئة لمرحلة تصنيف الأنواع، إضافة إلى تحسين موزون ديناميكيًا بالفئات يتناسب مع معكوس تكرار كل فئة، وتحسين تدفق المعلومات عبر مراحل متتابعة
ثانيًا: أبرز النتائج
1، أظهر تحليل ديناميكيات الخسارة أن مخطط الترجيح المقترح أعاد توزيع انتباه التحسين بصورة استراتيجية، إذ خفض التباين بنسبة 90.7 في المئة للفئات الكثيرة التمثيل مع رفع التباين للفئات النادرة، مما ضمن حصول جميع أنواع النوبات على إشارات تعلم متناسبة بغض النظر عن تمثيلها في البيانات
2، حقق المصنف الثنائي نوعية بلغت 99.64 في المئة وحساسية بلغت 98.23 في المئة، مع مساحة تحت المنحنى بلغت 0.995، وهي قيم تشير إلى قدرة عالية على التمييز بين مقاطع النوبات والمقاطع الطبيعية دون إفراط في الإنذارات الخاطئة أو إغفال النوبات الحقيقية
3، أظهر مصنف الأنواع دقة تجاوزت 99 في المئة عبر سبع فئات من النوبات، مع تصنيف كامل بنسبة 100 في المئة لثلاثة أنواع من النوبات رغم تمثيلها الضئيل في البيانات، وهو إنجاز يبرز فاعلية التفكيك الهرمي في حماية الفئات النادرة من الإهمال
4، أكد التحقق عبر مجموعات بيانات مختلفة على مجموعة بيانات جامعة بون قدرة الإطار على التعميم، إذ بلغت دقة الكشف الثنائي عن النوبات 96.0 في المئة، مما يدعم إمكانية تطبيق النموذج خارج بيئة التدريب الأصلية
ثالثًا: دلالات الدراسة وتطبيقاتها
تقدم الدراسة إطارًا عمليًا لمعالجة عدم التوازن في تصنيف الإشارات العصبية الفسيولوجية، ويمكن أن يفيد هذا الإطار في تطوير أنظمة مراقبة سريرية تساعد الأطباء على رصد النوبات وتصنيفها بسرعة ودقة أكبر، كما يفتح الباب أمام تعميم الفكرة الهرمية على مشكلات تصنيف طبية أخرى تعاني من البنية الطبقية وعدم التوازن، غير أن حدود الدراسة تستدعي اختبار الإطار في بيئات سريرية حقيقية وعلى مجموعات بيانات أوسع قبل اعتماده أداة قرار سريري مستقلة، مع ضرورة مراعاة اختلاف أجهزة التسجيل وبروتوكولات جمع البيانات بين المراكز الطبية
وخلاصة القول إن الدراسة تثبت أن تفكيك مشكلة التصنيف المعقدة إلى مراحل متخصصة مع ترشيح عالي الثقة وترجيح متناسب مع ندرة الفئات يمكن أن يحقق دقة عالية حتى للأنواع النادرة، وهو ما يجعل المعمارية المقترحة خطوة مهمة نحو أنظمة ذكية أكثر عدالة وشمولًا في تحليل إشارات الدماغ
