الاكتئاب هو حالة نفسية شائعة للغاية يمكن أن تؤثر سلبًا على رفاهية الشخص. في حين أن هناك مجموعة كبيرة من الأدوية المتاحة لعلاج الاكتئاب، فإن العديد من الأشخاص لا يستجيبون للأدوية الأولى أو حتى الثانية التي يتم وصفها لهم. نتيجة لذلك، يجب على الأطباء في كثير من الأحيان اتباع نهج التجربة والخطأ، مما يعني أن الأمر قد يستغرق شهورًا أو حتى سنوات للعثور على دواء فعال.
في محاولة جادة للبحث عن نهج أفضل، يستكشف بعض الباحثين استخدام التعلم الآلي للتنبؤ بالمرضى الذين سيستجيبون لدواء محدد مضاد للاكتئاب. في دراسة نُشرت في 12 سبتمبر في IEEE Transactions on Biomedical Engineering ، يصف أحد الفريقين خوارزمية التعلم الآلي التي تحلل النشاط الكهربائي لأدمغة الناس ويمكن أن تتنبأ بالاستجابة لمضاد الاكتئاب Sertraline بدقة 83.7٪.
شاركت مريم رافان، الأستاذة المساعدة في قسم الهندسة الكهربائية وهندسة الحاسبات بمعهد نيويورك للتكنولوجيا، في الدراسة. وتشير إلى أن الطريقة الحالية لوصف الأدوية للأشخاص المصابين بالاكتئاب غير فعالة للغاية.
تقول رافان: “إن غياب المؤشرات الحيوية يجعل هذا الفرع من الطب يعتمد كليًا على المقابلات الشخصية وتقارير المرضى”، مستشهداً بإحدى الدراسات التي أظهرت أن 33 إلى 37 بالمائة من المرضى سيتحولون بعد أول مضاد للاكتئاب تم اختياره باستخدام طريقة التجربة والخطأ الحالية .
“الإحباط من أوجه القصور هذه قاد مجموعتنا إلى تحديد ما إذا كانت الأساليب الكمية القائمة على تحليل التعلم الآلي لأنماط النشاط الكهربائي للدماغ يمكن أن تقدم إرشادات إكلينيكية أكثر دقة” ، كما تقول. “تشير بياناتنا وبيانات الآخرين إلى أن هذا هو الحال بالفعل.”
في دراستهم، حللت رافان وزملاؤها بيانات مخطط كهربية الدماغ (EEG) من مرضى الاكتئاب قبل تلقيهم العلاج. مخطط كهربية الدماغ (EEG) هو اختبار بسيط نسبيًا حيث يمكن للأقطاب الكهربائية الموضوعة على فروة الرأس تسجيل الأنماط الكهربائية للدماغ. إجمالاً، حلل الباحثون بيانات تخطيط أمواج الدماغ قبل العلاج من 228 مشاركًا يعانون من اضطراب اكتئابي كبير، تم تعيينهم عشوائيًا للعلاج الوهمي أو العلاج باستخدام سيرترالين، وهو مثبط شائع لاسترداد السيروتونين يستخدم لعلاج الاكتئاب.
ثم طبق الباحثون بعد ذلك خوارزميات التعلم الآلي لتحديد من يستجيب للعلاج باستخدام سيرترالين – ولكن أيضًا الدواء الوهمي. لقد تم توثيقه على نطاق واسع عبر العديد من الدراسات أن الظروف الصحية لبعض المرضى يمكن أن تتحسن عندما يتلقون علاجًا وهميًا.
يوضح رافان: “قد يعتمد [تأثير الدواء الوهمي] على اعتقاد المريض، أو الثقة في فريق العلاج، أو مرور الوقت، أو قد يكون له في الواقع أسس بيولوجية تعكس أنماط نشاط الدماغ والتي قد تكون قابلة للقياس”.
وتشير إلى أن الفهم الأفضل لتأثير الدواء الوهمي يمكن أن يؤدي إلى علاجات سريرية لأولئك الذين قد يستفيدون منه. في الواقع، تُظهر نتائج الدراسة أن خوارزميات التعلم الآلي – جنبًا إلى جنب مع التنبؤ بالاستجابة لسيرترالين بدقة 83.7 في المائة – يمكنها بالمثل اكتشاف الاستجابة للعلاج الوهمي بدقة 83 في المائة.
يحذر رافان من أن مناهج التعلم الآلي تتطلب مجموعات بيانات ضخمة لضمان ترجمة النتائج إلى العالم الحقيقي، واستندت هذه الدراسة إلى حجم عينة صغير نسبيًا. “[لكن]، إذا كانت خوارزمياتنا دقيقة حقًا كما نعتقد، فإن التطبيق في العالم الواقعي سيؤدي إلى تحسن كبير في كفاءة وفعالية العلاج النفسي،” كما تقول، مشيرة إلى أن أجهزة التخطيط الدماغي المحمولة منتشرة حاليًا على نطاق واسع المتاحة ويمكن نشرها في المناطق التي لا تتمتع بخدمات كافية.
يقول غاري هاسي، الأستاذ المشارك في قسم الطب النفسي وعلوم الأعصاب السلوكية بجامعة ماكماستر، والذي شارك أيضًا في الدراسة، إن الفريق يعمل الآن على تسويق وتنفيذ نهجهم على نطاق أوسع، من خلال شركة ناشئة تسمى Digital Medical Experts Incorporated (بورصة دبي للطاقة).
يقول: “حصلت DME على براءة اختراع لتقنيات التعلم الآلي للطب النفسي في الولايات المتحدة وكندا وأستراليا”. “لقد أنشأنا البنية التحتية اللازمة لجمع بيانات EEG عن بُعد ونسعى بنشاط إلى مزيد من الاستثمار.”
كان الفريق أيضًا يستكشف استخدام التعلم الآلي لتحديد الأفراد الذين لديهم أفكار انتحارية. والجدير بالذكر أن العديد من الأشخاص الذين يموتون بالانتحار ينكرون وجود أفكار انتحارية عند سؤالهم.
يقول رافان: “أجرت مجموعتنا دراسة على 68 شخصًا تم تشخيصهم باضطراب اكتئابي كبير، حيث تمكنا من تحديد وجود أفكار انتحارية بدقة تصل إلى 70 بالمائة باستخدام تحليل التعلم الآلي لإشارة مخطط كهربية الدماغ”. “نقوم حاليًا باختبار وتدريب هذه الخوارزميات بشكل أكبر باستخدام مجموعة بيانات أكبر بكثير.”
