تنوير تقني محوسب لبعض الأمراض مثل الاكتئاب والفصام ، وتزود نماذج جديدة لتصنيف ومعالجة الاضطرابات النفسية الشائكة.
في كل عام ،و قبل اجتماعهم السنوي حول التعلم الآلي ، فإن مجموعة من المهندسين الكهربائيين الذين يعملون مع مجموعات ضخمة من البيانات يحلمون بأن يحل أقرانهم تلك المشكلة. وقد تناولت معظم المواضيع مواضيع هندسية غامضة ، ولكن منذ ثلاث سنوات أراد المنظمون معالجة شيء عملي أكثر .
على سبيل المثال: هل يمكن استخدام الذكاء الاصطناعي لحل المشاكل في الطب؟
واحد من منظمي الأجتماع ، روجرز سيلفا ، وهو باحث لمرحلة ما بعد الدكتوراه في شبكة أبحاث العقل في البوكيرك ، كان يقوم بتجربة للبيانات من عمليات مسح الدماغ. وقال إنه يريد أن يعرف كيفية استخلاص المعلومات من مجموعات بيانات تصوير الدماغ “لتقديم استنتاجات أكثر دقة حول الأمراض والأسباب والسمات التي ستكون جيدة للتشخيص”.حيث يمكن للطبيب الماهر أن يحدد الكثير من فحص الدماغ ، لكن سيلفا كان يبحث عن شيء أكثر – الأنماط الدقيقة غير مرئية للعين المجردة !!.
طرح سيلفا هذا السؤال على زملائه: هل يمكن للخبراء في البيانات الضخمة أن ينظروا إلى فحوصات الدماغ من المرضى المصابين بالفصام والضوابط الصحية وتحديد أيهما؟
تختلف أدمغة الأشخاص المصابين بالفصام بطرق خفية لا تعد ولا تحصى عن أدمغة الأشخاص الذين لا يعانون من هذا المرض.
فمن من المحتمل أن تكون الاختلافات بسبب العديد من المتغيرات الجينية في الدماغ ، والتي قد لا يكون الكثير منها ضارًا بنفسه.
بالنسبة للمنافسة ، جمعت سيلفا عمليات المسح الدماغي لـ 144 شخصاً ، نصفهم تقريباً مصابين بالفصام. أعطيت البيانات من المسح إلى حوالي 245 فريق منافس ، والتي أنتجت 2000 مدخلة (سمح للفرق بتقديم أكثر من واحد).
تم تقسيم مسح المرضى إلى مجموعتين.
تم إخبار الفرق المتنافسة بالمرضى الذين قاموا بالمجموعة الأولى ولم يصابوا بالشيزوفرينيا.
وبناءً على تلك البيانات ، بحثت الفرق عن الاختلافات بين المرضى في المجموعة التي لم تتم مشاركة أي معلومات تشخيصية بشأنها ، مع الأشخاص المصابين بالفصام وغيرهم. باستخدام هذه المعلومات ، تمكنت الفرق من التنبؤ بأي من المرضى من المجموعة الثانية غير المصنفة كان مصابًا بالفصام. أعجب سيلفا وزملاؤه بالنتائج. تميز أفضل التقديمات بين المرضى والضوابط مع نسبة خطأ 10٪ فقط – أفضل بكثير من الصدفة وحدها.
هل يمكن استخدام هذه التقنيات لتشخيص المرضى بشكل روتيني؟ “هذا يمكن تصوره” ، يقول سيلفا. “العمل الذي قمنا به هو خطوة أولى.” ليس الهدف هو استبدال الأطباء النفسيين بالدوائر ، ولكن لمساعدة الأطباء النفسيين على القيام بما يقومون به بالفعل. يتوقع سيلفا حدوث ذلك في أقل من خمس سنوات.
يقول هيو غارافان ، الأستاذ المساعد في الطب النفسي بجامعة فيرمونت ، إنه في هذا الشكل من الذكاء الاصطناعي التطبيقي ، “تتمتع الآلات بالقدرة على توجيه التعلم الخاص بها ، إن شئت”. التعلم الآلي هو المصطلح الذي يسمح لبرنامج الكمبيوتر بالتجول عبر البيانات ومحاولة تحديد ما هو مهم ، دون أي تعليمات حول مكان النظر أو ما يُرجح أن يكون حاسماً. إنها طريقة للعثور على نتائج و ترابطات غير متوقعة.
و يتم استخدام التعلم الآلي في دراسة يجرها على المراهقين وتعاقر المشروب الكحولي . هناك الكثير من البيانات حول الدوبامين ونظام المكافآت. ومع ذلك ، يقول ، “قد يضعف هذا النظام عند الأطفال ، وإذا كان الكحول ينشط هذا النظام ، فمن المرجح أن يحاول هؤلاء المراهقين لتجربته مرة أخرى.”
يمكن للمرء أن يصمم دراسة تتابع هذه الفكرة ، كما يقول جارافان ، ولكن سيكون هناك قصور ، حيث “أنك تؤكد بشكل أساسي ما تعرفه بالفعل”. مع التعلم الآلي ، لا يوجد افتراض بأن نظام الدوبامين ، أو أي شيء آخر ، ينخرط في شرب الكحول.
“يمكننا أن نخبر الخوارزمية: عينة الدماغ. انظر إلى 1000 منطقة دماغية. انظر أي منطقة في عمر معين ترتبط بشكل أفضل مع إدمان الكحول في وقت لاحق من العمر.” مع تمريرة ثانية ، يمكن تأكيد العينات المجموعة الأولى. “ثم يمكنك تكرار هذا عدة مرات.” تم تصميم الخوارزمية التي تستخدمها الماكينة من قبل الماكينة ، وليس من قبل البشر ، والذين لا يستطيعون التعامل مع جميع البيانات التي يمكن أن تعلمها للالة . فبعض هذه المعلومات مفيدة وذات صلة بفهم المرض ، والبعض الآخر ليس كذلك.
هذا النهج وجد منذ حوالي عشر سنوات. في عام 2006 كان مونتاغيو عالِم الأعصاب الحاسوبي في معهد أبحاث معهد كارولينا للتكنولوجيا ، من أوائل الذين بدأوا وحدة للطب النفسي. وقد عمل هو وزميله ، بيتر دايان ، من جامعة كوليدج لندن ، على نماذج الكمبيوتر التي يمكن أن تحاكي عمل الدوبامين الناقل العصبي عند النظر إلى الأمراض والاضطرابات مثل الإدمان ، الشلل الرعاشي ، وبعض أشكال الذهان.
يمكنهم الآن استخدام نماذجهم في السؤال عما يحدث عندما تكون أنظمة الدوبامين مفرطة النشاط أو تتغير ، لفهم مكونات الإدمان أو اضطراب الوسواس القهري ، على سبيل المثال. هذه طريقة واحدة فقط لاستخدام الحساب في الطب النفسي. كان تحدي الشيزوفرينيا ودراسة الشرب بنهم يعتمدان على البيانات. بمعنى ، أنها تهدف إلى استخلاص الارتباطات المفيدة من البيانات. لكن عمل مونتاج وديان يبدأ بنظرية ويختبرها. يمكن لنماذج الكمبيوتر الخاصة بهم أن تظهر كيف تعمل أنظمة الدوبامين ، ويمكن للباحثين بعد ذلك تحديد مدى تطبيق النماذج النظرية على البشر.
كان الطب النفسي الحسابي بطيئاً في المساعدة عن الإقلاع ، تقول مونتاج ، جزئياً بسبب نجاح المناهج البيولوجية.مثل بروزاك وما شابه ذلك من الأدوية التي أعقبتها ، والمعروفة مجتمعة باسم SSRIs ، كانت فعالة جدا في علاج الاكتئاب. ويقول: “يمكن أن يأخذ الناس من الانتحار إلى العمل ، لكن هذا ليس تفسيرًا”
. يمكن أن يساعد تطوير نماذج من دراسات الدوبامين والأنظمة الأخرى في الدماغ على ربط النقاط بين الجزيئات والأمراض العقلية ، كما يمكن للنمذجة المستخدمة في التعلم الآلي.
و إن إحدى الصعوبات الواضحة هي أن العبث في أدمغة الأشخاص الأحياء لا يرحب به من قبل الأفراد ولا حتى المتطوعين و المرضى . لكن مونتاج نجحت في حل هذه المشكلة من خلال العمل مع جراحي الأعصاب. وطلب من المرضى الواعين المشاركة في ألعاب معينة ، مثل الرهان ، لمراقبة إطلاق الدوبامين بينما كان الجراحون يقومون بإجراء الجراحة. “النموذج يخبرنا ما الذي نبحث عنه في الدماغ” ، كما يقول.
طُلب من بعض المرضى لعب لعبة Go Go ، وهي لعبة استراتيجية آسيوية معقدة. ويقول: “اعتقدنا أن جو كان عميقًا للغاية ومعقدًا”. ولكن من خلال تتبع نشاط الدماغ وإجراء نماذج حاسوبية لما تمت ملاحظته ، “يمكننا اكتشاف أشياء لم يرها أفضل اللاعبين”. كان مثالاً آخر على كيفية استخدام الطب النفسي الحسابي لتحديد نشاط الدماغ الذي لا يمكن رصده حتى من قبل الطبيب النفسي الأكثر خبرة.
يمكن استخدام نفس الفكرة – استخراج معلومات مهمة من بيانات صاخبة – لدراسة مرض باركنسون ، وهو اضطراب في الحركة والتوازن الناجم عن النقص في الخلايا العصبية المنتجة للدوبامين. مرض باركنسون غير عادي لأنه يمكن أن يتخذ أشكالًا مختلفة. يمكن أن ننظر إلى Montague أنظمة مختلفة تتأثر الدوبامين وتحديد التي تتأثر في مريض معين. مرة أخرى ، يمكن أن تجد التقنيات الجديدة وضوحًا في البيانات المعقدة ، ولا تقتصر على الظروف القابلة للتشخيص. ويقول: “ستكون قادرًا على جمع الأشخاص الذين يعانون من مشكلات نفسية تقليدية وتصنيفهم باستخدام هذه الأساليب”.
يستخدم روبرت ويلان ، عالم النفس في معهد Trinity Institute of Neurosciences في دبلن ، التعلم الآلي لدراسة سلوك الشرب لدى المراهقين. أراد الإجابة عن سؤال مهم حول المراهقين: هل يمكن لمعلومات من الأطفال في سن الرابعة عشرة أن تسمح له بالتنبؤ بمن سيصبح شارب للكحول في عمر 16 سنة؟
كان التعلم الآلي مناسبًا لهذا ، لأن ويلان لم يكن يعرف ما هي الأجوبة المحتملة. كان لديه الكثير من البيانات للعمل مع نماذج مسح الدماغ ل 2500 المراهقين في سن 14.
“طلبنا من الجهاز أن ينظر من خلال جميع البيانات في ال 14 ، والتي يمكن أن تشير إلى من الذي سيصبح شارب للكحول في سن 16. “
وقد أجرى هو وزملاؤه عددا من الاختبارات.
“نظرنا إلى بنية الدماغ ، واختبارات الإدراك ، والاختبارات السلوكية ، وتاريخ الحياة ، وسألنا عما إذا كان والداهما مطلقان”. بعد اكتمال كل الأعمال الحسابية ، أعلن ويلان نجاحًا جزئيًا. كان التنبؤ 70 إلى 75 في المئة دقيقاً .
“لقد وجدنا أنه كان من الممكن إلى حد ما التكهن بمن سيصبح شاربًا ” ، كما يقول. ” لم تكن الدقة كبيرة ، لكنها كانت حقيقية على الأرجح.”
لكن التجربة حققت نجاحًا محدودًا في التنبؤ بشرب الكحول . كما كشفت عن أشياء لم يتوقعها الباحثون – وهي فضل التعلم الآلي.
أحدها هو أن “الأشخاص الذين كانوا أكثر انفتاحا في سن 14 كان لديهم احتمالية أكبر في أن يصبحوا شاربي كحول شرهين ” ، كما يقول ويلان.
لكن أفضل مؤشر كان هو أن الأشخاص الذين كانوا أكثر وعيًا بوظائفهم ومراعاة الآخرين كانوا أكثر عرضة أيضًا للشرب عند 16 عامًا ، لذلك كان المراهقون الذين دخلوا مرحلة البلوغ مبكرًا. كانت هذه النتائج غامضة بعض الشيء وغير متوقعة ، وهذا هو السبب في أنها جزء من الأهمية.
وعمل ويلان على دراسة تناول المشروبات الكحولية كزميل ما بعد الدكتوراه مع هيو غارافان في جامعة فيرمونت. ويقول إن إحدى النتائج المثيرة للاهتمام هي أن شرب الكحول كان أكثر احتمالاً لدى المراهقين الذين لديهم أدمغة أكبر ، وليس نوع الفرضية التي من المرجح أن يتطور الباحثون من تلقاء أنفسهم. لكن بمجرد أن اكتشفوا ذلك ، كان الأمر منطقيًا. مع تطور الدماغ خلال فترة المراهقة ، يميل إلى الانكماش. تصبح الخلايا العصبية والوصلات بينهما أصغر مع تشابك المشابك غير الضرورية. فالأطفال الذين لديهم أدمغة أكبر يكونون أقل نضجًا من أولئك الذين لديهم أدمغة أكثر في عملية التقليم ، والأطفال الذين لديهم أدمغة غير ناضجة هم أكثر عرضة للشرب.
واحدة من الأشياء التي جعلت الدراسة ممكنة هي مجموعة كبيرة من فحوصات الدماغ التي أتيحت لـ Whelan و Garavan. للوصول إلى نتائج ذات مغزى ،لكن يحتاج الباحثون إلى مجموعات بيانات ضخمة. حتى وقت قريب ، لم تكن موجودة.
في أي دراسة ، يقول جارافان ، “قد يكون لديك 20 طفلاً ،” أقل بكثير من الآلاف المطلوبة لدراسة عادية .
سيكون هناك مشكلتان في ذلك ، كما يقول.
أحدهما هو أنه حتى أفضل الأعمال الحسابية لا يمكن أن يكشف النقاب عن تشوهات صغيرة بدون مجموعة كبيرة من البيانات.
وبدون الكثير من البيانات ، يمكن أن تبدو الاتصالات الباطلة حقيقية: إذا كان 20 طفلاً في دراسة تجريبية قد حصلوا على أطول من المعتاد ، يمكن للمرء أن يستنتج أن طول المراهق هو أكثر عرضة للاكتئاب ، دعنا نقول. مجموعة عشوائية مكونة من 2000 طالب تجعل من المحتمل بدرجة أقل أن تكون أطول في المتوسط من العدد الإجمالي للسكان.
تنفق المعاهد الوطنية للصحة 300 مليون دولار لجمع البيانات عن 11000 طفل ، ابتداء من سن 9 سنوات ، بما في ذلك فحوص المخ ، الاختبارات الجينية ، تحليل الهرمونات ، والتقييمات النفسية ، وفقا لغارافان.
وتتمثل الخطة في المتابعة مع المجموعة بشكل دوري حتى يبلغوا سن العشرين.
في مشروع قادم ، تحاول ويلان استخدام نفس الأساليب للتنبؤ بالمرضى الذين سيستجيبون بشكل أفضل لعلاج معين. “عندما يزور شخص طبيب نفساني ، يتم إعطائه العلاج ، ثم يتم إرساله لمدة ثمانية أسابيع لمعرفة ما إذا كان العلاج سيعمل.” تحاول ويلان ابتكار طريقة لزيادة فرص حصول المرضى على العلاجات التي تناسبهم منذ البداية. مثل هذا المؤشر للفعالية من شأنه توفير المال والوقت ، والحصول على شعور أفضل للمرضى بسرعة أكبر بكثير.
إنه متحمس لمستقبل هذه الدراسات. يتم الآن تبني استراتيجية دراسة الشرب بنهم من قبل باحثين آخرين للبحث عن المزيد من الارتباطات. وهذا يسلط الضوء على تحذير هام من هذه الدراسات. يقول: “إن بحثنا دائم الارتباط.” “لا نعرف ما الذي يسبب شرب الأطفال أو نتيجة شربهم – أو ما إذا كانوا متصلين بطريقة ما.” لكن البحث يعطي الخبراء خيوطًا قوية في بحثهم عن الأسباب.
في حين أن العمل مثير ، فماذا يعني للأطباء الذين يرغبون في تطبيق النتائج ، أو للمرضى الذين قد يستفيدون منها؟ هل هناك مناطق دماغية محددة تجعلك أكثر عرضة للانتحار؟ أو أن تصبح مكتئب؟ تقول ويلان: “إذا وجدنا علامة دماغية تنبؤية ، فقد نكون قادرين على التوصل إلى نوع من اختبار الورق الذي يعطينا نتائج مؤكدة على حد ما .
على سبيل المثال ، يمكن أن تؤدي نتائج دراسة شرب الخمر ، إلى استنتاج استبيان مكون من 10 أسئلة قد يحدد الأطفال الذين يحتمل أن يصبحوا شاربي كحول شرهين فيما بعد ، مما يمنح المدارس وأولياء الأمور فرصة للتدخل.
إنه ليس سحرًا ، ولكنه عقلاني وعلمي – على عكس نائب مدير المدرسة الثانوية الذي يصنع تخمينات حول الأطفال الذين قد يكونون في خطر.
كما توفر التقنيات الحسابية رؤى في المناطق التي جذبت الكثير من الاهتمام في الدراسات التقليدية.
آرجون كريشنان عالم بيولوجي حاسوبي في جامعة ولاية ميشيغان يقوم بأعمال رائدة في دراسة مرض التوحد.
في حين درس علم الوراثة وتخصص في علم الأحياء ، وكان لديه أيضا مصلحة في علوم الكمبيوتر.
وبينما استمر في دراسته ، أدرك أنه يستطيع أن يربط بين الحقلين.
“علماء الأحياء كانوا يقولون لي ، أنت لا تعرف ما يكفي من علم الأحياء” ، وعلماء الكمبيوتر يقولون ، “أنت لا تعرف ما يكفي من علوم الكمبيوتر”. “لكن تبين أن هذا الأمر مثالي. “كنت أعرف المزيد من علوم الكمبيوتر أكثر من علماء الأحياء ، وأنا أعرف علم الأحياء أكثر من علماء الكمبيوتر. لم يتمكن المعسكرين من التحدث إلى بعضهما البعض ، ولكن كليهما كان يمكن أن يتحدث معي”.
استخدم كريشنان نطاقه عبر المجال لفحص مشكلة أساسية في علم الوراثة: كيف تتخصص الجينات وتتواصل مع بعضها البعض؟
“الخلايا في جسمنا يمكن أن تفعل أشياء مختلفة جدا على الرغم من أن لديهم نفس المجموعة من الجينات” ، كما يقول.
“لخلية الدماغ نفس جينات خلايا القلب.”
لكن خلايا الدماغ لا تستطيع أن تتقلص مثل عضلات القلب ، ولا تستطيع خلايا القلب أن تجعل جلدك يقشعر عندما يصرخ الدكتور فرانكشتاين: “إنه حي! إنه حي!”
وهذا له آثار عملية فورية ، لأن “كل مرض مرتبط بنوع خلوي محدد للغاية في أجسامنا” ، يقول كريشنان. “إذا ما كسرت الجينات” وسببت التوحد ، فإن التأثير يكون من خلال الأنسجة ذات الصلة بالدماغ. “
لكن الجينات لا تعمل في عزلة. الجينات هي كائنات اجتماعية ، وتشارك في الشبكات الاجتماعية في الجسم. وبالمثل ، يستخدم فيس بوك نماذج حاسوبية لتحديد من ينصح به كأصدقاء – الأشخاص الذين يجب أن تتصل بهم لأنهم في شبكتك الاجتماعية. استخدم كريشنان فكرة مشابهة لدراسة الشبكات البيولوجية – عبر شبكات من الجينات المعروفة ذات الصلة بالأمراض للعثور على جينات معروفة حتى الآن تتعلق بالمرض.
عندما حول كريشنان تركيزه إلى التوحد ، تم تحديد عدد قليل فقط من الجينات. تأتي البيانات الضخمة التي يستخدمها من مبادرة أبحاث التوحد من مؤسسة سايمونز. إنها مجموعة من العينات الوراثية من 2600 عائلة تسمى “البسيط” ، مما يعني أن كل أسرة لديها فرد واحد فقط مصاب باضطراب طيف التوحد – لا يتأثر الأخوان وأولياء الأمور. يستخدم كريشنان أساليبه الحسابية للبحث عن طفرات موجودة فقط في الطفل المصاب بالتوحد.
عندما بدأ عمله قبل خمس سنوات ، كان 15 أو 16 جينة فقط مرتبطة بالتوحد. هذا الرقم نما إلى حوالي 65 ، يقول كريشنان. يعتقد الباحثون أنه يجب أن يكون هناك المزيد ؛ قبل 10 سنوات كانوا يتوقعون أن 600 إلى 1000 جينة قد تكون موجودة في النهاية.
ويقول: “كنا نظن أننا نأخذ جينات التوحد المعروفة ونرى ما إذا كانوا يتفاعلون كجزء من شبكات في الدماغ”. يحتوي الجينوم البشري على 25،000 إلى 30،000 جين. قرر كريشنان وزملاؤه إعطاء كل واحد من هذه الجينات درجة التوحد ، مرتبة من الأكثر تنبؤًا إلى أقل تنبؤًا. “لدينا ترتيب يحتوي على العديد من الجينات في الأعلى التي لم تدرس من قبل.” في أغسطس 2016 ، نشر هو وزملاؤه أبحاثهم في مجلة Nature Neuroscience ، مما رفع عدد الجينات المرتبطة بالتوحد المرشحة من حوالي 65 إلى 2500. إنه تقدم كبير محتمل في فهم علم الوراثة لمرض التوحد. والسؤال الآن هو ما إذا كان ذلك يمكن أن يساعد الأطباء على اكتشاف سبب أو أسباب التوحد ، ثم معالجته.
المفتاح هو أن كريشنان لا يحتاج إلى فهم كل جين. “هذا سيكون مثل القول أنني بحاجة إلى معرفة كل مشتر فردي لتشكيل حملة تسويقية” ، كما يقول. تشكل الشبكات الجينات ، تمامًا مثل المتسوقين في متاجر البقالة ، وإذا علم ما يفعله بعضهم ، يمكنه استخلاص استنتاجات حول الآخرين.
ويؤكد هذا الاكتشاف أيضًا على فكرة أن التوحد “ليس اضطرابًا فرديًا على الإطلاق. إنه أحد أكثر الاضطرابات تنوعًا” ، كما يقول. يمكن أن يعاني التوحد من مجموعة متنوعة من الأعراض: مشاكل في النوم ، صعوبات في الجهاز الهضمي ، مشكلات في الإدراك الحسي ، وغيرها. ومع ذلك ، في كثير من الأحيان ، يتم وضع كل شيء في مربع واحد. ويضيف كريشنان: “لم نفهم بعد أي مجموعات من الجينات تسهم في أجزاء التوحد”. هو نفسه مع الحالات الأخرى ، مثل البدانة وأمراض القلب ، والتي يمكن أن يكون لها أيضًا أعراض متغيرة وأسباب متعددة. وهو يخطط لتحويل انتباهه إلى جانب مرض الزهايمر وأمراض القلب ، باستخدام نفس الأساليب الحسابية.
تكمن المشكلة في الأبحاث الحسابية المتطورة في أن القصة تنتهي عادة بوعد بمستقبل مثير وتذكير بأن هناك حاجة إلى مزيد من الأبحاث قبل أن يساعد أي عمل من المرضى . في حين أن هذا صحيح بالنسبة لهذا البحث ، فإن بعض النتائج تصل بالفعل إلى مرضى الاكتئاب.
أسس آدم شيكرود ، طالب الدكتوراه في جامعة ييل ، شركة تدعى سبرينج ، للاستفادة من النتائج التي توصل إليها بشأن الاكتئاب. ويشير إلى أن رعاية الأمريكيين للاكتئاب أقل عموما من الكمال. “ربما يكتشف الأطباء فقط نصف المصابين بالاكتئاب. من بين هؤلاء الذين تم تحديدهم ، 30٪ لا يعودون للعلاج. من بين هؤلاء الذين عادوا ، 70٪ لا يتعافون. فقط عدد قليل من الأشخاص يحصلون على أفضل النتائج”.
