في عالم الطب الحديث، يمثل الخرف تحدياً كبيراً يتطلب تقنيات دقيقة للتشخيص. واحدة من الأدوات الأساسية لتقييم هؤلاء المرضى هي اختبار الحالة العقلية Mini-Mental State Examination (MMSE). وهذا بعيداً عن أنماط السلوك المعقدة التي تظهر على فوائد التخطيط الكهربائي للدماغ (EEG). ولكن، بينما يتيح لنا EEG فهم هذه الأنماط، كانت الطرق التقليدية تتعرض لمشكلات مثل تداخل الميزات.
معالجة التحديات
للتغلب على هذه العوائق، تم تقديم **شبكة TGSN** (Task-Guided Spatiotemporal Network) مع تعزيز الصيرورة، والتي تركز على دمج المعلومات الطيفية. يتضمن النظام وحدة للدمج بين الميزات المتعددة النطاقات لضمان التقاط المعلومات الإضافية من نوافذ EEG المختلفة. هذا يعني مزيداً من التنوع في العينات وتحسين دقة التشخيص.
الآلية الجديدة
بجانب ذلك، تم إدخال وحدة الانتباه المسماة **غيتيد سباتيو تيمبوراين** (Gated Spatiotemporal Attention Module)، التي تلتقط الاعتماديات المكانية على مواقع بعيدة والديناميكيات الزمنية، مما يعزز القدرة على فهم الأنماط المعقدة.
نتائج مبهرة
لقد أثبتت الفحوصات أن أداء **TGSN** متفوق، حيث حققت دقة تصنيف تصل إلى 97.78% لأمراض الزهايمر (AD) والخرف الجبهي الزمني (FTD) و83.93% لـ AD/FTD/ضعف الإدراك الوعائي (VCI). هذه النتائج تتجاوز المعايير السابقة بحوالى 16.39% و8.28% على التوالي.
حتى في توقع درجات MMSE، انخفضت نسبة الخطأ إلى 1.93 و2.38، مما يدل على تحسن كبير في الدقة من خلال تقليل الأخطاء بمقدار 1.44 و1.43.
النظر إلى المستقبل
في النهاية، تؤكد هذه التطورات أن التكنولوجيا تظهر بوادر أمل جديدة في مجال الطب النفسي، مما يسهل تشخيص الخرف بشكل أسرع وأكثر دقة. كيف ترى مستقبل استخدام مثل هذه التقنيات في الرعاية الصحية؟