نشرت دراسة جديدة على منصة arXiv تقدم لنا إطار عمل (Framework) متقدماً يعتمد على تقنيات التعلم الآلي (Machine Learning) لتحليل بيانات تخطيط الدماغ الكهربائية (Electroencephalography) بهدف التنبؤ بفعالية العلاجات المقدمة لمرضى الألم المزمن في الرقبة. يهدف هذا الإطار إلى دعم استراتيجيات العلاج الشخصية وتقليل العبء على الأنظمة الصحية.
عمل الإطار">كيفية عمل الإطار
يتكون هذا الإطار من عدة مراحل دقيقة تهدف إلى تجهيز البيانات بشكل مناسب. في بداية الأمر، يتم معالجة بيانات EEG التي تم جمعها في حالات الراحة، من خلال خطوات تشمل:
1. إزالة الإشارات الأساسية التي قد تؤثر على النتائج.
2. تحديد واستبعاد القنوات المعيبة.
3. إعادة مرجعية البيانات.
4. تطبيق ترشيح نطاق الترددات وتنقية هذه البيانات.
5. تحليل الطاقة الطيفية.
كما أنه حينما يتم العمل مع تسجيلات الحركات، تُعتمد خطوات مماثلة لتلك السابقة، ولكن يتم توجيه الإشارات بناءً على الأحداث التي تم تحفيزها، مما يساعد في قياس الارتباط بين نشاط الدماغ والحركة المقصودة.
بالإضافة إلى ذلك، تم إجراء مراجعة أدبية شاملة لنماذج التعلم الآلي المستخدمة في تحليل EEG السريري، حيث تم تقييم ما يقرب من 763 دراسة واختيار 63 منها، بهدف إغناء استراتيجيات ما بعد المعالجة (Post-processing).
من خلال هذا النموذج المتكامل، يأمل الباحثون في تطوير قاعدة صلبة لدعم استراتيجيات الرعاية الصحية الشخصية في إدارة الألم المزمن، مما يفتح آفاقاً جديدة لممارسات أكثر فاعلية وموجهة لاحتياجات المرضى.