في خطوة ثورية في مجال علوم الأعصاب، تم تقديم دراسة جديدة تسلط الضوء على أهمية استخدام إشارات الرنين المغناطيسي الوظيفي (fMRI) بطريقة مبتكرة. تعتمد هذه الدراسة على مفهوم "التواصل الوظيفي الديناميكي" (Dynamic Functional Connectivity - dFC) والذي يتجلى من خلال تحليل بيانات fMRI المأخوذة خلال حالات الراحة. هذا التحليل يمكِّن الباحثين من فهم كيفية تواصل مناطق الدماغ المختلفة.

يعتمد الأسلوب التقليدي في بناء dFC على تقنيات مثل "طريقة الارتباط بالنافذة المنزلقة" (Sliding Window Correlation - SWC)، حيث تُحتسب معاملات الارتباط بين السلاسل الزمنية للإشارات من مناطق الدماغ المختلفة. لكن الدراسة الأخيرة تقدم نهجاً متكاملاً يقوم على دمج المعلومات المتعلقة بالسعة والطور، مما يسهل كشف الاضطرابات العصبية بدقة أكبر.

تقدم الباحثون مع إطار عمل فريد يسمى "الإندماج التعليمي متعدد المقاييس" (Multi-scale Fusion Learning - MSFL) والذي يستفيد من الميزات التكميلية الناتجة عن SWC وتزامن الطور (Phase Synchronization - PS). باستخدام هذه التقنية المبتكرة، تم تقييم فعالية MSFL في تصنيف اضطراب طيف التوحد (Autism Spectrum Disorder) والاكتئاب الشديد (Major Depressive Disorder) من خلال مجموعتين بيانات متاحتين للجمهور: ABIDE I وREST-meta-MDD.

تشير النتائج إلى أن MSFL يتفوق بشكل كبير على النماذج المقارنة الحالية، مما يفتح آفاقاً جديدة في التشخيص المبكر للاضطرابات الدماغية. بالإضافة إلى ذلك، تم استخدام تحليل شرح النموذج بواسطة إطار عمل SHAP، الذي أوضح كيف تساهم كل من ميزات dFC من SWC وPS في الكشف عن هذه الاضطرابات.

إن هذا البحث يعد علامة فارقة في كيفية فهمنا لأدمغتنا وتحديد المشكلات الصحية، قد يشكل أساساً لتطورات مستقبلية في مجالات العلاج والتشخيص.