צוות מחקר בראשות פרופסור ג'י-וונג צ'וי מהמחלקה להנדסת חשמל ומדעי המחשב ב-DGIST (הנשיא Kunwoo Lee), בשיתוף עם צוותי מחקר בראשות פרופסור האן-ג'ון קים מהמכון הטכנולוגי הלאומי קומו, פרופסור קיונג הוואן ג'ין מאוניברסיטת קוריאה וד"ר ג'ונג-צ'אול רה מהמכון לחקר המוח של קוריאה, פיתח "NONOS" טכנולוגית נפרדת המדויקת. "מקצבים" מ"אותות הרקע" הבסיסיים באותות מוח ברזולוציה טמפורלית גבוהה.
אותות חשמליים הנוצרים במוח מכילים תערובת של "מקצבים (רכיבים מתנודדים)" שחוזרים על עצמם במרווחים קבועים, ובסיס "אותות רקע (רכיבים שאינם מתנודדים)". בידוד וניתוח של רכיבים קצביים אלו מאותות מוח דומה לבחירת קולו של אדם אחד בתוך רעש המהום של בית קפה הומה אדם. בפרט, במוחם של חולים במחלת פרקינסון, עוצמתו של קצב המכונה "גלי בטא", המתנדנדים עשרות פעמים בשנייה, הופכת להיות גבוהה מדי. זה קשור לתסמינים של האטה בתנועה ומשמש כאינדיקטור להערכת יעילות הטיפול.
הבעיה היא ששיטות ניתוח קונבנציונליות אינן יכולות להבחין כראוי בשינויים מהירים במקצבים מאלה שבאותות הרקע. טכניקות הסינון הנפוצות ביותר מחשבות את עוצמתם של גלי בטא מבלי לקחת בחשבון את אותות הרקע, וייתכן לטעות בשינויים באותות הרקע בשינויים במקצבים. שיטות עדכניות יותר שמסירות אותות רקע מנתחות אותות על ידי קיבוץ אותם לחלונות זמן קבועים, אך שיטות אלו יכולות בקלות להחמיץ שינויים קצרים במקצבים, בדיוק כפי שאובייקטים הנעים במהירות נראים מטושטשים בתמונות שצולמו עם זמני חשיפה ארוכים. כתוצאה מכך, היה קשה להשיג גם "הפרדה מדויקת" של מקצבים ואותות רקע וגם "זיהוי של שינויים מהירים" בו זמנית.
צוות המחקר התמקד במאפיין הבא של אותות רקע: כוחם פוחת באופן אקספוננציאלי עם התדירות הגוברת, בעקבות צורה פונקציונלית ספציפית. NONOS הוא מודל AI המאומן לקחת אותות מוח שנרשמו לאורך זמן כקלט ולחלץ רק את רכיבי הרקע העוקבים אחר דפוס פונקציונלי זה. על ידי הפחתת אותות הרקע שחולצו מהאותות המקוריים, נותרו רק הרכיבים הקצביים הטהורים, מה שמאפשר לזהות שינויים מהירים בשני הרכיבים מבלי לאבד רזולוציה זמנית.
למעשה, כאשר צוות המחקר ניתח את המרכיבים הקצביים המופקים על ידי NONOS מהאותות המוחיים של חולים עם מחלת פרקינסון, ביצועי הניבוי עם איזו כף רגל יתקדם החולה (כאשר ערכים קרובים יותר ל-1 המצביעים על דיוק רב יותר) הגיעו ל-0.98, שיפור משמעותי לעומת שיטות קונבנציונליות (0.54-0.79). בניסויים בעכברים המדגימים את מחלת פרקינסון, NONOS הייתה גם השיטה היחידה שזיהתה ברגישות את הירידה המהירה בעוצמת גלי בטא בעקבות גירוי מוחי עמוק (טיפול בגירוי חשמלי), שהיה קשה לזהות בשיטות קונבנציונליות.
"המשמעות של מחקר זה נעוצה בהדגמה כי ניתן להפריד מקצבים ואותות רקע המעורבבים יחד באותות מוח מבלי לאבד רזולוציה זמנית," אמר פרופסור ג'י-וונג צ'וי מ-DGIST (מנהל המרכז לחקר ההתכנסות של הנדסת המוח).
אם נמשיך לפתח את NONOS לפעול בזמן אמת על מכשירי מוח הניתנים להשתלה על ידי צמצום הדרישות החישוביות שלו, זה יתרום לשיפור הדיוק של טיפול מותאם אישית בגירוי מוחי עמוק, המתאים את הגירוי החשמלי בהתאם למצבו של כל מטופל."
Ji-Woong Choi, פרופסור, DGIST
"ל-NONOS יש את היתרון ביכולת להפריד בין הרכיבים המחזוריים והא-מחזוריים של אותות ביולוגיים שונים המשתנים במהירות לאורך זמן ברזולוציה זמנית גבוהה, ולכן הוא יהיה שימושי לניתוח מגוון רחב של אותות משתנים בזמן מעבר לדוגמאות המוצגות במאמר," אמר פרופסור האן-ג'ון קים מהמכון הלאומי לטכנולוגיה בקומו.
בינתיים, מחקר זה נתמך על ידי קרן המחקר הלאומית של קוריאה של תוכנית המחקר STEAM (BRIDGE Convergence R&D) ותוכנית פיתוח טכנולוגיות התכנסות מובילות במדעי המוח, כמו גם תוכנית המעבדה הגלובלית של משרד החינוך. פרופסור ג'י-וונג צ'וי מ-DGIST ופרופסור האן-ג'ון קים מהמכון הטכנולוגי הלאומי קומו שימשו ככותבים מתכתבים, בעוד ג'ינמו קים, סטודנט בתכנית המשולבת לתואר שני-דוקטורט במחלקה להנדסת חשמל ומדעי המחשב של DGIST, השתתף ככותב הראשון. הממצאים פורסמו ב NeuroImageכתב עת בינלאומי מהשורה הראשונה בתחום הדמיה עצבית.
