چگونه میتوان رنج ذهنی و درونی یک انسان را به دادهای عینی و سنجشپذیر تبدیل کرد؟ در روانپزشکی بالینی، تشخیصها بهطور تاریخی بر گزارشهای خود بیمار و مصاحبههای بالینی متکی بودهاند. این روشها با وجود ارزش بالایی که دارند، به طور ذاتی در برابر سوگیریهای ذهنی، تحریفهای شناختی و تفاوتهای موجود در قضاوت تجربی درمانگران آسیبپذیر هستند. برای ساخت ابزارهای تشخیصی سیستماتیک و عینی، باید به خود بدن رجوع کنیم؛ مشخصاً به «حسگری زیستی چندگانه» (multimodal biosensing).
حسگری زیستی چندگانه به معنای دریافت و پردازش همزمان سیگنالهای فیزیولوژیک از کانالهای مختلف برای ثبت تصویری غنیتر و قابلاعتمادتر از وضعیت زیستی یک ارگانیسم است. در حوزه سلامت شناختی، این امر به معنای رصد همزمان ردپای الکتریکی و عروقی مغز است. یک مطالعه پایلوت جدید توسط Sakurai et al. (2026)، چارچوبی برای کلاسبندی حالت افسردگی با استفاده از ادغام دو فناوری الکتروانسفالوگرافی (EEG) و طیفنگاری فروسرخ نزدیک عملکردی (fNIRS) پیاده کرده است. ادغام این دو سیگنال بسیار استراتژیک است، اما آوردن چنین سیستمی به محیط عملیاتی چالشهای مهندسی بزرگی را فراتر از آموزشهای تئوریک مدل عیان میکند.
فیزیک تلفیق دادهها
برای درک اینکه چرا این دو سنسور خاص را با هم ادغام میکنیم، ابتدا باید تعریف کنیم که هرکدام چه چیزی را اندازهگیری میکنند. الکتروانسفالوگرافی (EEG) پتانسیلهای پسسیناپسی نورونهای قشر مغز را از طریق الکترودهای روی پوست سر ثبت میکند. این روش از رزولوشن زمانی فوقالعادهای (در حد میلیثانیه) برخوردار است، اما به دلیل اثرات هدایت حجم جمجمه، رزولوشن مکانی ضعیفی دارد و به شدت به نویزهای حرکتی و ماهیچهای حساس است.
در مقابل، fNIRS یک روش تصویربرداری نوری است که پاسخهای همودینامیک (تغییرات جریان خون) را در قشر مغز میسنجد. این دستگاه با تاباندن نور فروسرخ نزدیک به پوست سر و اندازهگیری نور بازپراکندهشده، تغییرات غلظت هموگلوبین اکسیژندار (HbO) و بدون اکسیژن (HbR) را محاسبه میکند. این پاسخ عروقی با فعالیت عصبی موضعی مرتبط است. هرچند fNIRS مکانیابی فضایی عالی از نواحی فعال مغز ارائه میدهد، رزولوشن زمانی آن به دلیل تاخیر چند ثانیهای پاسخ همودینامیک، محدود است.
با ترکیب این دو، سیستمی میسازیم که نقاط ضعف یکدیگر را پوشش میدهند؛ EEG نشان میدهد که مغز دقیقاً «چه زمانی» پاسخ میدهد و fNIRS مشخص میکند که فعالیت متابولیک دقیقاً در «کجا» رخ میدهد. در عمل، این دید دوگانه برای شناسایی حالات پنهان افسردگی که حتی خود فرد نیز ممکن است از آنها بیخبر باشد، یا برای تفکیک افسردگی از مراحل اولیه زوال عقل در جمعیتهای مسن که علائم بالینی مشابهی دارند، حیاتی است Sakurai et al. (2026).
چالش تولید: ناهماهنگی زمانی در ثبت سیگنالها
وقتی این فناوری را از محیط آزمایشگاهی خارج کرده و در تولید واقعی پیاده میکنی، نخستین مانع جدی، تراز کردن زمانی دادههاست. این دو دستگاه با فرکانسهای نمونهبرداری کاملاً متفاوتی کار میکنند. یک دستگاه EEG استاندارد دادهها را با نرخ ۲۵۰ تا ۱۰۰۰ هرتز ارسال میکند، در حالی که دستگاه fNIRS قابلحمل معمولاً با فرکانس ۱ تا ۱۰ هرتز نمونهبرداری میکند.
در یک خط لوله یادگیری ماشین عملیاتی، نمیتوان این بردارها را به سادگی در کنار هم قرار داد. اگر به سراغ تلفیق اولیه (early fusion) بروید، ناچارید فرکانس EEG را پایین بیاورید یا فرکانس fNIRS را با درونیابی (interpolation) بالا ببرید. کاهش فرکانس EEG باعث از دست رفتن باندهای فرکانسی بالا (مانند موجهای بتا و گاما) میشود که برای تشخیص بارهای شناختی و عاطفی حیاتی هستند. افزایش فرکانس fNIRS نیز وابستگیهای زمانی مصنوعی ایجاد میکند که با واقعیت فیزیکی جریان خون همخوانی ندارد.
راهحل کاربردی، استفاده از پنجرههای زمانی در سطح ویژگی (feature-level temporal windowing) است. به جای ادغام سیگنالهای خام، ویژگیهای آماری و فرکانسی را در پنجرههای لغزان همگام استخراج میکنیم. به عنوان مثال، در یک پنجره دو ثانیهای، چگالی طیف توان (PSD) را برای باندهای مختلف EEG محاسبه میکنیم و در همان پنجره، میانگین و شیب تغییرات HbO را برای fNIRS به دست میآوریم. این بردارهای ویژگی همگامشده، ورودی مدل نهایی خواهند بود. این معماری ضمن حفظ یکپارچگی سیگنالها، تاخیر فرآیند استنتاج را در حد استاندارد نگه میدارد.
فیلتر کردن نویز در محیط واقعی
در مطالعات آزمایشگاهی، آزمودنیها در اتاقهای تاریک و بدون حرکت مینشینند. اما در یک کلینیک واقعی، بیمار حرکت میکند، پلک میزند و صحبت میکند. هر پلک زدن یک نویز الکتریکی (EOG) در کانالهای جلویی EEG ایجاد میکند که چندین برابر قویتر از سیگنالهای مغزی است.
در طراحی و توسعه سیستم BioVR—که در آن دادههای فیزیولوژیک بیمار را به صورت بلادرنگ برای تنظیم پویای سختی تمرینهای شناختی پردازش میکردیم—به این نتیجه رسیدیم که بزرگترین چالش فنی، دقت مدل روی دادههای ثابت آزمایشگاهی نیست، بلکه تابآوری خط لوله داده در برابر نویزهای محیط واقعی است. اگر سیستم شما نتواند نویزهای حرکتی را پیش از ارسال به مدل فیلتر کند، الگوریتم یادگیری ماشین به جای تشخیص افسردگی، میزان پلک زدن یا انقباضات عضلانی بیمار را کلاسبندی خواهد کرد.
برای حل این مسئله در یک خط لوله تولیدی، پیادهسازی فیلترهای بلادرنگ ضروری است. این فرآیند شامل استفاده از فیلترهای میانگذر و روشهای جداسازی سیگنال مانند تحلیل مؤلفههای مستقل (ICA) آنلاین برای حذف نویزهای عضلانی و چشمی در EEG است. در مورد fNIRS نیز باید نویزهای ناشی از ضربان قلب (حدود ۱ هرتز) و تنفس (حدود ۰.۲ هرتز) با فیلترهای مناسب حذف شوند تا سیگنال خالص همودینامیک مغز به دست آید.
سبکسنگین کردن کالیبراسیون
تفاوت در ضخامت جمجمه، تراکم مو و نرخ متابولیک پایه در افراد مختلف باعث میشود مدلی که روی یک گروه خاص آموزش دیده، روی بیمار جدید کارایی بالایی نداشته باشد (Covariate Shift). راهحل دانشگاهی معمولاً با گزارش دقت روی یک گروه همگن از این چالش عبور میکند، اما در مهندسی کاربردی باید میان یک مدل عمومی بدون نیاز به آمادهسازی با دقت کمتر، یا یک جلسه کالیبراسیون ۱۰ دقیقهای برای هر بیمار، یکی را انتخاب کنیم.
در عمل، بهترین رویکرد برای کاربردهای بالینی، استفاده از یادگیری انتقال (transfer learning) ترکیبی است. ما میتوانیم مدل عمیق را روی دادههای وسیع افراد مختلف آموزش دهیم تا الگوهای کلی را یاد بگیرد. سپس، هنگام مواجهه با بیمار جدید، با اجرای یک تست پایه ۳ دقیقهای، لایههای نهایی مدل را برای آن فرد خاص شخصیسازی کنیم. این روش زمان معطلی بیمار را به حداقل میرساند و در عین حال، دقت تشخیصی سیستم را در محیطهای واقعی بهینه میکند.
منابع
- End-to-End Machine Learning for Depressive State Classification via EEG and fNIRS — arXiv · q-bio.NC · 2026-06-10