تحليل المشي مع مقاييس متعددة للتنبؤ بحدة الاكتئاب: دراسة جديدة

هل تساءلت يومًا كيف يمكن لطريقة مشيك أن تكشف عن حالتك النفسية؟ لطالما اعتمد الأطباء على استبيانات لتقييم الاكتئاب، ولكن دراسة جديدة تفتح آفاقًا واعدة باستخدام تحليل المشي كأداة موضوعية لتحديد شدة هذا الاضطراب.

منهجية البحث

قام الباحثون في هذا العمل، بقيادة السيد ليو، بتطوير إطار عمل جديد للتنبؤ بشدة الاكتئاب يجمع بين خصائص المشي ومحتوى المقاييس المستخدمة لتقييم الاكتئاب. تعتمد المقاييس التقليدية (مثل استبيانات تقييم الأعراض) على تقارير ذاتية من المرضى، بينما يقدم تحليل المشي (أو “السلوك الحركي”) منظورًا موضوعيًا. ولكن بدلًا من مجرد استخدام نتائج المقاييس كمعيار للحقيقة، سعى الباحثون إلى استغلال الثراء الدلالي (semantic richness) داخل محتوى هذه المقاييس نفسها.

يكمن الابتكار في طريقة تعاملهم مع محتوى المقاييس. قاموا بنمذجة محتوى المقياس كهيكل دلالي متعدد المستويات. هذا يعني أنهم قاموا بتقسيم الأسئلة والأوصاف في المقياس إلى قسمين: مكونات مستقلة عن الفرد (تصف أعراض الاكتئاب بشكل عام) ومكونات خاصة بالفرد (تستند إلى إجابات المشاركين الشخصية). ثم قاموا بتصميم استراتيجيات دمج (fusion strategies) مختلفة لكل نوع من هذه المكونات مع خصائص المشي.

بالنسبة للمحتوى المستقل عن الفرد، استخدم الباحثون آلية “الانتباه المتبادل” (cross-attention mechanism). تخيل أنك تحاول فهم جملة معقدة؛ أنت تركز بشكل انتقائي على الكلمات الأكثر أهمية. آلية الانتباه المتبادل تفعل شيئًا مشابهًا، حيث تسمح لخصائص المشي بالتركيز على الجوانب الأكثر صلة من الأوصاف العامة لأعراض الاكتئاب، مما يوفر “إرشادات دلالية” واسعة. أما بالنسبة للمحتوى الخاص بالفرد، فقد تم استخدامه “لمواءمة” (align) الميزات المدمجة، مما يجعل التنبؤ أكثر دقة وتخصيصًا لكل مريض.

النتائج

أجرى الباحثون تجارب مكثفة على مجموعة بيانات تسمى “D-Gait”، وهي مجموعة بيانات تحتوي على معلومات حول المشي وتقييمات الاكتئاب للمشاركين. أظهرت النتائج أن دمج محتوى المقياس مع خصائص المشي أدى إلى تحسين كبير في الأداء. على وجه التحديد، حققوا تحسنًا ملحوظًا بنسبة 6.74٪ في “معامل الارتباط التوافقي” (Concordance Correlation Coefficient – CCC) مقارنة بالنماذج التي تعتمد فقط على تحليل المشي. يعتبر معامل الارتباط التوافقي مقياسًا إحصائيًا يقيس مدى توافق التنبؤات مع القيم الفعلية، وهو أكثر حساسية من مقاييس الارتباط التقليدية.

هذا التحسن يشير إلى أن محتوى المقياس لا يمثل مجرد “معيارًا للحقيقة”، بل هو مصدر قيم للمعلومات يمكن أن يعزز بشكل كبير دقة تقييم الاكتئاب. من خلال فهم كيفية ارتباط أعراض الاكتئاب المحددة بأنماط المشي المختلفة، يمكن للباحثين تطوير أدوات تشخيصية أكثر فعالية.

الدلالات

تفتح هذه الدراسة آفاقًا جديدة في مجال الصحة النفسية. إن القدرة على تقييم شدة الاكتئاب بموضوعية، باستخدام تحليل المشي بالإضافة إلى المقاييس التقليدية، يمكن أن يكون لها آثار عميقة على التشخيص والعلاج. فكر في إمكانية استخدام أجهزة استشعار بسيطة (مثل تلك الموجودة في الهواتف الذكية) لمراقبة أنماط المشي للمرضى عن بعد، وتوفير تنبيهات مبكرة حول التغيرات في حالتهم النفسية.

بالإضافة إلى ذلك، يمكن أن يساعد هذا النهج في التغلب على بعض القيود المرتبطة بالمقاييس التقليدية، مثل التحيز الذاتي (subjective bias) وصعوبة التعبير عن المشاعر. تحليل المشي يوفر مقياسًا موضوعيًا لا يتأثر بالضرورة برغبة المريض في إخفاء أو التقليل من أعراضه.

على الرغم من أن هذه الدراسة تمثل خطوة مهمة إلى الأمام، إلا أن هناك حاجة إلى مزيد من البحث لتأكيد هذه النتائج وتوسيع نطاقها. يجب على الباحثين استكشاف إمكانية تطبيق هذا النهج على أنواع أخرى من الاضطرابات النفسية، وتطوير خوارزميات أكثر تطورًا لتحليل المشي ودمج البيانات. ومع ذلك، فإن هذه الدراسة تقدم دليلًا مقنعًا على أن طريقة مشينا قد تحمل مفتاحًا لفهم أعمق لعالم الصحة النفسية.

Reference

Liu, X. (2026). Integrating Gait With Multilevel Scale Representations for Depression Severity Prediction. IEEE Transactions on Neural Systems and Rehabilitation Engineering.

DOI: 10.1109/TNSRE.2025.3641557