نماذج شبكات حاسوبية تتنبأ وتتحكم في مسارات الصحة النفسية عبر التطبيقات الرقمية

تخيل أنك تعاني من تقلبات مزاجية مفاجئة، أو تشعر بالقلق المتزايد في مواقف معينة. ماذا لو كان بإمكان تطبيق على هاتفك الذكي ليس فقط تتبع هذه المشاعر، بل والتنبؤ بها، وحتى اقتراح تدخلات مخصصة لمساعدتك على تجاوزها؟ هذا ليس ضربًا من الخيال العلمي، بل هو الهدف الذي يسعى إليه باحثون في مجال الصحة النفسية الرقمية، وقد حققوا فيه تقدمًا ملحوظًا بفضل استخدام نماذج الشبكات الحسابية.

منهجية البحث

اعتمد الباحثون، بقيادة الدكتور فيشتيلبيتر جيه، على بيانات تم جمعها من خلال ما يُعرف بـ “التقييم اللحظي البيئي” (Ecological Momentary Assessment – EMA). هذه التقنية تتضمن تتبع الحالة العاطفية والسلوكية للأفراد على مدار اليوم، من خلال استبيانات قصيرة يتم إرسالها إليهم بشكل متكرر عبر هواتفهم الذكية. تم تحليل بيانات من ثلاث تجارب عشوائية مصغرة (micro-randomized trials) شملت 145 مشاركًا، واستمرت كل تجربة لمدة 40 يومًا.

لم يقف الباحثون عند استخدام النماذج التقليدية القائمة على الشبكات، والتي تفترض علاقات خطية بين العوامل النفسية المختلفة (مثل الشعور بالاسترخاء، أو القلق، أو الطاقة). بل قاموا بتقييم مجموعة واسعة من النماذج، بما في ذلك نماذج أكثر تعقيدًا وغير خطية تعتمد على “نماذج الفضاء الحالية” (State-Space Models – SSMs) وشبكات عصبية متكررة خطية مجزأة (Piecewise-Linear Recurrent Neural Networks – PLRNNs)، بالإضافة إلى نماذج “المحولات” (Transformers) التي أثبتت فعاليتها في معالجة اللغة الطبيعية.

النماذج غير الخطية: نافذة على التعقيد النفسي

النماذج غير الخطية مهمة لأنها تعكس بشكل أفضل حقيقة أن العمليات النفسية غالبًا ما تكون معقدة وتعتمد على السياق. فرد قد يشعر بالهدوء في موقف معين، بينما يشعر بالتوتر في موقف مشابه، اعتمادًا على عوامل أخرى مثل مستوى الإجهاد العام، أو وجود أشخاص معينين. النماذج الخطية، ببساطة، لا تستطيع التقاط هذا النوع من التعقيد. التحدي يكمن في أن النماذج غير الخطية غالبًا ما تكون أقل قابلية للتفسير من النماذج الخطية، مما يجعل من الصعب فهم الآليات النفسية التي تقف وراء التنبؤات التي تقدمها.

النتائج

أظهرت النتائج أن نماذج الفضاء الحالية غير الخطية القائمة على شبكات PLRNNs قدمت أفضل تنبؤات للتغيرات العاطفية والسلوكية التلقائية، وكذلك للتغيرات الناتجة عن التدخلات العلاجية. وبشكل مثير للاهتمام، لم تكن هذه النماذج مجرد أدوات تنبؤية دقيقة، بل كشفت أيضًا عن أنماط اتصال ذات معنى نفسي داخل الشبكة الكامنة. على سبيل المثال، حددت النماذج العقدة العاطفية “الاسترخاء” كنقطة تأثير عالية، مما يشير إلى أن تعزيز الشعور بالاسترخاء يمكن أن يكون له تأثير كبير على الحالة النفسية العامة.

الأمر الأكثر إثارة هو أن النماذج سمحت للباحثين بمحاكاة تأثيرات التدخلات المستقبلية. بمعنى آخر، تمكنوا من التنبؤ بكيفية استجابة الأفراد لسيناريوهات علاجية مختلفة، قبل تطبيقها فعليًا. وهذا يفتح الباب أمام تصميم تدخلات علاجية مخصصة وفعالة بشكل أكبر.

آثار البحث

تشير هذه النتائج إلى أن النماذج غير الخطية القائمة على SSMs يمكن أن توفر أساسًا عمليًا وقابلاً للتفسير للتحكم في الوقت الفعلي في تطبيقات الصحة النفسية الرقمية. فبدلاً من الاعتماد على استراتيجيات علاجية عامة، يمكن للتطبيقات الذكية استخدام هذه النماذج للتنبؤ باحتياجات المستخدمين الفردية، وتقديم تدخلات مخصصة في الوقت المناسب.

الأهم من ذلك، أن أداء النماذج ظل قويًا حتى في ظل ظروف واقعية، مثل إعادة التدريب في الوقت الفعلي (real-time retraining) والتعامل مع البيانات غير الكاملة. وهذا يعني أن هذه النماذج ليست مجرد أدوات بحثية واعدة، بل يمكن تطبيقها بشكل فعال في العالم الحقيقي لمساعدة الأشخاص الذين يعانون من مشاكل الصحة النفسية.

هذا البحث يمثل خطوة مهمة نحو مستقبل الصحة النفسية الرقمية، حيث يمكن للتكنولوجيا أن تلعب دورًا أكبر في فهم وتوقع والتعامل مع التحديات العاطفية والسلوكية التي نواجهها جميعًا.

Reference

Fechtelpeter J. (2025). Computational network models for forecasting and control of mental health trajectories in digital applications. npj Digital Medicine, 9(1), 70-70.

DOI: 10.1038/s41746-025-02252-3