Компьютерная электроэнцефалограмма
ЭЭГ – основной вид инструментальной диагностики в современной психиатрии
В 1929 г. Ганс Бергер впервые записал электрические потенциалы головного мозга с поверхности головы человека неинвазивными, т.е. бескровными электродами – так появилось новое научное и практическое диагностическое направление – электроэнцефалография.
Что интересно и Г.Бергер, и его последователи сразу же попытались использовать ЭЭГ головного мозга для поиска причин возникновения различных психических расстройств - для этого они регистрировали ЭЭГ у психически больных и пытались в особенностях «узора» ЭЭГ отыскать ту или иную психическую болезнь. Поиск ЭЭГ-сигнатур шизофрении, депрессии и многих других заболеваний продолжается и в настоящее время, однако еще в 2013 г. Национальный Институт Ментального Здоровья США (NIMH) – основной грантодержатель научных исследований в психиатрии в мире признал такой «лобовой» подход неадекватным с научной точки зрения и объявил о прекращении финансирования подобного рода исследований.
В 2017 г. депрессию признали основным фактором психического нездоровья и недееспособности – по оценкам ВОЗ этим расстройством страдает до 500 млн. человек в мире. Статистические отчеты приводят колоссальные потери, связанные с нетрудоспособностью по причине депрессии. Однако проблемы с диагностикой и лечением депрессии не только не улучшаются, но в целом становятся все сложнее и запутаннее. Эти сложности начинаются уже в самих диагностических руководствах и учебниках (DSM-5, ICD-10), в которых депрессия присутствует и в виде самостоятельного расстройства, и в виде «других, неопределенных, коморбидных и т.д.» разновидностей депрессии. Одна из причин такого положения дел – отсутствие четких объективных диагностических критериев. И это относится не только к депрессии, но и практически к любому психическому расстройству.
Несмотря на появление все новых мощных методов диагностики, таких, как позитронно-эмиссионная томография (ПЭТ), ядерно-магнитная томография (МРТ), функциональная МРТ, торсионная томография и др., интерес к традиционной электроэнцефалографии (ЭЭГ) не только не угасает, но все более возрастает, а благодаря таким свойствам, как неинвазивность, относительная дешевизна, высокая временная разрешающая способность и «гибридизация» с компьютерными технологиями, в результате чего возникла современная компьютерная модификация ЭЭГ, вышла в лидеры в широкой повседневной практике. Этому способствовали также многочисленные научные фундаментальные исследования, в результате которых сформировалось современное представление об аномальных паттернах электрической активности мозга при различных психических заболеваниях – эндофенотипах или ЭЭГ-фенотипах.
Что же собой представляет методика компьютерной ЭЭГ, какие процедуры включает и чем отличается от традиционной бумажной ЭЭГ, с которой все начиналось?
В фундаментальном смысле ЭЭГ – это запись колебаний электрического потенциала с поверхности головы, которые генерирует огромное количество нервных клеток головного мозга при своей работе. Эти потенциалы очень слабые, поэтому требуется специальная аппаратура для их регистрации. Речь идет о специальных усилителях электрических сигналов, являющихся основным звеном так называемых электроэнцефалографов. Ко входам этих усилителей подключаются электроды, которые устанавливаются на коже головы – именно они улавливают слабые электрические сигналы, которые генерируют корковые нейроны.
С электродов нейронный сигнал попадает в усилитель, усиливается, а далее его судьба различна в зависимости от поколения энцефалографов. В докомпьютерную эру этот сигнал просто фиксировался на бумаге в виде обычной ЭЭГ, и на этом, практически, все заканчивалось – клиницист просто просматривал километры таких бумажных лент с записанной ЭЭГ и на основании своих знаний делал выводы и формулировал клинические заключения.
С приходом же компьютеров судьба нейронного ЭЭГ-сигнала сильно изменилась – чтобы ввести в компьютер, его сначала преобразовывают из аналоговой в цифровую форму (АЦП или аналогово-цифровой преобразователь), а затем уже в виде последовательности ноликов и единиц вводят в компьютер для последующей обработки. Виды последующей компьютерной обработки оцифрованной ЭЭГ постоянно развиваются и совершенствуются и на сегодняшний день среди них можно выделить несколько видов иерархически надстроенных друг над другом методик, обеспечивающих полноту и глубину анализа.
Прежде всего, это самые базовые компьютерные методики по существу дублирующие некоторые важные функции аналоговых электроэнцефалографов – например, вывод и прорисовка ЭЭГ-кривой на экране компьютерного монитора. Но и в этом случае применение компьютера значительно усилило возможности этого этапа – стало возможным измерять различные параметры ЭЭГ (амплитуда, латентность и др.) практически мгновенно по любым наборам каналов.
Далее ввиду того, что, по сути, цифровая запись ЭЭГ – это, в математическом смысле, временной ряд, стало возможным применить к обработке этого ряда большое число различных алгоритмов математического анализа. Во-первых, это процедура интерполяции, применение которой позволило получить более компактное представление той информации, которая заложена в ЭЭГ – это так называемые топографические карты. Суть ее в следующем – программа с помощью подвижного курсора измеряет амплитуды потенциала синхронно по всем каналам ЭЭГ в определенный момент времени, измеренные значения заносит в «узлы» карты, соответствующие точкам наложения электродов, затем с помощью алгоритмов интерполяции рассчитывает теоретические значения амплитуды потенциала для всех других точек карты, затем применяет к полученному массиву значений черно-белое или цветное кодирование, и мы получаем топографические карты распределения амплитуды электрического потенциала по поверхности головы – вид сверху, сбоку, снизу, как угодно.
Топографические карты амплитуды ЭЭГ через 200 мс и далее после курсора, выставленного в окне редактирования.
Следующее усовершенствование компьютерного анализа ЭЭГ связано с применением т.н. спектрального анализа с помощью быстрого преобразования Фурье – на вход этого алгоритма подается временной ряд ЭЭГ, а на выходе получаем функцию спектральной плотности для всех частот спектра ЭЭГ – обычно это от 1 до 100 гц. Просуммировав значения спектральной плотности в стандартных диапазонах ритмов ЭЭГ (1-4 гц – дельта, 4-8 гц – тета, 8-12 гц – альфа, 12-36 гц – бета, 38-42 гц – гамма) или в любых индивидуальных, мы можем представить выраженность различных ритмов ЭЭГ в виде такой же топографической карты, как и вышеописанном случае с амплитудой потенциала.
Спектры мощности для каждого из 19 отведений ЭЭГ от 0 до 50 гц.
Кроме спектрального анализа, мы можем применить к исходному временному ряду ЭЭГ большое число других алгоритмов и получить, например, топографическую карту когерентности или синхронности колебаний потенциала в различных областях коры головного мозга для разных ритмов ЭЭГ – на основании этого показателя стало возможным говорить о функциональных связях различных структур мозга и областей коры. В целом же виды обработки исходного временного ряда постоянно совершенствуются как в качественном, так и в количественном аспектах.
Топографические карты распределения показателя амплитуды спектра по поверхности головы для дельта, тета, альфа и бета-ритмов. Точками на картах показаны места наложения ЭЭГ-электродов.
Следующий этап в развитии компьютерного анализа ЭЭГ связан с созданием компьютерных баз данных ЭЭГ как для нормы, так и для различных форм психической патологии. Ключевыми в этой области являются имена Боба Тэтчера, разработавшего одну из немногих признанных в настоящее время нормативную базу, т.е. базу данных ЭЭГ для практически всех возрастов, и Роя Джона, разработавшего метод нейрометрики и ряд клинических баз данных ЭЭГ.
Суть этого этапа состоит в том, что у тщательно отобранных здоровых лиц в диапазоне возрастов от 3 месяцев до 83 лет без истории психических и неврологических заболеваний, у родственников которых также нет такой истории заболеваний, регистрируют ЭЭГ по стандартизованному протоколу (отведения, ритмы, параметры, функциональные пробы и т.д.), индивидуальные ЭЭГ «прогоняют» через все алгоритмы обработки, полученные индивидуальные параметры суммируют, усредняют и получают огромный массив разнообразных статистических метрик, которые позволяют статистически сравнивать ЭЭГ отдельно взятого человека с этой базой нормы и получать для этого человека топографическую карту статистического показателя достоверности отклонения от нормы любого ритма ЭЭГ и любого его параметра. Можно сказать, это одно из самых последних достижений компьютерного анализа ЭЭГ и надежные программы в этой области разработаны сравнительно недавно.
Топографические карты Z-коэффициентов для абсолютной и относительной мощности дельта-, тета-, альфа-, бета- и высокочастотного бета ЭЭГ пациента с генерализованным тревожным расстройством. Цветом показана степень статистического отклонения от показателей нормы (красный – выше нормы, синий – ниже нормы).
В настоящее время мы являемся свидетелями еще более сложного этапа в развитии компьютерного анализа ЭЭГ, связанного с разработкой экспертных систем с использованием алгоритмов искусственного интеллекта для автоматизации процесса описания и диагностики клинических ЭЭГ. Однако данный этап еще далек от завершения и требует совместных действий большого количества научных и клинических коллективов. Одна из задач этого этапа состоит в выделении устойчивых аномальных паттернов электрической активности мозга при различных психических заболеваниях – эндофенотипов или ЭЭГ-фенотипов.
Именно положение об эндофенотипах и биомаркерах положено в основу будущей объективной классификации психических нарушений, основы которой активно разрабатываются в настоящее время. К настоящему времени в литературе описано 14 различных паттернов-фенотипов ЭЭГ, встречающихся при различных психических заболеваниях и отражающих нарушения тех или иных мозговых систем. Именно эндофенотипы, по современным представлениям, являются опосредованным звеном между генотипом и конкретным психическим заболеванием. Однако более подробное рассмотрение этого вопроса мы отложим до будущей публикации на сайте нашего Центра.
Автор статьи: Иващенко Олег Иванович
