Микросостояния ABCD: новое слово в математическом анализе ЭЭГ

ВВЕДЕНИЕ / INTRODUCTION

Электроэнцефалография (ЭЭГ) – эффективный метод изучения электрофизиологии мозга с высоким временным разрешением [1]. С появлением компьютерных электроэнцефалографов [2] начали активно развиваться и математические методы обработки ЭЭГ [3]. Некоторые из них нашли применение в современной клинической практике, часть используется в системах «мозг – компьютер», отдельные математические алгоритмы в настоящее время используются только в научных исследованиях и, если покажут свою эффективность, будут востребованы в клинической практике. В данном материале представлен обзор довольно нового подхода к математической обработке ЭЭГ-сигналов, который позволяет не только проводить диагностику функционального состояния головного мозга, но и прогнозировать исходы лечения пациентов в критическом состоянии в отделениях реанимации и интенсивной терапии (ОРИТ). Речь пойдет о микросостояниях ABCD [4–7].

Визуальный анализ ЭЭГ-сигналов на сегодняшний день остается «золотым стандартом» в оценке ЭЭГ и диагностике функционального состояния головного мозга человека. Однако в ряде случаев провести визуальный просмотр длительных ЭЭГ-обследований не представляется возможным из-за сжатых сроков или в условиях дефицита кадров. В таких случаях на помощь врачу могут прийти математические методы обработки ЭЭГ-сигналов. Просмотр длительных обследований требует много времени, а с применением математической обработки несколько часов ЭЭГ-записи можно представить на одном экране компьютера, тем самым ускорив анализ данных.

Одним из таких полезных инструментов является тренд амплитудно-интегрированной ЭЭГ [8], который активно применяется не только в неонатологических палатах интенсивной терапии, но и во взрослых ОРИТ (рис. 1). На данном тренде отображается несколько часов записи. Можно быстро оценить минимальную и максимальную амплитуды во время обследования, отследить динамику состояния пациента.

Относительно новый подход к математическому анализу ЭЭГ получил название «микросостояния ABCD» [4][9].

ОПИСАНИЕ МЕТОДА / METHOD DESCRIPTION

Первые упоминания о методе оценки микросостояний ЭЭГ в литературе появились в 2014 г. [5]. Впоследствии он получил развитие и начал применяться в виде трендов, которые позволили быстро оценивать функциональное состояние головного мозга у критически больных пациентов в ОРИТ [5–7].

Такой анализ рассматривает многоканальную запись ЭЭГ как серию квазистабильных микросостояний, каждое из которых характеризуется уникальной топографией электрических потенциалов по всему массиву каналов. Поскольку этот метод одновременно учитывает сигналы, записанные со всех областей коры по системе «10–20%» [10][11], он способен оценить функцию крупных сетей мозга, нарушение работы которых связано с рядом нервно-психических расстройств.

Изначально модель ABCD была создана для описания состояния центральной части таламуса по категориям:

– A, B – спокойное;

– C – вспышки;

– D – тонические импульсы.

На графиках спектра мощности ABCD-состояния можно разделить по доминирующим полосам частот и их суммарной мощности [9] (рис. 2).

В научных исследованиях предпринимались попытки использовать модель ABCD для диагностики таких расстройств, как аутизм, шизофрения, деменция, паническое расстройство, но свою эффективность она показала пока только в диагностике и прогнозировании состояния критически больных пациентов в ОРИТ. По доминантному микросостоянию можно понять состояние мозга больного [7] (рис. 3):

– A – вегетативное состояние / синдром невосприимчивого бодрствования;

– B – вегетативное состояние / синдром невосприимчивого бодрствования / состояние минимального сознания;

– C – состояние минимального сознания / нормальное состояние;

– D – нормальное состояние / здоров.

В психиатрии, например, анализируются не только доминирующие микросостояния ABCD, но и переходы из одного состояния в другое (рис. 4) [4].

КЛИНИЧЕСКИЕ ПРИМЕРЫ / CLINICAL EXAMPLES

Для лучшего понимания механизма работы данной модели ниже будут рассмотрены клинические примеры, иллюстрирующие различные состояния.

Пример 1 / Example 1

Здоровый обследуемый, на ЭЭГ преобладает альфа-ритм ~11 Гц в затылочной области, микросостояние D заметно доминирует на протяжении всей записи по тренду ABCD (розовый цвет) (рис. 5).

Пример 2 / Example 2

Пациент с подтвержденным диагнозом эпилепсии, на ЭЭГ преобладает альфа-ритм ~10,5 Гц в затылочной области, на некоторых участках записи доминирует микросостояние D по тренду ABCD (розовый цвет), но часто преобладает и микросостояние С (желтый цвет) с доминированием более низких частот тета- и дельта-диапазона (рис. 6).

Пример 3 / Example 3

Пациент в ОРИТ, на ЭЭГ регистрируется медленноволновая активность, есть низкоамплитудная бета-активность, альфа-ритм отсутствует, спутанность сознания. Микросостояние С доминирует в большей части записи согласно тренду (желтый цвет) (рис. 7).

Пример 4 / Example 4

Пациент длительное время находится в ОРИТ, вегетативное состояние, на протяжении всего периода наблюдения преобладает замедленная дельта-активность. Микросостояние А доминирует на всем протяжении записи (фиолетовый цвет) (рис. 8).

ЗАКЛЮЧЕНИЕ / CONCLUSION

Визуальный анализ ЭЭГ остается самым надежным методом оценки электрической активности головного мозга и диагностики его функционального состояния. Но в условиях ограниченного времени на помощь могут прийти современные математические инструменты, такие как анализ микросостояний ABCD, который позволяет не только оценить текущее состояние центральной нервной системы пациента, но и отследить его динамику и вовремя скорректировать исход лечения.