Potencjały związane ze zdarzeniami (ERP) i inne metody oparte na EEG do ekstrakcji biomarkerów dysfunkcji mózgu: przykłady z pediatrycznego zespołu nadpobudliwości psychoruchowej z deficytem uwagi (ADHD)

Geir Ogrim; Juri  D. Kropotov

doi:10.3791/60710

Artykuł metodologiczny

Potencjały związane ze zdarzeniami (ERP) i inne metody oparte na EEG do ekstrakcji biomarkerów dysfunkcji mózgu: przykłady z pediatrycznego zespołu nadpobudliwości psychoruchowej z deficytem uwagi (ADHD)

17.1K wyświetleń

⸱

DOI:

10.3791/60710

⸱

12 marca 2020

Geir Ogrim¹^,²^,³ , Juri D. Kropotov⁴^,⁵

¹Neuropsychiatric Team, Åsebråten Outpatient Clinic, Østfold Hospital Trust, ²Institute of Psychology, Norwegian University of Science and Technology, ³Gillberg Neuropsychiatry Centre, University of Gothenburg, ⁴P. Bechtereva Institute of the Human Brain, Russian Academy of Sciences, ⁵Department of Neuropsychology, Andrzej Frycz-Modrzewski Krakow University

W tym artykule

Podsumowanie

Metody EEG są stosowane do ekstrakcji biomarkerów dysfunkcji mózgu. Nacisk kładziony jest na wielokanałowe potencjały związane ze zdarzeniami (ERP) rejestrowane w zadaniu GO/NOGO z sygnałem. Artefakty niezwiązane z mózgiem są korygowane, a ERP są porównywane z danymi normatywnymi. Przykłady odnoszą się do biomarkerów do diagnozowania ADHD i przewidywania odpowiedzi na leki.

Streszczenie

Diagnozy neuropsychiatryczne, takie jak ADHD, opierają się na subiektywnych metodach, takich jak wywiady, skale ocen i obserwacje. Istnieje zapotrzebowanie na więcej suplementów opartych na mózgu. Leki pobudzające są najczęstszym sposobem leczenia ADHD. Do tej pory nie znaleziono klinicznie użytecznych predyktorów odpowiedzi. Celem artykułu jest opisanie metod opartych na EEG, które stosujemy do ekstrakcji potencjalnych biomarkerów dysfunkcji mózgu. Przykłady odnoszą się do biomarkerów ADHD u dzieci i przewidywania odpowiedzi na leki. Główny nacisk kładziony jest na potencjały związane ze zdarzeniami (ERP).

Dziewiętnastokanałowe EEG jest rejestrowane podczas 3-minutowego zadania z otwartymi oczami, 3-minutowego zadania z zamkniętymi oczami i 20-minutowego zadania wizualnego GO/NOGO (VCPT). Podczas tego zadania rejestrowane są systemy ERP. Celem protokołu ERP jest wyodrębnienie biomarkerów zakładanych dysfunkcji mózgu, które istotnie różnicują grupę pacjentów i osoby zdrowe. Protokół obejmuje nagrywanie w standardowych warunkach i korekcję artefaktów. Fale ERP mogą być wykorzystywane lub przekształcane w ukryte komponenty. Składniki grupy pacjentów są porównywane z kontrolnymi, empatyzującymi komponentami, które w porównaniu wykazują stosunkowo wysokie rozmiary efektu. Podgrupy pacjentów dobierane są na podstawie analizy skupień w przestrzeni składowych. Można zastosować procedurę leczenia (taką jak leki, tDCS lub protokół neurofeedbacku) i obserwować zmiany w komponentach związanych z leczeniem w podgrupach, co stanowi podstawę do sformułowania zaleceń klinicznych.

Opisane metody zostały zastosowane w badaniu 87 pacjentów pediatrycznych z ADHD. Wskaźnik odpowiedzi na lek był istotnie rozróżniany między osobami odpowiadającymi i niereagującymi na leczenie, przy dużej i klinicznie znaczącej wielkości efektu (d = 1,84). W trwającym badaniu porównującym dzieci z ADHD z dopasowaną grupą kontrolną, kilka zmiennych znacząco odróżnia pacjentów od grupy kontrolnej. Indeks globalny przekroczy d = 0,8. Opisane tutaj metody oparte na EEG mogą mieć znaczenie kliniczne.

Wprowadzenie

W 2008 roku, zainicjowany przez NIMH, opublikowano projekt Research Domain Criteria (RDoC)¹, którego celem było znalezienie biologicznie ważnych ram dla zrozumienia zaburzeń psychicznych. W 2013 roku amerykańska Agencja ds. Żywności i Leków (FDA) zatwierdziła pierwszy biomarker ADHD oparty na EEG, który ma pomóc w ocenie ADHD u pacjentów w wieku od 6 do 17 lat. System Neuropsychiatric EEG-Based Assessment Aid (NEBA) rejestruje EEG przez 15-20 minut. Opiera się na obliczeniach stosunku theta/beta, który okazał się wyższy u dzieci i młodzieży z ADHD niż u typowo rozwijających się dzieci². Ostatnie publikacje wykazały, że współczynnik ten nie obejmuje wszystkich ADHD³.

Duża liczba publikacji z zakresu neuronauki klinicznej pokazuje, że upośledzona kontrola poznawcza stanowi wspólną cechę wielu zaburzeń psychicznych, w tym ADHD, schizofrenii, depresji i OCD⁴^,⁵. Teoretycznie kontrola poznawcza składa się z hipotetycznych operacji, które pozwalają ludziom elastycznie dostosowywać się do celów i kontekstów. Opisano dwie różne kategorie kontroli poznawczej, kontrolę proaktywną i reaktywną⁶. Skupiamy się przede wszystkim na reaktywnym trybie kontroli poznawczej. Proaktywna kontrola poznawcza obejmuje pamięć roboczą (tj. utrzymywanie zdarzeń sensorycznych i motorycznych przez kilka sekund). Reaktywna kontrola kognitywna obejmuje monitorowanie, wykrywanie konfliktów⁷^,⁸ oraz hamowanie działania (aby zapoznać się z przeglądem, zobacz⁹^,¹⁰).

Paradygmat GO/NOGO jest wrażliwy na kontrolę poznawczą¹¹^,^12,¹³^,¹⁴^,¹⁵. Bodźce GO wywołują dodatnie fluktuacje z ciemieniowych obszarów mózgu. (P3 GO). Rozmieszczone do przodu dodatnie fale NOGO N2 i P3, wywołane przez bodźce NOGO, są związane z wykrywaniem konfliktów i hamowaniem działania¹⁶^,¹⁷^,¹⁸^,¹⁹. Fala N2 została zrozumiana jako wskaźnik zahamowania działania, ale zaktualizowane badania pokazują, że fala N2 jest związana z rzadkimi bodźcami GO i wykrywaniem konfliktu²⁰. Hamowanie działania jest związane z falą P3 NOGO w miejscach czołowo-centralnych.

Dychotomia N2/P3 może nie być poprawna. Zostało to zakwestionowane przez pogląd, że fale ERP, w szczególności te reprezentujące kontrolę poznawczą, są sumami kilku źródeł, które mogą nakładać się na siebie pod względem lokalizacji i czasu¹⁴^,²¹.

Aby rozplątać źródła fal ERP, użyto kilku metod separacji ślepych źródeł¹⁵^,²²^,²³^,²⁴. W badaniach przeprowadzonych w Instytucie Ludzkiego Mózgu w Sankt Petersburgu fala N2d NOGO została zdekomponowana. Wykryto ukryte komponenty. Komponenty te miały odrębną topografię i znaczenia funkcjonalne. Tylko jeden z nich był powiązany z wykryciem konfliktu¹⁴^,¹⁵^,²⁵^,²⁶. W większości badań ADHD P3 NOGO jest mniejsze w porównaniu z dopasowanymi zdrowymi grupą kontrolną²⁷^,²⁸^,²⁹^,³⁰^,³¹^,³².

Operacje mózgu zachodzące podczas zadań kontroli poznawczej nie wydają się być poprawnie wyjaśnione przez dychotomię N2/P3, gdy analizowane są ERP w paradygmatach GO/NOGO¹⁴^,¹⁵. Zastosowano kilka podejść mających na celu rozwikłanie ukrytych komponentów z fal ERP (więcej informacji na ten temat można znaleźć w ²¹). W niektórych badaniach stosowano niezależną analizę składowych (ICA) dla ERP w grupach pacjentów, takich jak pacjenci ze schizofrenią²⁹ i dorośli z ADHD³³^,³⁴, próbując odróżnić pacjentów od grupy kontrolnej bez diagnozy.

W (Yeredor, 2010,²⁵ p.75) zaproponowano nową metodę dostosowaną do ERP. Jest to metoda ślepej separacji źródeł, oparta na procedurze wspólnej diagonalizacji macierzy wariancji krzyżowych. Aby zbadać funkcjonalne znaczenia takich ukrytych komponentów przy zastosowaniu tej metody w paradygmacie cued GO/NOGO, niedawno wdrożono badanie z Instytutu Ludzkiego Mózgu²⁶. W tym badaniu operacje hamowania działania i operacje wykrywania konfliktów były niezależnie manipulowane przez modyfikacje zadania z sygnałem GO/NOGO. Znaleziono ukryty komponent, który miał odzwierciedlać wykrycie konfliktu. Odpowiedź podobna do N2 i topografia czołowa charakteryzowały ten komponent³⁵. W badaniach wymagających hamowania przygotowanych działań obserwowano centralną topografię i odpowiedź podobną do P3.

W tej publikacji w opisanych badaniach wykorzystano tradycyjną metodę ERP. Zastosowanie ICA, czyli procedury wspólnej diagonalizacji macierzy wariancji krzyżowej²⁵ (strona 75) do tej pory nie zostało wykonane. Ogólnie rzecz biorąc, wyniki oparte na różnych metodach są ze sobą zgodne, ale metody odkrywania utajonych komponentów wydają się być bardziej związane z odrębnymi funkcjami neuropsychologicznymi. Celem artykułu jest przedstawienie szczegółowego opisu metody WinEEG. Nacisk kładziony jest na ERP, ale widma EEG i dane behawioralne z zadania GO/NOGO są również zawarte w badaniach opisanych w celu zilustrowania metody WinEEG.

Protokół

Sprzęt opisany w protokole został zatwierdzony etycznie przez władze szpitala i jest wykorzystywany do celów klinicznych. Projekty opisane w pracy zostały zatwierdzone przez Regionalną Komisję Etyki Badań Medycznych.

1. Sprzęt i oprogramowanie do rejestracji ERP

Należy użyć wzmacniaczy (np. Mitsar 201) do wzmacniania sygnału EEG zgodnie z protokołem producenta. Wymagane jest oprogramowanie WinEEG oraz dwa połączone komputery: komputer główny do rejestracji EEG i naciskania przycisków oraz komputer pomocniczy, sterowany przez komputer główny, do prezentacji bodźców.
Należy użyć czapek z dziewiętnastoma elektrodami umieszczonymi na głowie zgodnie z międzynarodowym systemem 10-20.
UWAGA: Wymagany sprzęt, czapki, elektrody, żel itp. można pozyskać od kilku różnych producentów.
Należy posadzić pacjentów/badanych na wygodnym krześle w dźwiękoszczelnym pomieszczeniu bez podświetlenia tła.
Należy zastosować montaż referencyjny (Ref), który jest ustawieniem domyślnym. W celu późniejszego porównania z bazą danych HBi należy zmienić montaż na średnią wspólną (Av).

2. Kompetencje i wykształcenie

Należy upewnić się, że wszystkie osoby zaangażowane w rejestrację EEG, interpretację danych, zastosowanie kliniczne oraz badania posiadają odpowiednie wykształcenie zawodowe i przeszły specjalistyczne szkolenie z zakresu obsługi systemu WinEEG.

3. Informowanie pacjentów/uczestników

Poinformuj pacjentów/uczestników, że procedura nie jest niebezpieczna i nie sprawia bólu.
UWAGA: Strzykawka służąca do wypełniania 19 otworów żelem nie jest ostra.
Poinformuj dzieci, że badacze nie potrafią czytać w myślach. Wyjaśnij im, że w każdym mózgu zachodzi pewna aktywność elektryczna, a aby ją odczytać, badacze potrzebują tego sprzętu. Z mózgiem wszystko jest w porządku, a badacze chcą jedynie sprawdzić, jak on funkcjonuje w stanie relaksacji oraz podczas wykonywania zadania wymagającego uwagi.
Pozostaw sprzęt na miejscu przez 10 min.
UWAGA: W tym czasie najmłodsze dzieci mogą, jeśli chcą, oglądać bajkę. Czasami rodzic może w ciszy przebywać z tyłu pomieszczenia, dopóki dziecko nie poczuje się bezpiecznie.
Poinformuj uczestnika, że test trwa około jednej godziny. Po prawidłowym umieszczeniu sprzętu poproś uczestnika o relaks z zamkniętymi oczami przez 3 min, a następnie o 3 min relaksu z otwartymi oczami.

4. Tworzenie plików danych EEG

UWAGA: Program WinEEG posiada własne wbudowane bazy danych przeznaczone oddzielnie do przechowywania surowych plików EEG (rozszerzenie - .eeg), widm EEG (rozszerzenie - .spec) oraz plików ERP (rozszerzenie - .erp). Bazy danych są tworzone automatycznie i początkowo przechowywane w folderach WinEEG/data, WinEEG/spec oraz WinEEG/erp.

Aby rozpocząć sesję z pacjentem, utwórz odpowiadający jej plik danych EEG, klikając w menu Plik | Nowy. Na ekranie pojawi się karta pacjenta.
UWAGA: Należy zastosować następujący format: wprowadź imię i nazwisko lub kod osoby badanej. Wpisz datę urodzenia (DD.MM.RRRR) oraz M lub K w celu określenia płci. Pozostałe wolne pola na karcie pacjenta wypełnij w razie potrzeby.

5. Przygotowanie sprzętu

Użyj małej, kolorowej opaski, aby zmierzyć obwód głowy i dobrać odpowiedni rozmiar czepek. Użyj małego gazika, aby odtłuścić płatki uszne i czoło. Zmierz odległość nasion-inion (np. 35 cm). Środek elektrod bieguna czołowego powinien znajdować się na linii poziomej 10% tej odległości powyżej nasion (np. 3,5 cm).
UWAGA: Włosy pacjenta muszą być czyste (bez produktów do stylizacji itp.) i suche.
Nanieś żel do przygotowania skóry (np. Neuprep) na płatki uszne. Wypełnij kubki elektrod usznych przewodzącym żelem elektrodowym (np. Ten20) i załóż elektrody uszne. Upewnij się, że drugie końce tych przewodów są podłączone do wzmacniacza.
Poinformuj badanego, że elektrody na płatkach usznych rejestrują "szum elektryczny" w pomieszczeniu, a następnie wartość tę odejmuje się od sygnału elektrycznego z głowy, aby wyodrębnić sygnał pochodzący z głowy bez zakłóceń.
Symetrycznie załóż czepek na głowę, umieszczając elektrody czołowe zgodnie z powyższym opisem. Mocno ściągnij czepek w dół, aby upewnić się, że przylega on ściśle do głowy.
Załóż pas wokół klatki piersiowej i zapnij przyciski znajdujące się na czapce do pasa. Zapobiegnie to przemieszczaniu się czapki i elektrod podczas badania.
Podłącz kabel od czepka oraz kable od elektrod usznych do wzmacniacza. Należy uważać, aby nie pomylić lewego i prawego ucha.
Kliknij menu WinEEG kontrola impedancji ikona. Pojawia się uproszczony schemat głowy ze wszystkimi elektrodami. Następnie należy napełnić strzykawkę żelem i za pomocą niej wypełnić wszystkie otwory elektrod. Impedancja jest prawidłowa, gdy czarne kółka zmienią kolor na żółty.
UWAGA: Przed rozpoczęciem pracy z każdą elektrodą należy wypełnić wszystkie otwory, aby zapewnić odpowiednią impedancję. Należy użyć cienkiego drewnianego patyczka, aby pomóc żelowi dotrzeć do skóry głowy, co jest warunkiem niezbędnym do rejestracji elektrycznej aktywności mózgu.
Rozpocząć rejestrację, gdy wszystkie 20 otworów będzie miało na ekranie kolor żółty, a różnica kolorów między poszczególnymi otworami będzie niewielka.
Rozpocznij monitorowanie zapisu EEG. Kliknij zieloną strzałkę (monitorowanie EEG).
UWAGA: Gdy widoczne są surowe sygnały EEG ze wszystkich 19 elektrod, poproś badanych o mrugnięcie oczami i wskaż duże zmiany w obszarach czołowych. Artefakty te można usunąć automatycznie. Jakość rejestracji zależy od rozluźnienia żuchwy, oczu i czoła; należy również w maksymalnym możliwym stopniu unikać wszelkich ruchów głowy i ciała.

6. Rejestracje z "zamkniętymi oczyma" i "otwartymi oczyma"

Poproś badanego o rozluźnienie się w wygodnym fotelu z zamkniętymi oczami przez 3 min. Przed rozpoczęciem fazy „otwarte oczy” poproś go o spokojne siedzenie przez 3 min z otwartymi oczami, patrząc na znajdujący się przed nim ekran.
Naciśnij czerwoną ikonę koła (pozyskiwanie EEG) w pasku menu, obok przycisku „kontrola impedancji”.
Wybierz opcję „zamknięte oczy” lub „otwarte oczy” z rozwijanego menu następnej ikony. Rozpocznie to rejestrację. Upływ czasu w sekundach jest widoczny nad krzywymi EEG.
Po 180 s naciśnij przycisk pauzy (nie wybieraj „zapisz”, ponieważ uniemożliwi to dalszą rejestrację w tym samym pliku). Poproś badanego o otwarcie oczu (lub zamknięcie ich, jeśli pierwszą częścią była faza z otwartymi oczami). Kontynuuj rejestrację. Po 3 min zatrzymaj proces i zapisz dane.
UWAGA: Jeśli dane nie zostaną zapisane, zostaną utracone podczas tworzenia nowego pliku.

7. Przygotowania do rejestracji EEG w zadaniu GO/NOGO z sygnałami

Przed rozpoczęciem rejestracji EEG należy włożyć specjalny klucz USB w odpowiedni port. Mała dioda na kluczu wskazuje, że system pracuje.
Należy przekazać badanemu specjalny przełącznik w prawą dłoń. Jest on niezbędny do wykonania testu, który trwa około 20 min.
Otwórz menu zadań i wybierz VCPT na komputerze pomocniczym znajdującym się przed pacjentem/uczestnikiem.
UWAGA: Na ekranie komputera pomocniczego pojawi się okno instrukcji pokazujące wszystkie cztery kombinacje obrazów: (zwierzę-zwierzę (a-a), zwierzę-roślina (a-p), roślina-roślina (p-p) oraz roślina-człowiek (p-h). (Rysunek 1). Bodźce są prezentowane na 17-calowym ekranie komputera, 1,5 metra przed badanymi. Poziom dźwięku mierzony przy głowie badanego musi wynosić 70 dB.
Poinformuj badanego, że obrazy pojawiają się w parach, a po pierwszym obrazie po 1 s następuje drugi. Po 3 s rozpocznie się nowa para.
Poinformuj badanego, że lewy przycisk myszy musi zostać naciśnięty za każdym razem, gdy pojawi się kombinacja a-a. W kombinacjach a-a oba zwierzęta są zawsze identyczne.
Poinformuj badanego, aby był jak najdokładniejszy, a jednocześnie szybki. Badany nie powinien naciskać przycisku myszy przy kombinacjach a-p, p-p lub a-h.
Poinformuj badanego, aby ignorował losowe dźwięki w kombinacjach p-h.
Naciśnij enter na komputerze pomocniczym i uruchom zadanie na około 2-5 min, aby przeszkolić badanego, aż w pełni zrozumie instrukcje.
Na komputerze pomocniczym wybierz opcję switch to slave (przełącz na tryb pomocniczy).
UWAGA: Prezentacja zadania jest teraz sterowana przez program WinEEG na komputerze głównym.

figure-protocol-1
Rysunek 1: VCPT: Wizualny test ciągłego wykonania (Visual Continuous Performance Test). Rysunek 1 przedstawia cztery warunki testu VCPT. Sto prób dla każdego z warunków jest prezentowanych w sposób losowy. Całkowity czas testu wynosi 20 min. Proszę kliknąć tutaj, aby wyświetlić powiększoną wersję tego rysunku.

8. Rejestracja EEG i nacisnięć przycisków w warunkach zadaniowych

Uruchom opcję EEG Monitoring w menu rejestracji na głównym komputerze, aby sprawdzić prawidłowe działanie systemu.
Uruchom opcję EEG acquisition z menu rejestracji w oknie menu głównego komputera. Podświetlona zostanie opcja programu prezentacji bodźców. Wybierz VCPT i rozpocznij prezentację bodźców na komputerze pomocniczym.
UWAGA: Przy każdym naciśnięciu lewego przycisku myszy pod krzywymi EEG pojawi się czerwły znacznik. Istnieją dwie linie: jedna dla lewego, a druga dla prawego przycisku myszy.
Upewnij się, że czerwone znaczniki nie pojawiają się na najniższej linii, ponieważ oznaczałoby to użycie prawego przycisku. Użyj przycisku pauzy i poinstruuj badanego, aby używał lewego przycisku myszy.
Monitoruj rejestrację EEG i odnotowuj zdarzenia o potencjalnym znaczeniu. Jeśli zaobserwowano zbyt wiele artefaktów związanych z mięśniami lub ruchami, wstrzymaj rejestrację i przypomnij badanemu o rozluźnieniu ciała i siedzeniu w bezruchu. Następnie kontynuuj rejestrację.
UWAGA: Rejestracja EEG podczas zadania trwa 20 min i składa się z 400 par obrazów; po 100 z każdej pary: a-a, a-p, p-p oraz p-h. Pary są prezentowane w kolejności losowej (patrz Rysunek 1).
Rób krótką przerwę po każdych 100 parach. Naciśnij przycisk pause. Zachęć badanego siedzącego na krześle do rozprostowania rąk i nóg oraz rozluźnienia mięśni twarzy. Zaoferuj napój. Wznowij rejestrację po minucie lub dwóch.

9. Zakończenie rejestracji

Zakończ rejestrację po zrealizowaniu wszystkich 400 prób, naciskając Recording | Stop.
UWAGA: Po wybraniu opcji File Save plik z zarejestrowanym surowym sygnałem EEG oraz kanałem naciskania przycisku zostanie zapisany w wbudowanej bazie danych.
Poproś badanego o pozostanie w pozycji siedzącej do czasu, aż badacz zdejmie czepek, pas biodrowy i elektrody douszne.
UWAGA: Zazwyczaj po zakończeniu procedury w włosach nie pozostaje żel. Usuń żel za pomocą papierowego ręcznika. Większość pacjentów/uczestników woli umyć włosy po powrocie do domu, jednak należy zapewnić możliwość umycia włosów bezpośrednio po rejestracji.
Podziękuj badanemu za wykonanie zadania. Poproś go o ocenę testu VCPT w skali 1-10 w kategoriach: jak nudny? jak wyczerpujący? W zależności od ustaleń poinformuj badanego, co stanie się w dalszej kolejności w kwestii wyników testu.

10. Czyszczenie

Oczyścić elektrody uszne (namoczyć w gorącej wodzie) i założyć osłonki tak szybko, jak to możliwe. Niezbędna będzie woda, mydło i miękka szczoteczka. Przed powieszeniem osłonek do wyschnięcia należy sprawdzić wszystkie otwory, aby upewnić się, że usunięto pozostałości żelu.

11. Przetwarzanie wstępne zapisu EEG

UWAGA: W oprogramowaniu HBIdb dostępne są trzy różne układy elektrod. Są to: referencja połączonych uszu (oznaczona jako Ref), referencja średniej wspólnej (oznaczona jako Av) oraz referencja średniej lokalnej (oznaczona jako Aw). Wybierz układ z listy Montage w menu SETUP. EEG jest rejestrowane w trybie Ref. Zmień na Av przed rozpoczęciem korekcji artefaktów.

Usuń artefakty ruchów gałek ocznych, stosując procedurę filtracji przestrzennej.
UWAGA: Filtry przestrzenne są uzyskiwane poprzez zastosowanie analizy składowych niezależnych (ICA) do wybranego fragmentu EEG. Fragment ten musi zawierać co najmniej 90 s surowych danych.
Wybierz fragment EEG, klikając lewym przyciskiem myszy na pasku czasu na początku fragmentu, a następnie prawym przyciskiem na pasku czasu na końcu fragmentu. Cały wybrany fragment zostanie podświetlony na żółto.
UWAGA: Procedura korekcji artefaktów jest uruchamiana poprzez wybranie opcji Artifact correction z menu Analysis. Na ekranie pojawi się okno o nazwie Spatial filter parameters estimation.
Wybierz metodę ICA, aby móc porównać poszczególne widma i ERP z referencyjną bazą danych HBI.
UWAGA: Pojawi się okno szacowania parametrów filtrów przestrzennych. Od lewej do prawej: 1) fragment surowego (niepoprawionego) wielokanałowego EEG, 2) fragment poprawionego EEG, 3) przebieg skorygowanych artefaktów, 4) przebiegi czasowe wyekstrahowanych komponentów ICA (od góry do dołu) oraz 5) topografie składowych niezależnych.
Wybierz topografie powiązane z mruganiem oczu i poziomymi ruchami gałek ocznych. Zatwierdź, klikając OK.
Uruchom procedurę Mark artifacts, klikając opcję Mark artifacts w menu Analysis.
UWAGA: Pozwoli to odrzucić wolne i wysokoczęstotliwościowe fragmenty odstające: fragmenty EEG zanieczyszczone artefaktami innymi niż ruchy gałek ocznych (np. epizody napięcia mięśniowego, ruchy głową itd.) zostaną wykluczone z dalszej analizy. W niektórych złożonych przypadkach opisaną procedurę można uzupełnić o ręczne odrzucanie artefaktów.

12. Obliczanie widm EEG

Z menu Analiza wybierz widma EEG i fragmenty – oczy zamknięte lub oczy otwarte. Jeśli ustawienia domyślne są zgodne z tym, co przedstawiono na Rysunku 2, naciśnij OK.
UWAGA: Widma dla wszystkich 19 lokalizacji przedstawiono na Rysunku 3. Oś x reprezentuje częstotliwość w hercach (Hz), a oś y moc w mikrowoltach (µV).
Wybierz Analiza | Porównanie wyników, aby porównać poszczególne widma z bazą danych. W lewym oknie wybierz pacjenta/badanego. W prawym oknie wybierz plik bazy danych (lub inny otwarty plik) i naciśnij OK, aby przeprowadzić porównanie. Pojawi się obraz przedstawiający różnicę między badanym a bazą danych.
UWAGA: Widma przedstawiają kwadrat średniej mocy częstotliwości od 0 Hz do 30 Hz. (Częstotliwości poniżej 1,5-2 Hz należy interpretować z ostrożnością, ponieważ często są one pod wpływem artefaktów). Interpretacja widm wykracza poza zakres niniejszego protokołu. Wyładowania napadowe o potencjalnym znaczeniu klinicznym mogą nie być widoczne na widmach, ale mogą być zauważone w surowym zapisie EEG.

figure-protocol-2
Rycina 2: Obliczanie widm EEG. Aby obliczyć widma: kliknij Analysis | Spectra. Jeśli ustawienia są poprawne, pojawi się obraz przedstawiony na Rycynie 2. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.

figure-protocol-3
Rysunek 3: Widma EEG z 19 elektrod. Rysunek 3 przedstawia widma EEG w 19 punktach. Oś X to częstotliwość od 0-30 Hz. Oś Y to moc w µV². Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

13. Obliczanie potencjałów wywołanych (ERPs)

UWAGA: Potencjały wywołane (ERP) są obliczane za pomocą procedury uśredniania. Uwzględniono jedynie poprawne próby. ERP oblicza się po zakończeniu opisanego powyżej preprocessingu. Złotym standardem w obliczaniu ERP jest utrzymanie liczby uśrednionych prób powyżej 50.

Wybierz plik EEG VCPT w montażu uśrednionym (Av). Kliknij Compute ERP w menu Analysis.
UWAGA: Jeśli klucz sprzętowy HBdb nie jest podłączony do komputera lub z jakiegoś powodu nie jest aktywowany, HBdb pozwala użytkownikowi na odczyt plików EEG i ich wstępne przetwarzanie, ale NIE pozwala na obliczanie widm i ERP przy użyciu bazy danych.
Kliknij OK. Pojawi się okno z parametrami obliczeń ERP (Rysunek 4).
UWAGA: Jak pokazano na Rysunku 4, parametry są następujące: Grupy prób: 1: a-a GO; 2: a-p NOGO; 3: p-p (próby ignorowane); 4: p-h (próby nowości); a także 5: + oznaczające wszystkie próby rozpoczęte prezentacją a; oraz 6: - oznaczające wszystkie próby rozpoczęte prezentacją p. Dodatkowo wyświetlone są fale różnicowe ERP.
Kliknij OK. ERP dla analizowanego pliku zostaną obliczone i przedstawione w formie graficznej w oknie ERP (Rysunek 4).
UWAGA: Okno ERP składa się z 19 wykresów ERP dla każdego warunku zadania: a-a GO, a-p NOGO, p-p, p-h. Na Rysunku 4 pokazano tylko a-a GO i a-p NOGO. Na każdym wykresie: oś X to czas w ms, oś Y to napięcie w µV. Rysunek 4 przedstawia wyniki dostosowania formy prezentacji. Wybrano tylko kategorie prób a-a GO i a-p NOGO (GO jest przedstawione kolorem zielonym, NOGO kolorem czerwonym). Skala została ustawiona na 12 µV. Przedział czasowy wybrano od 1400 ms; czas prezentacji Bodźca 2 wybrano z czasem trwania 700 ms.
Aby zmapować falę dla potencjałów wywołanych (ERP), kliknij prawym przyciskiem myszy w wybranym czasie (wzdłuż osi X) na dowolnym wykresie, następnie zwolnij przycisk i wybierz opcję Add map z otwartego menu. Odpowiednie mapy pojawią się na dole strony.

figure-protocol-4
Rycina 4: Parametry obliczeń ERP. Rycina 4 przedstawia komponenty ERP a-a GO (zielony) i a-p NOGO (czerwony) w 19 lokalizacjach. Przedział czasowy wynosi od 1400 ms do 2100 ms. A-a GO jest najwyraźniej widoczny w lokalizacji Pz, a a-p NOGO w Cz. Kliknij tutaj, aby wyświetlić większą wersję tej ryciny.

14. Rejestracja i porównywanie danych behawioralnych w VCPT

Kliknij prawym przyciskiem myszy w oknie wyświetlającym potencjały ERP i wybierz groups info, aby zobaczyć liczbę pominięć (brak kliknięć przycisku), pomyłek (impulsywne dodatkowe kliknięcia), średni czas reakcji (RT) dla a-a-GO oraz zmienność RT.
Wybierz Analyses | Comparison of results. Zaznacz plik badanego w lewym oknie i plik porównawczy w prawym oknie. Kliknij OK.
UWAGA: Używamy tabel papierowych opartych na wieku, które przedstawiają percentyle dla tych zmiennych w grupie normy.

15. Porównywanie potencjałów wywołanych (ERPs) z bazą danych referencyjnych

UWAGA: Przedział czasowy interesujący dla porównania definiuje się, wpisując odpowiednie liczby w menu: Przedział czasowy od (ms), Czas trwania (ms). Potencjały wywołane (ERP) mogą być selektywnie prezentowane dla określonych kategorii prób (takich jak a-a GO, a-p NOGO, p-p, p-h) poprzez wybranie odpowiedniego wykresu z menu Grupy aktywne u góry okna ERP.

Wybierz Comparison of results z menu Analysis. Kliknij pacjenta/obiekt w lewym oknie, a następnie kliknij HBIdb w prawym oknie.
UWAGA: Aby porównać obiekt na przykład z poprzednią rejestracją, otwórz stary plik i wybierz go zamiast HBIdb). Pojawi się okno porównania ERP. Okno to przedstawia falę różnicową ERP w µV. Dla każdego kanału obliczana jest referencja Subject-Mean.
Kliknij prawym przyciskiem myszy w interesującym Cię punkcie czasowym i kanale, aby uzyskać poziom istotności odchylenia od referencji. Odpowiadające im wartości pojawią się na dole okna, wskazując różnicę w µV, wybrany punkt czasowy oraz wartość p.
UWAGA: Dostępna jest opcja prezentacji fal różnicowych wraz z poziomami ufności. Niebieska linia pod wykresami przedstawia poziomy ufności odchylenia od referencji obliczone dla każdego kanału i każdego punktu czasowego dla Grupy 3.
Wybierz grupy dla różnicy ERP, klikając strzałkę przy 1 (ERP danej osoby). Wybierz a-a GO [1]. Dla referencyjnych ERP kliknij 2. Wybierz a-a GO [2]. Kliknij 3 i a-a GO [D], aby zobaczyć różnicę (1-2). Grupa aktywna 4: wybierz None z tego menu.
Zdefiniuj interesujący Cię przedział czasowy, wpisując (lub wybierając) odpowiednie liczby w menu: początek przedziału czasowego (ms), czas trwania (ms) (np. 1400, 700, aby przeanalizować ERP w odpowiedzi na drugi bodziec).
Ustaw kursor w interesującym Cię punkcie czasowym i kanale, kliknij prawym przyciskiem myszy i wybierz Add map z menu rozwijanego. Wyświetlona zostanie mapa pokazująca odchylenie od referencji.
UWAGA: W przypadku porównywania komponentów niezależnych potencjałów wywołanych (ERP) z referencyjną bazą danych, oprogramowanie oferuje opcję dekompozycji poszczególnych ERP na komponenty niezależne. Komponenty te są powiązane z odrębnymi operacjami psychologicznymi.

Wyniki

Przewidywanie odpowiedzi na leczenie farmakologiczne w dziecięcym ADHD
ADHD jest powszechnym neuropsychiatrycznym zaburzeniem wieku dziecięcego³⁶. Charakteryzuje się objawami nieuwagi towarzyszącymi objawom nadaktywności i impulsywności. Częste są trudności w funkcjonowaniu w szkole, domu oraz podczas zajęć rekreacyjnych. Wśród dzieci w wieku szkolnym szacowana rozpowszechnialność wynosi od 5% do 7%. Często występują choroby współistniejące. Powszechnie stosuje się leczenie farmakologiczne z wykorzystaniem stymulantów opartych na metylofenidacie (MPH) lub dekstroamfetaminie (DEX). Pozytywne efekty leków stymulujących (zmniejszenie niepokoju, nadaktywności i impulsywności oraz poprawa uwagi) zgłaszane są u 70% pacjentów. Zmiana leku z MPH na DEX może zwiększyć odsetek pozytywnych efektów do 80%³⁷^,³⁸. Wydaje się, że stymulanty aktywują obwody czołowo-prążkowiane³⁹.

Nie istnieje powszechnie przyjęta definicja klinicznie istotnej odpowiedzi na leczenie farmakologiczne. Najczęściej stosowaną metodą jest wykorzystanie skal oceny i porównywanie wyników wyjściowych z wynikami uzyskanymi w trakcie stosowania leku. W niektórych badaniach za odpowiedź uznaje się redukcję wyników o 25% lub 50%. W innych badaniach przyjmuje się wyniki nieprzekraczające 1 SD powyżej średniej populacyjnej⁴⁰^,⁴¹. W praktyce klinicznej decyzja ogólna opiera się na wszystkich dostępnych, istotnych danych. Ważna jest ocena działań niepożądanych, takich jak utrata apetytu, bezsenność, zwiększona drażliwość lub lęk³⁷^,⁴².

Stosowanie skal oceny może być krytykowane z kilku powodów. W wielu badaniach zgłaszano niskie korelacje (0,30-0,50) między wynikami uzyskanymi od nauczycieli a wynikami od rodziców⁴⁸. Poszukiwanie klinicznie użytecznych predyktorów odpowiedzi jest motywowane dużą liczbą osób nieodpowiadających na leczenie, rozbieżnościami w opiniach informatorów oraz faktem, że u każdego mogą wystąpić pewne umiarkowane efekty poprawy uwagi po zastosowaniu małych dawek stymulantów. Publikowane badania nad predyktorami odpowiedzi obejmują podtyp ADHD, dane demograficzne, zaburzenia współistniejące, zmienne genetyczne, wyniki w skalach oceny, wyniki testów neuropsychologicznych oraz zmienne EEG/ERP⁴³^,⁴⁴^,⁴⁵^,⁴⁶. Nasza publikacja z 2016 roku⁴⁷ podsumowuje badania, w których zastosowano ERP do przewidywania odpowiedzi na farmakoterapię.

W poprzednich badaniach analizowaliśmy dane z zadania wizualnego GO/NOGO z sygnałami (tj. dane z testu uwagi, spektra EEG oraz potencjały wywołane - ERP). W jednym z badań stwierdzono, że 3 zmienne znacząco przyczyniają się do przewidywania skutków ubocznych. Zmienne te połączono w indeks, który uznano za istotny klinicznie⁴². W badaniu nad efektami klinicznymi, stosując te same metody, indeks prognostyczny również uznano za użyteczny klinicznie⁴⁸. W trzecim badaniu zbadano wpływ pojedynczej dawki leku stymulującego na pacjentów odpowiadających na leczenie (REs) oraz nieodpowiadających (non-REs)⁴⁷. Procedurę testową przeprowadzono dwukrotnie: pierwszy test bez leku, a drugi godzinę po podaniu dawki próbnej. Na podstawie skal ocen i wywiadów po 4-tygodniowej próbie leczenia pacjentów zaklasyfikowano jako REs lub non-REs. Skupiliśmy się na zmianach w poznawczych ERP i wynikach testów uwagi. Stwierdzono, że efekty w odniesieniu do komponentu P3 NOGO różniły się znacząco w obu grupach, przy dużej wielkości efektu (d = 1,76). U pacjentów REs zaobserwowano znaczący wzrost amplitudy komponentu, czego nie odnotowano u pacjentów non-REs. Przewidywanie odpowiedzi na podstawie dwóch testów uległo poprawie w porównaniu z przewidywaniami opartymi wyłącznie na teście 1.

W naszym najnowszym badaniu opracowaliśmy dwa globalne wskaźniki: jeden do przewidywania korzyści klinicznych, a drugi do przewidywania skutków ubocznych. Zgodnie z powyższym opisem, połączyliśmy zmienne, które wykazywały istotne różnice między porównywanymi grupami przy umiarkowanej lub dużej wielkości efektu. Każda zmienna została obciążona zgodnie z wielkością efektu. Przebadaliśmy zmienne ze wszystkich trzech domen WinEEG: widma EEG, potencjały wywołane (ERP) oraz behawior. Połączono następujące zmienne: Test 1: amplituda P3NOGO oraz stosunek theta/alpha; różnice między Testem 2 a Testem 1: błędy pominięć, zmienność czasu reakcji, uwarunkowana zmienna negatywna (CNV) oraz amplituda P3NOGO. Wielkość efektu dla skali globalnej wyniosła d = 1.86. Dokładność wyniosła 0.92. Przewidywanie skutków ubocznych oparto na 4 zmiennych: Test 1: RT, Test 2: komponent nowości, częstotliwość szczytowa fali alpha oraz zmiany czasu reakcji (Test 2 - Test 1). Wskaźnik globalny d wyniósł 1.08, a dokładność 0.78⁴⁹.

Wstępne wyniki
W trwającym badaniu porównujemy grupę 61 pacjentów z ADHD w wieku od 9 do 12 lat z grupą 67 zdrowych osób kontrolnych (HC) w tym samym wieku. Ostateczne analizy statystyczne nie zostały jeszcze ukończone. Poniżej przedstawiamy wstępne wyniki uzyskane z oceny WinEEG.

Pod względem behawioralnym grupa z ADHD wykazała wzorzec nieuwagi z istotnie statystycznie (przy p<0,001) większą liczbą błędów pominięcia w porównaniu z grupą kontrolną osób zdrowych (HC) (13,7% vs 4,8%), któremu towarzyszył wzorzec przejściowych zaburzeń uwagi wyrażony statystycznie wyższą (p<0,001) zmiennością czasu reakcji (151 ms vs 125 ms).

Główne wyniki porównania przebiegów fal ERP między obiema grupami przedstawiono na Rysunku 5 oraz Rysunku 6. Rysunek 5 obrazuje korelaty ERP dysfunkcji proaktywnej kontroli poznawczej w grupie z ADHD. Dwa wskaźniki proaktywnej kontroli poznawczej (fala P3 sygnału oraz fala CNV) są zmniejszone w grupie z ADHD w porównaniu z grupą HC. Rysunek 6 obrazuje korelaty ERP dysfunkcji reaktywnej kontroli poznawczej w grupie z ADHD. Dwa wskaźniki reaktywnej kontroli poznawczej (N2 NOGO oraz P3 NOGO) są zmniejszone w grupie z ADHD w porównaniu z grupą HC.

figure-results-1
Rycina 5: Średnie wzorce fal ERP (a) oraz odpowiadające im mapy (b) w proaktywnej kontroli poznawczej w grupie z ADHD oraz grupie kontrolnej (HC). (a) ERP mierzone w P3 w grupie ADHD (linia zielona) i grupie HC (linia czerwona) oraz fala różnicy (ADHD-HC) (linia niebieska). Niebieskie pionowe słupki pod krzywymi wskazują poziom istotności statystycznej różnicy (małe słupki – p<0,05, średnie słupki – p<0,01, duże słupki – p<0,001). Strzałki wskazują klasyczne fale – cue P3 oraz CNV (uwarunkowana wariacja negatywna). (b) Mapy w maksimumach amplitud fal P3 i CNV dla obu grup. Kliknij tutaj, aby wyświetlić większą wersję tej ryciny.

figure-results-2
Rysunek 6: Średnie wzorce fal ERP (a) i odpowiadające im mapy (b) w reaktywnym kontroli poznawczej w grupach z ADHD i grupach kontrolnych (HC). (a) ERP mierzone w punktach Fz i Cz dla grupy ADHD (zielona linia) i grupy HC (czerwona linia) oraz fala różnicy między nimi (ADHD-HC) (niebieska linia). Niebieskie pionowe słupki pod krzywymi wskazują poziom istotności statystycznej różnicy (małe słupki – p<0,05, średnie słupki – p<0,01, duże słupki – p<0,001). Strzałki wskazują klasyczne fale – N2 NOGO i P3 NOGO. (b) Mapy w punktach maksymalnych amplitud fal N2 NOGO i P3 NOGO dla obu grup. Aby wyświetlić powiększoną wersję tego rysunku, kliknij tutaj.

Jak widać, grupa z ADHD wykazuje hipofunkcjonowanie wielu operacji kontroli poznawczej. Operacje te występują w różnych oknach czasowych i w różnych lokalizacjach przestrzennych. U konkretnego pacjenta może występować tylko jedno hipofunkcjonowanie, co wskazuje na źródło indywidualnych zaburzeń oraz sposoby ich korekcji.

Znaczenie kliniczne
Aby obliczyć klinicznie użyteczny biomarker dla heterogenicznej diagnozy, takiej jak ADHD, należy połączyć kilka zmiennych, które różnią się znacząco pomiędzy grupą z ADHD a grupą kontrolną. Wielkość efektu (d) indeksu powinna wynosić d > 0,8. Ważnym kolejnym krokiem będzie zastosowanie tego indeksu podczas porównywania ADHD z kontrolami klinicznymi.

Dyskusja

Diagnozy w psychiatrii opierają się na zaobserwowanym zachowaniu. W większości przypadków określona liczba objawów musi być obserwowana w różnych warunkach przez 6 miesięcy lub dłużej. Ważną częścią procesu diagnostycznego jest wykluczenie etiologii somatycznej. Ponadto należy wziąć pod uwagę inne diagnozy psychiatryczne. Dość często interesujące nas objawy mogą należeć do innej kategorii diagnostycznej. Jeśli kilka objawów nakłada się na inne zaburzenia, klinicysta musi zdecydować, czy to drugie zaburzenie jest diagnozą współistniejącą, czy różnicową.

Dostępne narzędzia kliniczne to wywiady diagnostyczne, skale ocen, wywiad medyczny i rozwojowy, testy psychologiczne i bezpośrednie obserwacje. Większość z tych metod jest dość subiektywna; duży wpływ zarówno informatora, jak i profesjonalisty. Skale ocen od rodziców i nauczycieli wykazują zazwyczaj dość skromne korelacje (r = 0,3 - 0,5).

W reprezentatywnych wynikach twierdzimy, że mechanizmy leżące u podstaw ADHD prawdopodobnie różnią się w zależności od pacjenta. Brak zrozumienia (języka), problemy z motywacją, wrażliwość na zewnętrzne dystraktory itp. mogą prowadzić do objawów nieuwagi. Metody oparte na EEG opisane w tym artykule mogą pomóc w rozwiązaniu niektórych z tych wyzwań. Problem subiektywnych interpretacji jest nieobecny. Opisane metody ERP wydają się ujawniać podstawowe operacje psychologiczne, takie jak pamięć robocza, hamowanie działania, monitorowanie, przygotowanie do reakcji itp., obejmujące określone struktury mózgu. Braki w tych mechanizmach nie ograniczają się do konkretnych kategorii diagnostycznych. Wierzymy, że w przyszłości leczenie (leki, neurofeedback, trening poznawczy, tDCS, ...) będzie koncentrować się na takich operacjach poznawczych i/lub emocjonalnych oraz ich podstawowych mechanizmach mózgowych, a nie na obecnych kategoriach diagnostycznych.

Celem diagnozy jest określenie najlepszych metod leczenia. Aby ocenić efekty leczenia, decydujące znaczenie ma oczywiście zgłaszana przez siebie i obserwowana poprawa. Takie doniesienia mogą jednak do pewnego stopnia reprezentować efekty placebo i powinny być poparte (częściową) normalizacją podstawowych dysfunkcji mózgu, odzwierciedloną na przykład w zmianach w komponentach ERP. To połączenie subiektywnych i obiektywnych miar efektów leczenia jest ważne zarówno w klinice, jak i badaniach.

Z powodów wymienionych powyżej nie jest niespodzianką, że osoby z tą samą diagnozą często nie reagują na te same metody leczenia. W medycynie spersonalizowanej diagnozy są uzupełniane empirycznymi miarami przewidywania odpowiedzi, aby określić najlepsze leczenie dla danego pacjenta. W artykule opisaliśmy nasze badania nad predykcją odpowiedzi na leki pobudzające w ADHD u dzieci. Znalezienie wiarygodnych predyktorów pozytywnej odpowiedzi na leki przeciwdepresyjne jest być może nawet ważniejsze, ponieważ czas potrzebny na ocenę odpowiedzi jest długi, podobnie jak okres miareczkowania. Procedury opisane w tym artykule mogą przyczynić się do trwających badań opartych na EEG i ERP dotyczących przewidywania skutków leków w depresji⁵³.

Opisane metody oparte na EEG są nieinwazyjne i niedrogie, a także dobrze nadają się zarówno do badań, jak i do pracy klinicznej.

Oświadczenia

Ogrim G. nie ma nic do ujawnienia. Kropotov J.D. był szefem laboratorium w Instytucie Ludzkiego Mózgu w Sankt Petersburgu, kiedy i gdzie opracowano program WinEEG. Nie ma żadnych interesów ekonomicznych w systemie.

Materiały

Lista materiałów użytych w tym artykule
Nazwa	Firma	Numer katalogowy
wzmacniacz +	www.mitsar-medical.com
Uprząż ciała, różne rozmiary	Electro-Cap International, Inc	E3 SM; E3 M; E3 L
Elektrody douszne 9 mm	Electro-Cap International, Inc	E5-9S
	Electro-Cap International, Inc	E1 SM; E1 M; E1 M/SM
Elektrokapsle 19-kanałowe różne rozmiary	Electro-Cap International, Inc	E1 L/M; Elektrożel E1 L
do elektrokapsli	Electro-Cap International, Inc	E9; Baza danych E10
HBi	www.hbimed.com
Opaska do pomiaru rozmiaru głowy	Electro-Cap International, Inc	E 12
Zestaw strzykawek igłowych	Electro-Cap International, Inc	E7
Nuprep EEG i EKG żel do przygotowania skóry	Electro-Cap International, Inc	R7
Pasta przewodząca Ten20 EEG	Electro-Cap International, Inc	R5-4T
WinEEG program	www.mitsar-medical.com

Elektrodenki 19-kanałowe różne rozmiary

Bibliografia

Insel, T., et al. Research domain criteria (RDoC), toward a new classification framework for research on mental disorders. American Journal of Psychiatry. 167 (7), 748-751 (2010).
Snyder, S. M., Rugino, T. A., Hornig, M., Stein, M. A. Integration of an EEG biomarker with a clinician's ADHD evaluation. Brain and Behavior. 5 (4), e00330(2015).
Arns, M., Conners, C. K., Kraemer, H. C. A decade of EEG Theta/Beta Ratio Research in ADHD: a meta-analysis. Journal of Attention Disorders. 17 (5), 374-383 (2013).
Egeland, J. Differentiating attention deficit in adult ADHD and schizophrenia. Archives of Clinical Neuropsychology. 22 (6), 763-771 (2007).
Egeland, J., et al. Attention profile in schizophrenia compared with depression: differential effects of processing speed, selective attention and vigilance. Acta Psychiatrica Scandinavia. 108 (4), 276-284 (2003).
Braver, T. S. The variable nature of cognitive control: a dual mechanisms framework. Trends in Cognitive Science. 16 (2), 106-113 (2012).
Botvinick, M. M. Conflict monitoring and decision making: reconciling two perspectives on anterior cingulate function. Cognitive and Affective Behavior Neuroscience. 7 (4), 356-366 (2007).
Ullsperger, M., Fischer, A. G., Nigbur, R., Endrass, T. Neural mechanisms and temporal dynamics of performance monitoring. Trends in Cognitive Science. 18 (5), 259-267 (2014).
Bari, A., Robbins, T. W. Inhibition and impulsivity: behavioral and neural basis of response control. Progress in Neurobiology. 108 (Sep), 44-79 (2013).
Huster, R. J., Enriquez-Geppert, S., Lavallee, C. F., Falkenstein, M., Herrmann, C. S. Electroencephalography of response inhibition tasks: functional networks and cognitive contributions. International Journal of Psychophysiology. 87 (3), 217-233 (2013).
Simson, R., Vaughan, H. G. Jr, Ritter, W. The scalp topography of potentials in auditory and visual Go/NoGo tasks. Electroencephalography and Clinical Neurophysiology. 43 (6), 864-875 (1977).
Falkenstein, M., Hoormann, J., Hohnsbein, J. ERP components in Go/Nogo tasks and their relation to inhibition. Acta Psychologica (Amst). 101 (2-3), 267-291 (1999).
Verleger, R., Gorgen, S., Jaskowski, P. An ERP indicator of processing relevant gestalts in masked priming. Psychophysiology. 42 (6), 677-690 (2005).
Kropotov, J. D., Ponomarev, V. A., Hollup, S., Mueller, A. Dissociating action inhibition, conflict monitoring and sensory mismatch into independent components of event related potentials in GO/NOGO task. Neuroimage. 57 (2), 565-575 (2011).
Kropotov, J. D., Ponomarev, V. A. Decomposing N2 NOGO wave of event-related potentials into independent components. Neuroreport. 20 (18), 1592-1596 (2009).
Bekker, E. M., Kenemans, J. L., Verbaten, M. N. Electrophysiological correlates of attention, inhibition, sensitivity and bias in a continuous performance task. Clinical Neurophysiology. 20115 (9), 2001-2013 (2004).
Fallgatter, A. J., Aranda, D. R., Bartsch, A. J., Herrmann, M. J. Long-term reliability of electrophysiologic response control parameters. Journal of Clinical Neurophysiology. 19 (1), 61-66 (2002).
Fallgatter, A. J., Strik, W. K. The NoGo-anteriorization as a neurophysiological standard-index for cognitive response control. International Journal of Psychophysiology. 32 (3), 233-238 (1999).
Bruin, K. J., Wijers, A. A., van Staveren, A. S. Response priming in a go/nogo task: do we have to explain the go/nogo N2 effect in terms of response activation instead of inhibition. Clinical Neurophysiology. 112 (9), 1660-1671 (2001).
Randall, W. M., Smith, J. L. Conflict and inhibition in the cued-Go/NoGo task. Clinical Neurophysiology. 122 (12), 2400-2407 (2011).
Kappenman, E. S., Luck, S. J. ERP Components: The Ups and Downs of Brainwave Recordings. The Oxford Handbook of Event-related Potential Components. Luck, S. J., Kappenman, E. S. , 1st, University Press. Oxford: Oxford. 3-29 (2012).
Ponomarev, V. A., Kropotov, I. Improving source localization of ERPs in the GO/NOGO task by modeling of their cross-covariance structure. Fiziol Cheloveka. 39 (1), 36-50 (2013).
Makeig, S., Jung, T. P. Tonic, phasic, and transient EEG correlates of auditory awareness in drowsiness. Brain Research and Cognitive Brain Research. 4 (1), 15-25 (1996).
Onton, J., Makeig, S. Information-based modeling of event-related brain dynamics. Progressions in Brain Research. 159, 99-120 (2006).
Kropotov, J. D. Functional Neuromarkers for Psychiatry: Applications for Diagnosis and Treatment. , 1st, Elsevier/Academic Press. London. (2016).
Kropotov, J. D., Ponomarev, V. A., Pronina, M., Jancke, L. Functional indexes of reactive cognitive control: ERPs in cued go/no-go tasks. Psychophysiology. 54 (12), 1899-1915 (2017).
Bekker, E. M., Kenemans, J. L., Verbaten, M. N. Source analysis of the N2 in a cued Go/NoGo task. Brain Research and Cognitive Brain Research. 22 (2), 221-231 (2005).
Fisher, T., Aharon-Peretz, J., Pratt, H. Dis-regulation of response inhibition in adult Attention Deficit Hyperactivity Disorder (ADHD), an ERP study. Clinical Neurophysiology. 122 (12), 2390-2399 (2011).
Olbrich, H. M., Maes, H., Valerius, G., Langosch, J. M., Feige, B. Event-related potential correlates selectively reflect cognitive dysfunction in schizophrenics. Journal of Neural Transmission. (Vienna). 112 (2), 283-295 (2005).
Grane, V. A., et al. Correction: ERP Correlates of Proactive and Reactive Cognitive Control in Treatment-Naive Adult ADHD. PLoS One. 11 (9), e0163404(2016).
Woltering, S., Liu, Z., Rokeach, A., Tannock, R. Neurophysiological differences in inhibitory control between adults with ADHD and their peers. Neuropsychologia. 51 (10), 1888-1895 (2013).
Wiersema, R., van der Meere, J., Roeyers, H., Van Coster, R., Baeyens, D. Event rate and event-related potentials in ADHD. Journal of Child Psychology and Psychiatry. 47 (6), 560-567 (2006).
Mueller, A., Candrian, G., Kropotov, J. D., Ponomarev, V. A., Baschera, G. M. Classification of ADHD patients on the basis of independent ERP components using a machine learning system. Nonlinear Biomedical Physics. 4 (Suppl 1), (2010).
Mueller, A., et al. Discriminating between ADHD adults and controls using independent ERP components and a support vector machine: a validation study. Nonlinear Biomedical Physics. 5, 5(2010).
Kropotov, J. D., et al. Latent ERP components of cognitive dysfunctions in ADHD and schizophrenia. Clinical Neurophysiology. 130 (4), 445-453 (2019).
Spencer, T. J., Biederman, J., Mick, E. Attention-deficit/hyperactivity disorder: diagnosis, lifespan, comorbidities, and neurobiology. Journal of Pediatric Psychology. 32 (6), 631-642 (2007).
Barkley, R. A. Attention - Deficit Hyperactivity Disorder. A Handbook for Diagnosis and Treatment. , Third, The Guilford Press. New York, London. (2006).
Spencer, T., et al. Pharmacotherapy of attention-deficit hyperactivity disorder across the life cycle. Journal of the American Academy of Child and Adolescent Psychiatry. 35 (4), 409-432 (1996).
Rubia, K., et al. Effects of stimulants on brain function in attention-deficit/hyperactivity disorder: a systematic review and meta-analysis. Biological Psychiatry. 76 (8), 616-628 (2014).
Ramtvedt, B. E., Roinas, E., Aabech, H. S., Sundet, K. S. Clinical Gains from Including Both Dextroamphetamine and Methylphenidate in Stimulant Trials. Journal of Child and Adolescent Psychopharmacology. , (2013).
Sangal, R. B., Sangal, J. M. Attention-deficit/hyperactivity disorder: using P300 topography to choose optimal treatment. Expert Review in Neurotherapy. 6 (10), 1429-1437 (2006).
Ogrim, G., Hestad, K. A., Brunner, J. F., Kropotov, J. Predicting acute side effects of stimulant medication in pediatric attention deficit/hyperactivity disorder: data from quantitative electroencephalography, event-related potentials, and a continuous-performance test. Neuropsychiatric Disease and Treatment. 9, 1301-1309 (2013).
Barkley, R. A., DuPaul, G. J., McMurray, M. B. Attention deficit disorder with and without hyperactivity: clinical response to three dose levels of methylphenidate. Pediatrics. 87 (4), 519-531 (1991).
Chabot, R. J., Orgill, A. A., Crawford, G., Harris, M. J., Serfontein, G. Behavioral and electrophysiologic predictors of treatment response to stimulants in children with attention disorders. Journal of Child Neurology. 14 (6), 343-351 (1999).
Hale, J. B., et al. Executive impairment determines ADHD medication response: implications for academic achievement. Journal of Learning Disabilities. 44 (2), 196-212 (2011).
Tannock, R., Ickowicz, A., Schachar, R. Differential effects of methylphenidate on working memory in ADHD children with and without comorbid anxiety. Journal of the American Academy of Child and Adolescent Psychiatry. 34 (7), 886-896 (1995).
Ogrim, G., Aasen, I. E., Brunner, J. F. Single-dose effects on the P3no-go ERP component predict clinical response to stimulants in pediatric ADHD. Clinical Neurophysiology. 127 (10), 3277-3287 (2016).
Ogrim, G., et al. Predicting the clinical outcome of stimulant medication in pediatric attention-deficit/hyperactivity disorder: data from quantitative electroencephalography, event-related potentials, and a go/no-go test. Neuropsychiatric Disease and Treatment. 10, 231-242 (2014).
Ogrim, G., Kropotov, J. D. Predicting Clinical Gains and Side Effects of Stimulant Medication in Pediatric Attention-Deficit/Hyperactivity Disorder by Combining Measures From qEEG and ERPs in a Cued GO/NOGO Task. Clinical EEG and Neuroscience. 50 (1), 34-43 (2019).
Lenartowicz, A., Loo, S. K. Use of EEG to diagnose ADHD. Current Psychiatry Report. 16 (11), 498(2014).
Johnstone, S. J., Barry, R. J., Clarke, A. R. Ten years on: a follow-up review of ERP research in attention-deficit/hyperactivity disorder. Clinical Neurophysiology. 124 (4), 644-657 (2013).
Gamma, A., Kara, O. Event-Related Potentials for Diagnosing Children and Adults With ADHD. Journal of Attention Disorders. , (2016).
van Dinteren, R., et al. Utility of event-related potentials in predicting antidepressant treatment response: An iSPOT-D report. European Neuropsychopharmacology. 25 (11), 1981-1990 (2015).

Przedruki i uprawnienia

Tagi

Ekstrakcja biomarker w ADHD u dzieci wizualny test GO NOGO analiza sk adowych niezale nych korekcja artefakt w analiza kszta tu fali ERP analiza skupie przewidywanie odpowiedzi na leczenie farmakologiczne

Potencjały związane ze zdarzeniami (ERP) i inne metody oparte na EEG do ekstrakcji biomarkerów dysfunkcji mózgu: przykłady z pediatrycznego zespołu nadpobudliwości psychoruchowej z deficytem uwagi (ADHD)