QEEG یا Quantitative Electroencephalography یکی از تکنیک‌های در حال پیشرفت در زمینه‌ی نورولوژی و علوم اعصاب می‌باشد. از طرف دیگر پزشکی شخصی سازی شده یا personalized medicine یا precision medicine یکی از رویکرد‌های مراقبت بالینی و بهداشتی است که اخیرا در دنیای پزشکی و داروسازی بسیار به آن توجه می‌شود. بین این دو موضوع یعنی QEEG و پزشکی شخصی سازی شده ارتباط بسیار مهم و جالبی وجود دارد که در این مقاله به آن پرداخته خواهد شد. در ابتدا توضیحی کوتاه از هر دو مفهوم ارائه می‌شود و سپس ارتباط آنها با یکدیگر مورد بررسی قرار خواهد گرفت.

QEEG

QEEG یک تکنیک تصویر برداری مغزی و عصبی می‌باشد که شامل ثبت، تجزیه و تحلیل فعالیت الکتریکی مغز با استفاده از الکتروانسفالگرام (EEG) است. در آن انواع مختلف الگوهای امواج مغزی در حالت نرمال و بیماری مورد بررسی قرار می‌گیرد. همچنین تکنیک‌های مختلفی برای تجزیه و تحلیل داده‌های QEEG مانند تحلیل طیفی (spectral analysis)، تجزیه و تحلیل انسجام (coherence analysis)، پتانسیل مرتبط با رویداد (event-related potentials) و ... وجود دارد و به کار گرفته می‌شوند. همچنین آنالیز این داده‌ها با استفاده از تکنیک‌های پردازش سیگنال پیشرفته، الگوریتم‌های ریاضی و روش‌های machine learning انجام می‌شود. در نهایت این تکنیک فیزیولوژیکی قدرتمند بینش‌های ارزشمندی را در مورد عملکرد مغز ارائه می‌دهد و امکان ارزیابی شرایط مختلف عصبی و روان‌پزشکی را فراهم می‌کند.

پزشکی شخصی سازی شده

پزشکی شخصی سازی شده رویکردی در ارتباط با تصمیم‌گیری‌های پزشکی است که ویژگی‌های خاص و ویژه‌ی هر فرد را در نظر می‌گیرد. این ویژگی‌ها شامل تنوع ژنتیکی، تنوع بیماری‌ها و حتی محیط و شیوه‌ی زندگی فرد بیمار می‌شود و همه‌ی آنها را در نظر می‌گیرد. هدف این رویکرد ارائه‌ی مداخلات و درمان‌های متناسب با ویژگی‌های منحصر به فرد هر بیمار است. در پزشکی سنتی و قدیمی اغلب برای تشخیص و درمان از دستورالعمل‌های عمومی و داده‌های جمعیت استفاده می‌شد و به تفاوت‌های فردی توجهی نمی‌شد، در واقع همان "one size fit all". اما با پزشکی شخصی سازی شده تشخیص و درمان باید متناسب با ویژگی‌های فرد بیمار باشد.

    در سال‌های اخیر QEEG به عنوان ابزاری امیدوار کننده در زمینه پزشکی شخصی سازی شده ظهور کرده و در حال پیشرفت می‌باشد. این تکنیک در آینده‌ای نه چندان دور می‌تواند انقلابی در روش تشخیص، درمان و مدیریت فرد فرد بیماران ایجاد کند. در واقع هدف پزشکی شخصی سازی شده هم همین است که مداخلات پزشکی بر اساس ویژگی‌های منحصر به فرد بیماران مانند ساختار خاص ژنتیکی، داده‌های فیزیولوژیکی و سبک زندگی باشد. 

در این مقاله به تعدادی از زمینه‌هایی که QEEG به پزشکی شخصی سازی شده کمک می‌کند، اشاره می‌شود:

کاربردهای تشخیصی:

یکی از کاربرد‌های مهم و اصلی QEEG کمک به تشخیص انواع اختلالات عصبی و روانی می‌باشد. با مقایسه داده‌های QEEG یک فرد با دیتابیس نرمال و پاتولوژیک، پزشکان و متخصاصان علوم اعصاب می‌توانند انحرافات از الگوهای فعالیت مغز سالم مرتبط با شرایط مختلف را شناسایی کنند. این ارزیابی عینی دقت را افزایش می‌دهد و تشخیص زودهنگام اختلالاتی مانند صرع، اختلال بیش‌فعالی کمبود توجه (ADHD)، بیماری آلزایمر، افسردگی و ... را امکان‌پذیر می‌سازد. همچنین در طی روند تشخیص هر یک از این اختلالات، ویژگی‌های فردی هم نمایان می‌شود و مثلا در مورد اختلال افسردگی ممکن است زیرگروه‌های خاصی از این بیماری رخ دهد که با QEEG قابل تشخیص است و سپس بر طبق آن می‌توان درمان مرتبط با آن اختلال را انجام داد.

انتخاب درمان و نظارت:

افراد مختلف ممکن است به دلیل تفاوت در عملکرد مغز، به درمان یکسان واکنش متفاوتی نشان دهند. QEEG با شناسایی نورومارکرها یا الگوهای خاص QEEG مرتبط با پاسخ درمانی به شخصی سازیِ تصمیمات درمانی کمک می‌کند. این اطلاعات به پزشکان در انتخاب مناسب‌ترین گزینه‌های درمانی، بهینه سازی دوزها و نظارت بر پیشرفت درمان در طول زمان کمک می‌کند. به عنوان مثال، درمان نوروفیدبک هدایت شده با QEEG در بهبود نتایج برای شرایطی مانند ADHD، اختلالات اضطرابی و سوء مصرف مواد نویدبخش است.
    

شاخص های پیش آگهی (Prognostic Indicators):

QEEG می‌تواند به عنوان یک ابزار پیش آگهی برای پیش بینی پاسخ درمان و نتایج بیمار عمل کند. با تجزیه و تحلیل داده‌های QEEG پایه، پزشکان می‌توانند الگوهای خاص یا نورورمارکرهای مرتبط با نتایج مطلوب یا ضعیف درمان را شناسایی کنند. این اطلاعات پیش‌آگهی‌های شخصی‌سازی شده را امکان‌پذیر می‌کند، به پزشکان کمک می‌کند انتظارات واقع‌بینانه‌ای داشته باشند و استراتژی‌های درمانی را بر این اساس تنظیم کنند.

چالش ها و مسیرهای آینده:

در حالی که ادغام QEEG در پزشکی شخصی نویدبخش است، چندین چالش باقی مانده است. این چالش‌ها شامل نیاز به پروتکل‌های استاندارد، تکنیک‌های تجزیه و تحلیل داده‌ها و مطالعات اعتبار سنجی در مقیاس بزرگ است. علاوه بر این، ملاحظات اخلاقی مربوط به حریم خصوصی داده‌ها، رضایت آگاهانه و سوگیری‌های احتمالی باید مورد توجه قرار گیرد تا از اجرای مسئولانه و عادلانه QEEG در پزشکی شخصی سازی شده اطمینان حاصل شود.

در نهایت QEEG ابزار قدرتمندی است که بینش‌های عینی و شخصی را در مورد عملکرد مغز ارائه می‌دهد. ادغام آن در پزشکی شخصی سازی شده پتانسیل تغییر تشخیص، درمان و مدیریت شرایط عصبی و روانپزشکی را دارد. با استفاده از اطلاعات به‌دست‌آمده از طریق QEEG، پزشکان می‌توانند تصمیمات آگاهانه‌تری بگیرند، درمان‌ها را انجام دهند و نتایج بیمار را بهبود بخشند. همانطور که تکنولوژی پیشرفت می‌کند و درک ما از عملکرد مغز عمیق‌تر می‌شود، هم افزایی بین QEEG و پزشکی شخصی سازی شده به رشد خود ادامه می‌دهد و امکانات جدیدی را برای افزایش مراقبت‌های فردی ارائه می‌دهد.

منابع:
Olbrich, S., van Dinteren, R., & Arns, M. (2015). Personalized Medicine: Review and Perspectives of Promising Baseline EEG Biomarkers in Major Depressive Disorder and Attention Deficit Hyperactivity Disorder. Neuropsychobiology, 72(3-4), 229–240. https://doi.org/10.1159/000437435
Keizer A. W. (2021). Standardization and Personalized Medicine Using Quantitative EEG in Clinical Settings. Clinical EEG and neuroscience, 52(2), 82–89. https://doi.org/10.1177/1550059419874945
Milstead, B., Milstead, B., Course, I., Course, I., Course, I., & Course, A. et al. (2009). EEG-based Personalized Medicine in ADHD  qEEGsupport.com. Retrieved 18 September 2023, from https://qeegsupport.com/eeg-based-personalized-medicine-in-adhd/