در گزارش‌های متداول QEEG، داده EEG بیمار عمدتاً با یک Normative Database مقایسه می‌شود. حاصل این مقایسه نشان می‌دهد که مارکرهای استخراج‌شده از EEG در چه نواحی یا لوب‌هایی نسبت به جامعه نرمال انحراف دارند. این اطلاعات برای شناسایی Deviations اهمیت بالینی دارند، اما برای توصیف کامل وضعیت الکتروفیزیولوژیک بیمار کافی نیستند.

یکی از محدودیت‌های تکیه صرف بر دیتابیس نرمال این است که مشخص می‌کند بیمار تا چه اندازه از الگوی نرمال فاصله دارد، اما الزاماً نشان نمی‌دهد الگوی مشاهده‌شده به کدام فنوتیپ یا Subtype بالینی نزدیک‌تر است. به همین دلیل، در گزارش‌های QEEGhome در کنار دیتابیس نرمال از Pathological Database نیز استفاده می‌شود.

چرا Normative Database به‌تنهایی برای تفسیر QEEG کافی نیست؟

در روش‌های مرسوم تولید نقشه مغزی، EEG بیمار با جامعه نرمال مقایسه و میزان انحراف مارکرهای مختلف مشخص می‌شود. برای مثال ممکن است افزایش یا کاهش یک مارکر فرکانسی در یک ناحیه مشخص مشاهده شود. این یافته به بالینگر اطلاعات ارزشمندی می‌دهد، اما سؤال مهم‌تری باقی می‌ماند: این Pattern در میان بیماران

با یک تشخیص بالینی مشخص چه معنایی دارد؟

بسیاری از اختلالات اعصاب و روان دارای Subtypeهای مختلف هستند. بیمارانی که تشخیص مشترکی دریافت کرده‌اند، لزوماً از نظر علائم، شدت اختلال، الگوی EEG و پاسخ به درمان مشابه نیستند. بنابراین قرار دادن تمام بیماران دارای یک Diagnosis در یک گروه همگن می‌تواند بخشی از تفاوت‌های بین‌فردی را نادیده بگیرد.

در چنین شرایطی، مقایسه با دیتابیس پاتولوژیک یک لایه تحلیلی دیگر به گزارش QEEG اضافه می‌کند. در این سطح، هدف فقط پیدا کردن انحراف از Norm نیست؛ بلکه بررسی می‌شود Pattern الکتروفیزیولوژیک بیمار از نظر مارکرهای EEG به کدام الگوهای موجود در گروه‌های پاتولوژیک نزدیک‌تر است.

دیتابیس پاتولوژیک در QEEG چه اطلاعاتی اضافه می‌کند؟

Pathological Database مجموعه‌ای از داده‌های مربوط به گروه‌های دارای اختلال یا وضعیت بالینی مشخص است. چنین دیتابیسی می‌تواند بر اساس Modalities مختلفی مانند MRI، CT، PET یا EEG توسعه پیدا کند؛ اما دیتابیس پاتولوژیک مورد استفاده در QEEGhome مبتنی بر EEG است.

هدف از استفاده این دیتابیس، ایجاد یک Reference بالینی در کنار Reference نرمال است. در نتیجه، متخصص می‌تواند دو سطح از اطلاعات را هم‌زمان در اختیار داشته باشد:

• Normative comparison: کدام مارکرهای EEG بیمار نسبت به جامعه نرمال انحراف دارند؟
• Pathological comparison: Pattern مشاهده‌شده در بیمار به کدام الگوها یا Subtypeهای موجود در جمعیت پاتولوژیک نزدیک‌تر است؟

این تفاوت از نظر تفسیر بالینی اهمیت دارد؛ زیرا دو بیمار می‌توانند در یک مارکر نسبت به دیتابیس نرمال انحراف داشته باشند، اما ترکیب سایر مارکرها و Pattern کلی EEG آن‌ها متفاوت باشد.

نقش Subtypeها در تفسیر دقیق‌تر QEEG

یکی از دلایل اصلی استفاده از دیتابیس پاتولوژیک، ناهمگونی یا Heterogeneity در اختلالات روان‌پزشکی است. داشتن Diagnosis مشابه الزاماً به معنای داشتن Neurophysiological Pattern یکسان نیست.

در دیتابیس پاتولوژیک می‌توان مارکرهایی را بررسی کرد که در مطالعات با مواردی مانند شدت اختلال، Subtypeهای مختلف، سیر بیماری یا پاسخ به درمان ارتباط نشان داده‌اند.

در چنین رویکردی، سؤال تفسیر QEEG از:

«کدام شاخص بیمار نسبت به Norm غیرطبیعی است؟»

به سؤال دقیق‌تری تبدیل می‌شود:

«ترکیب مارکرهای EEG این بیمار در مقایسه با الگوهای موجود در جمعیت پاتولوژیک چه اطلاعات بالینی بیشتری در اختیار ما قرار می‌دهد؟»

این نگاه می‌تواند در حرکت از تفسیر صرفاً مبتنی بر Abnormality به سمت تحلیل فردمحورتر QEEG اهمیت داشته باشد.

دیتابیس پاتولوژیک QEEGhome چگونه ایجاد شده است؟

تیم پزشکی ـ مهندسی QEEGhome پس از سال‌ها فعالیت در زمینه نقشه مغزی، محدودیت گزارش‌هایی را که صرفاً بر Normative Database متکی بودند مورد توجه قرار داد و برای توسعه ارزیابی‌های مبتنی بر Pathological Database، جمع‌آوری داده‌های EEG از گروه‌های بالینی در ایران را آغاز کرد.

داده‌های مورد استفاده در این دیتابیس با همکاری پزشکان و کلینیک‌های مختلف جمع‌آوری شده‌اند. یکی از ملاحظات مهم در جمع‌آوری داده‌ها این بوده است که EEG از افرادی ثبت شود که هنگام ثبت، دارو مصرف نمی‌کردند.

همچنین در کنار EEG، از پرسشنامه‌های معتبر و شناخته‌شده در ارزیابی روان‌شناختی اختلالات استفاده شده است تا اطلاعات Clinical و Electrophysiological در کنار یکدیگر قرار گیرند.

Pathological Assessment Pages در گزارش QEEGhome

برای آنکه اطلاعات حاصل از مقایسه بیمار با دیتابیس پاتولوژیک در اختیار بالینگر قرار گیرد، QEEGhome در گزارش‌های نقشه مغزی خود بر اساس تشخیص اولیه متخصص، بخش‌هایی با عنوان Pathological Assessment ارائه می‌کند.

این صفحات با توجه به شرایط سنی بیمار در حال حاضر برای گروه‌هایی از جمله موارد زیر ارائه می‌شوند:

• Dementia
• Mood Disorders
• ADHD
• Adult ADHD

اطلاعات موجود در این صفحات بر اساس مطالعات مرتبط و همچنین تحلیل‌ها و مطالعات انجام‌شده توسط تیم QEEGhome طراحی شده‌اند.

هدف این بخش‌ها این است که مارکرهای EEG بیمار فقط به‌صورت منفرد نمایش داده نشوند، بلکه در Context مرتبط با گروه پاتولوژیک و یافته‌های بالینی قابل بررسی باشند.

چه نوع EEG Markerهایی در ارزیابی پاتولوژیک استفاده می‌شوند؟

یکی دیگر از تفاوت‌های این رویکرد با بسیاری از گزارش‌های مرسوم QEEG، استفاده نکردن از یک Marker منفرد برای تحلیل یک وضعیت بالینی است.

اختلالات روان‌پزشکی معمولاً تنها یک ناحیه، یک Frequency Band یا یک عملکرد منفرد مغز را درگیر نمی‌کنند. بنابراین هر Marker می‌تواند فقط بخشی از اطلاعات مربوط به عملکرد مغزی بیمار را پوشش دهد.

در Pathological Assessmentهای QEEGhome، علاوه بر برخی Frequency-based و Linear Markers، از Non-linear Markers نیز استفاده می‌شود؛ مارکرهایی که در بسیاری از نرم‌افزارهای متداول تولید گزارش نقشه مغزی در ارزیابی روتین دیده نمی‌شوند.

در بسیاری از موارد، چند Marker به‌صورت ترکیبی وارد یک الگوریتم می‌شوند. هدف از این رویکرد آن است که تصمیم تحلیلی تنها بر اساس افزایش یا کاهش یک شاخص EEG گرفته نشود و Pattern حاصل از تعامل چند ویژگی مورد بررسی قرار گیرد.

استفاده از الگوریتم‌های ترکیبی و هوش مصنوعی در تحلیل دیتابیس پاتولوژیک

زمانی که قرار است چندین EEG Marker به‌طور هم‌زمان با اطلاعات موجود در یک دیتابیس پاتولوژیک مقایسه شوند، تحلیل از حالت بررسی یک متغیر منفرد خارج می‌شود.

در QEEGhome از اطلاعات موجود در دیتابیس پاتولوژیک و مجموعه‌ای از مارکرهای مرتبط برای طراحی الگوریتم‌های هوش مصنوعی و یادگیری ماشین در تحلیل EEG استفاده شده است که خروجی آن‌ها به شکل نمودارها و اطلاعات تحلیلی در Pathological Assessment Pages نمایش داده می‌شود.

در طراحی این الگوریتم‌ها، مارکرهایی مورد توجه قرار گرفته‌اند که بر اساس مطالعات مرتبط می‌توانند اطلاعاتی درباره مواردی مانند:

• افتراق شدت‌های مختلف یک اختلال،
• تفکیک برخی Subtypeها،
• پیش‌آگهی مرتبط با روند بیماری،
• پاسخ به دارو ،
• و پاسخ به برخی درمان‌های Neurotherapy

ارائه کنند.

به این ترتیب، نقش دیتابیس پاتولوژیک صرفاً نمایش یک Comparison ساده نیست؛ بلکه داده‌های آن در کنار مجموعه‌ای از EEG Features برای تولید اطلاعات قابل استفاده در ارزیابی تخصصی‌تر بیمار قرار می‌گیرند.

چرا استفاده از ترکیب مارکرها اهمیت دارد؟

درگیری سیستم عصبی در بسیاری از اختلالات پیچیده‌تر از آن است که بتوان آن را با یک Electrode، یک Frequency Band یا یک EEG Marker توضیح داد.

مارکرهای مختلف می‌توانند جنبه‌های متفاوتی از عملکرد مغز را منعکس کنند. به همین دلیل در برخی ارزیابی‌های QEEGhome، به‌جای تفسیر مستقل هر Marker، ترکیبی از مارکرهای خطی، فرکانسی و غیرخطی مورد استفاده قرار می‌گیرد.

این مسئله به‌خصوص در شرایطی اهمیت پیدا می‌کند که هدف فقط تشخیص وجود یک Deviation نباشد و بخواهیم ارتباط Pattern موجود را با شدت علائم، Subtype یا پاسخ احتمالی به درمان نیز بررسی کنیم.

اهمیت استفاده از دیتابیس EEG جمعیت ایرانی

یکی دیگر از ویژگی‌های دیتابیس‌های مورد استفاده در QEEGhome، استفاده از داده‌های EEG جمعیت ایرانی است.

QEEGhome علاوه بر Pathological Database، دیتابیس نرمال خود را نیز بر اساس داده‌های EEG جمعیت ایرانی توسعه داده است. در نتیجه، Normative و Pathological Comparison هر دو بر مبنای داده‌هایی انجام می‌شوند که از جمعیت ایرانی جمع‌آوری شده‌اند.

این موضوع برای متخصصی که قصد دارد داده EEG بیمار ایرانی را تفسیر کند اهمیت دارد؛ زیرا ویژگی‌های جمعیت Reference بخشی از فرآیند Comparison محسوب می‌شوند.

دیتابیس پاتولوژیک چه تغییری در نحوه خواندن گزارش QEEG ایجاد می‌کند؟

وجود Pathological Assessment به این معنا نیست که Normative Maps دیگر اهمیتی ندارند. این دو رویکرد مکمل یکدیگرند.

Normative Database همچنان مشخص می‌کند بیمار در کدام EEG Features نسبت به جامعه مرجع انحراف دارد. Pathological Database یک سؤال دیگر را به تحلیل اضافه می‌کند: این مجموعه یافته‌ها در مقایسه با Patternهای گروه‌های بالینی چه معنایی پیدا می‌کنند؟

برای بالینگری که از QEEG در کنار ارزیابی‌های بالینی استفاده می‌کند، این دو لایه می‌توانند به شکل زیر دیده شوند:

بنابراین ارزش اصلی استفاده هم‌زمان از این دو دیتابیس، اضافه‌شدن Context بالینی به Deviations مشاهده‌شده در QEEG است.

جایگاه دیتابیس پاتولوژیک در تفسیر شخصی‌سازی‌شده QEEG

اگر دو بیمار با Diagnosis یکسان، EEG Pattern و پاسخ درمانی متفاوتی داشته باشند، گزارش QEEG نیز نباید صرفاً به نمایش یک مجموعه Z-score مشابه برای هر دو محدود شود.

بررسی Subtype، ترکیب Markerها و مقایسه با دیتابیس پاتولوژیک می‌تواند اطلاعات بیشتری درباره ویژگی‌های فردی هر بیمار در اختیار بالینگر قرار دهد.

در نتیجه، استفاده از Normative Database و Pathological Database در کنار یکدیگر، زمینه را برای حرکت از یک گزارش صرفاً توصیفی به سمت تحلیل فردمحورتر QEEG فراهم می‌کند.

جمع‌بندی

مقایسه EEG بیمار با Normative Database همچنان یکی از اجزای مهم گزارش QEEG است، اما این Comparison عمدتاً مشخص می‌کند کدام مارکرها نسبت به جامعه نرمال دچار انحراف شده‌اند.

با توجه به وجود Subtypeهای مختلف در اختلالات اعصاب و روان و تفاوت بیماران از نظر علائم، شدت و پاسخ به درمان، برای تحلیل جامع‌تر لازم است Pattern بیمار در Context بالینی گسترده‌تری نیز بررسی شود.

در QEEGhome برای پاسخ به این نیاز، در کنار دیتابیس نرمال از دیتابیس پاتولوژیک مبتنی بر EEG استفاده می‌شود. داده‌های این دیتابیس از گروه‌های بالینی ایرانی جمع‌آوری شده‌اند و در Pathological Assessment Pages، مجموعه‌ای از مارکرهای فرکانسی، خطی و غیرخطی در کنار الگوریتم‌های تحلیلی مورد استفاده قرار می‌گیرند.

برای پزشک یا متخصصی که QEEG بیمار را در کنار اطلاعات بالینی تفسیر می‌کند، این رویکرد امکان بررسی یافته‌ها در دو سطح را فراهم می‌کند: ابتدا میزان انحراف از Norm و سپس جایگاه Pattern مشاهده‌شده در مقایسه با داده‌های پاتولوژیک.

برای مشاهده نحوه ارائه این اطلاعات می‌توانید نمونه گزارش‌های QEEGhome را بررسی کنید. همچنین پزشکان و متخصصانی که EEG بیماران خود را ثبت می‌کنند، می‌توانند داده بیمار را در QEEGhome ارسال کرده و گزارش تحلیل‌شده QEEG را از پنل کاربری خود دریافت کنند.