مارکرهای نقشه مغزی دمانس در دیتابیس ایرانی (قسمت اول)

یکی از بیماری‌های محتمل که می‌تواند افراد سالمند را درگیر کند، بیماری دمانس یا زوال عقل است. این بیماری در اثر اختلال در عملکرد یا نابودی سلول‌های مغزی رخ می‌دهد و کاهش فعالیت‌های شناختی فرد مانند ­توجه، حافظه، کارکردهای اجرایی و زبان را به دنبال دارد (1). در بین انواع مختلف دمانس، بیماری آلزایمر با 50 الی 70 درصد فراوانی، شایع‌ترین نوع این بیماری محسوب می‌شود (2). با توجه به اینکه آلزایمر با تغییراتی در عملکرد و ساختار مغز همراه است، و در دسترس‌ترین ابزار موجود جهت بررسی کلینیکی فعالیت مغز، سیگنال الکتروانسفالوگرافی و مارکرهای استخراج شده از آن است، می‌توان گفت استفاده از نقشه مغزی یکی از بهترین راه‌های کلینیکی جهت بررسی تغییرات و نحوه عملکرد مغز بیماران مبتلا به آلزایمر می‌باشد.

مقالات روز دنیا معتقد هستند که سیگنال‌های مغزی بیماران مبتلا به آلزایمر دچار پدیده‌ای بنام EEG slowing می‌شوند. یعنی توان فرکانس‌های پایین (دلتا و تتا) در این بیماران نسبت به افراد گروه کنترل افزایش می‌یابد و همزمان، توان فرکانس‌های بالا (آلفا و بتا) نسبت به گروه کنترل کاهش می‌یابد. همچنین، اکثر مقالات در مورد کاهش complexity (پیچیدگی) سیگنال‌های مغزی بیماران مبتلا به آلزایمر نسبت به گروه کنترل اتفاق نظر دارند (3-6).

این مقالات، تغییرات مارکرهای نقشه مغزی افراد مبتلا به آلزایمر را در جوامع اروپایی و آسیای شرقی مورد بررسی قرار داده‌اند. به نظر شما در جامعه ایرانی مارکرهای نقشه مغزی افراد مبتلا به آلزایمر چه تفاوتی با افراد گروه کنترل دارد؟

برای یافتن پاسخ این پرسش، می‌توانید قسمت دوم سری مقالات "مارکرهای نقشه مغزی دمانس در دیتابیس ایرانی" را مطالعه کنید.

منابع:

1. Al-Qazzaz, N. K., Ali, S. H. B. M., Ahmad, S. A., Chellappan, K., Islam, M. S., & Escudero, J. (2014). Role of EEG as biomarker in the early detection and classification of dementia. The Scientific World Journal, 2014.
2. Radenković, M. Č., Annaheim, S., Eggenberger, P., & Rossi, R. M. (2023). Physiological complexity of EEG as a proxy for dementia risk prediction: a review and preliminary cross-section analysis. arXiv preprint arXiv:2311.09147.
3. Nardone, R., Sebastianelli, L., Versace, V., Saltuari, L., Lochner, P., Frey, V., ... & Höller, Y. (2018). Usefulness of EEG techniques in distinguishing frontotemporal dementia from Alzheimer’s disease and other dementias. Disease markers, 2018.
4. Schjønning Nielsen, M., Simonsen, A. H., Siersma, V., Engedal, K., Jelic, V., Andersen, B. B., ... & Høgh, P. (2019). Quantitative electroencephalography analyzed by statistical pattern recognition as a diagnostic and prognostic tool in mild cognitive impairment: results from a nordic multicenter cohort study. Dementia and Geriatric Cognitive Disorders Extra, 8(3), 426-438.
5. Garn, H., Waser, M., Deistler, M., Benke, T., Dal-Bianco, P., Ransmayr, G., ... & Schmidt, R. (2015). Quantitative EEG markers relate to Alzheimer’s disease severity in the Prospective Dementia Registry Austria (PRODEM). Clinical Neurophysiology, 126(3), 505-513.
6. Coronel, C., Garn, H., Waser, M., Deistler, M., Benke, T., Dal-Bianco, P., ... & Schmidt, R. (2017). Quantitative EEG markers of entropy and auto mutual information in relation to MMSE scores of probable Alzheimer’s disease patients. Entropy, 19(3), 130.