در پژوهشی که در سال ۲۰۲۲ توسط Al Zoubi و همکاران انجام شده است، نقش میکرواستیت EEG کلاس C به‌عنوان یک نورومارکر برای نشخوار ذهنی و پیش‌بینی پاسخ به درمان در اختلال افسردگی (MDD) بررسی شده است.

میکرواستیت‌های EEG، الگوهای ناپایدار اما تکرارشونده‌ای از فعالیت الکتریکی مغز در مقیاس زمانی میلی‌ثانیه‌ای هستند که بازتابی از فعالیت شبکه‌های مغزی بزرگ‌مقیاس‌اند. در میان میکرواستیت‌های کلاسیک (AتاD)، کلاس C با شبکه حالت پیش‌فرض (DMN) و شبکه سالینس مرتبط شناخته می‌شود؛ دو شبکه‌ای که نقش کلیدی در پردازش خودارجاعی، اهمیت‌سنجی محرک‌ها و افکار درونی دارند.

یافته‌ها

نتایج این مطالعه نشان دادند که بیماران مبتلا به MDD، نسبت به افراد سالم، مدت‌زمان طولانی‌تر و درصد پوشش بیشتری از میکرواستیت C را نشان می‌دهند. این الگو با افزایش نشخوار ذهنی، تمرکز بیش ‌از حد بر افکار منفی و درون‌گرایی شناختی مرتبط است.

همچنین شدت بیشتر میکرواستیت C با نمره‌های بالاتر در مقیاس‌های نشخوار ذهنی و کاهش احتمال پاسخ‌دهی به درمان، به‌ویژه درمان‌های دارویی یا روان‌درمانی، همبستگی نشان داد.

در مقابل بیمارانی که به درمان شناختی–رفتاری (CBT) یا داروهای مهارکننده بازجذب سروتونین (SSRIs) پاسخ مثبت داده‌اند، کاهش معناداری در مدت‌زمان و فراوانی میکرواستیت C داشته‌اند.

همزمان، نوعی نرمال‌سازی نسبی در میکرواستیت‌های A و B نیز مشاهده شده است؛ الگوهایی که با عملکردهای توجهی و حسی–حرکتی مرتبط‌اند.

کاربرد بالینی

بر پایه یافته‌ها، میکرواستیت C می‌تواند هم به‌عنوان (trait) و هم state)) به کار رود، این ویژگی تحلیل میکرواستیت را به ابزاری مناسب برای شناسایی بیماران با سبک شناختی نشخوارگرایانه و پایش روند بهبودی در طول درمان تبدیل می‌کند.

ادغام تحلیل میکرواستیت در ارزیابی‌های EEG کمی (QEEG) می‌تواند به شناسایی subtype های بالینی افسردگی (مانند نوع نشخوارگرایانه در برابر نوع بی‌لذتی)، بهینه‌سازی برنامه‌ریزی درمان و انتخاب هدف‌های تحریک عصبی از جمله rTMS یا نوروفیدبک بر اساس شبکه پیش‌فرض کمک کند.

منبع:

Al Zoubi, O., Mayeli, A., Refai, H., White, B., & Bodurka, J. (2022). EEG microstate abnormalities and rumination in major depressive disorder. Translational Psychiatry, 12(1), 75.