Отслеживание изменений уровня бодрствования с помощью рассчитываемых по спектральной мощности ЭЭГ-индексов

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Существует потребность в эмпирических индикаторах, позволяющих с высоким временным разрешением отслеживать тонкие изменения уровня бодрствования. Мы поставили перед собой целью оценить применимость в этом отношении нескольких индексов, основанных на средней спектральной мощности ЭЭГ-ритмов, а также БИС-индекс, применяемый в анестезиологии. 26 добровольцев приняли участие в эксперименте с форсированным пробуждением из третьей стадии дневного сна: сразу после звука будильника от них требовалось решать зрительно-моторные и арифметические задачи. Из ЭЭГ-записей выделялись безартефактные сегменты на разных уровнях бодрствования: во время сна, при пробуждении, в неполном бодрствовании (когда выполнение задачи было еще затруднено) и в полном бодрствовании (когда восстанавливалась способность правильно решать задачи). Для них рассчитывали ЭЭГ-индексы и проводили анализ способности каждого индекса дифференцировать эти состояния. Полученные результаты выявили, что наиболее показательными индексами были Гамма/Бета, Бета/Дельта, Гамма/Дельта, Комплексный индекс ((Альфа + Бета)/(Дельта + Тета)) и БИС-индекс. Затем для этих индексов провели оценку зависимости их значений от мышечных и глазодвигательных артефактов, а также насколько сильно их значения изменяются при открывании либо закрывании глаз. Мышечные артефакты оказали наибольшее влияние на индекс Гамма/Бета, а артефакты от движений глаз – на индексы Бета/Дельта, Гамма/Дельта и Комплексный индекс. Очистка артефактов фильтрацией и ICA-преобразованием значимо улучшила их показатели. В итоге наиболее информативным оказался БИС-индекс – он меньше зависел и от мышечных, и от глазодвигательных артефактов. Полученные нами данные свидетельствуют о том, что ЭЭГ-индексы могут быть удобным инструментом для отслеживания тонких изменений уровня бодрствования, однако для повышения точности результата стоит использовать комбинацию из нескольких разных индексов.

Об авторах

А. К. Соловьева

ФГБУН Институт высшей нервной деятельности и нейрофизиологии РАН

Автор, ответственный за переписку.
Email: v.tirka.99@gmail.com
Москва, Россия

М. Р. Исаев

ФГБУН Институт высшей нервной деятельности и нейрофизиологии РАН

Email: v.tirka.99@gmail.com
Москва, Россия

П. Д. Бобров

ФГБУН Институт высшей нервной деятельности и нейрофизиологии РАН

Email: v.tirka.99@gmail.com
Москва, Россия

Е. А. Федосова

ФГБУН Институт высшей нервной деятельности и нейрофизиологии РАН

Email: v.tirka.99@gmail.com
Москва, Россия

Ю. В. Украинцева

ФГБУН Институт высшей нервной деятельности и нейрофизиологии РАН

Email: ukraintseva@yandex.ru
Москва, Россия

Список литературы

  1. Левкович К.М. Восстановление сознания при пробуждении от ортодоксального и парадоксального сна. Электрофизиологическое исследование: автореф. дис. ...канд. биол. наук. М.: 2022. 26 с.
  2. Соловьева А.К., Соловьев Н.К., Мокроусова А.О., Украинцева Ю.В. Восстановление моторных и когнитивных функций при форсированном пробуждении из третьей стадии дневного сна. Журнал высшей нервной деятельности им. И.П. Павлова. 2023. 73 (6): 785–799.
  3. Asyali M.H., Berry R.B., Khoo M.C., Altinok A. Determining a continuous marker for sleep depth. Comput Biol Med. 2007. 37 (11): 1600–1609.
  4. Connor C.W. A Forensic Disassembly of the BIS Monitor. Anesth Analg. 2020. 131 (6): 1923–1933.
  5. Connor C.W. Open Reimplementation of the BIS Algorithms for Depth of Anesthesia. Anesth. Analg. 2022. 135(4): 855–864.
  6. Horner R.L., Sanford L.D., Pack A.I., Morrison A.R. Activation of a distinct arousal state immediately after spontaneous awakening from sleep. Brain Res. 1997. 778 (1): 127–134.
  7. Huber R., Felice Ghilardi M., Massimini M., Tononi G. Local sleep and learning. Nature. 2004. 430 (6995): 78–81.
  8. Iber C., Ancoli-Israel S., Chesson A, Quan S.F. for the American Academy of Sleep Medicine. The AASM manual for the scoring of sleep and associated events: rules, terminology and technical specification. 1st ed.: Wenstchester, Illinois: American Academy of Sleep Medicine, 2007. 59 p.
  9. Jubera-García E., Vermeylen L., Peigneux P., Gevers W., Van Opstal F. Local use-dependent activity triggers mind wandering: Resource depletion or executive dysfunction? Journal of Experimental Psychology: Human Perception and Performance. 2021. 47 (12): 1575–1582.
  10. Koch C., Massimini M., Boly M., Tononi G. Neural correlates of consciousness: progress and problems. Nature reviews neuroscience. 2016. 17 (5): 307–321.
  11. Kreuzer M., Kochs E.F., Schneider G., Jordan D. Non-stationarity of EEG during wakefulness and anaesthesia: advantages of EEG permutation entropy monitoring. J. Clin. Monit. Comput. 2014. 28 (6): 573–580.
  12. Lachaux J.P., Axmacher N., Mormann F., Halgren E., Crone N.E. High-frequency neural activity and human cognition: past, present and possible future of intracranial EEG research. Prog Neurobiol. 2012. 98 (3): 279–301.
  13. Langford G.W., Meddis R., Pearson A.J.D. Awakening latency from sleep for meaningful and non-meaningful stimuli. Psychophysiology. 1974. 11 (1): 1–5.
  14. Liaukovich K., Sazhin S., Bobrov P., Ukraintseva Y. Event-related potential study of recovery of consciousness during forced awakening from slow-wave sleep and rapid eye movement sleep. Int. J. Mol. Sci. 2022. 23 (19): e11785.
  15. Linassi F., Vide S., Ferreira A., Schneider G., Gambús P., Kreuzer M. Relationships between the qNOX, qCON, burst suppression ratio, and muscle activity index of the CONOX monitor during total intravenous anesthesia: a pilot study. J. Clin. Monit. Comput. 2024. 38 (6): 1281–1290.
  16. Lipp M., Schneider G., Kreuzer M., Pilge S. Substance-dependent EEG during recovery from anesthesia and optimization of monitoring. J. Clin. Monit. Comput. 2024. 38 (3): 603–612.
  17. Makeig S., Bell A., Jung T. P., Sejnowski T. J. Independent component analysis of electroencephalographic data. Advances in neural information processing systems. 1995. 8: 145–151.
  18. Metzner C., Schilling A., Traxdorf M., Schulze H., Tziridis K., Krauss P. Extracting continuous sleep depth from EEG data without machine learning. Neurobiol. Sleep Circadian Rhythm. 2023. 14: 100097.
  19. Oliveira G.S. De, Kendall M.C., Marcus R.J., McCarthy R.J. The relationship between the Bispectral Index (BIS) and the Observer Alertness of Sedation Scale (OASS) scores during propofol sedation with and without ketamine: a randomized, double blinded, placebo controlled clinical trial. J. Clin. Monit. Comput. 2016. V. 30 (4): 495–501.
  20. Rampil I. J. A primer for EEG signal processing in anesthesia. The Journal of the American Society of Anesthesiologists. 1998. V. 89 (4): 980–1002.
  21. Rasulo F.A., Claassen J., Romagnoli S. Broad use of processed EEG: ready for prime time yet? Intensive Care Med. 2024. 50 (8): 1350–1353.
  22. Sawa T., Yamada T., Obata Y. Power spectrum and spectrogram of EEG analysis during general anesthesia: Python-based computer programming analysis. J. Clin. Monit. Comput. 2022. 36 (3): 609–621.
  23. Schuller P.J., Newell S., Strickland P.A., Barry J.J. Response of bispectral index to neuromuscular block in awake volunteers. Br. J. Anaesth. 2015. 115 (Suppl 1): i95–i103.
  24. Sederberg P.B., Kahana M.J., Howard M.W., Donner E.J., Madsen J.R. Theta and Gamma Oscillations during Encoding Predict Subsequent Recall. J. Neurosci. 2003. 23 (34): 10809–10814.
  25. Sigl J.C., Chamoun N.G. An introduction to bispectral analysis for the electroencephalogram. Journal of clinical monitoring. 1994. 10: 392–404.
  26. Stewart P.A., Murphy T., Nestor C.C., Irwin M.G. Don’t oversimplify the EEG. Intensive Care Med. 2024. 50 (9): 1560–1561.
  27. Younes M., Ostrowski M., Soiferman M., Younes H., Younes M., Raneri J., Hanly P. Odds ratio product of sleep EEG as a continuous measure of sleep state. Sleep. 2015. 38 (4): 641–654.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Российская академия наук, 2025

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».