Понятие возрастная норма в электроэнцефалограмме

Вопрос "что такое возрастная норма?" является ключевым для разработки нормативных критериев в любой области, в том числе и электроэнцефалографии. Еще в 1970 г. О. Иг-Олофссон автор наиболее фундаментального исследования по онтогенезу ЭЭГ человека отметал, что в энцефалографии не существует единого мнения по этому вопросу. Он выделил 4 возможных варианта: норма - здоровье (отсутствие болезни), норма - утопия, норма - среднее и норма - процесс. Обычно, по мнению О. Иг-Олофссона используется некоторый синтез этих подходов, и в любом случае не существует окончательного и абсолютного содержания понятия "норма". Оно может и должно видоизменяться по мере прогресса знаний в области детской ЭЭГ. В своем собственном исследовании О. ИгОлофссон для отбора испытуемых использовал медицинские критерии (норма - не болезнь) широкого спектра, включающие параметры соматического, неврологического и психического здоровья. Применял он также и статистические методы (построение регрессионных моделей возрастных изменений различных параметров ЭЭГ). Однако возрастная норма определяется этим автором качественно: через указание на "критические" возрастные точки и описание ЭЭГ феноменов, свойственных основным возрастным периодам. Для характеристики возрастных различий О. Иг-Олофссон использует такие параметры ЭЭГ, как частота альфа-ритма, частота реакции усвоения ритма световых мельканий, выраженность медленных колебаний и их локализации во время бодрствования и сна наличие пароксизмальных форм активности, изменения ЭА при гипервентиляции.

Развитие численных методов оценки ЭЭГ привело к доминированию количественного (quantitative) подхода в определении критериев возрастной нормы. Общим для всех работ этого направления является трактовка "нормы" как среднестатистического значения какого-либо количественного показателя ЭЭГ для большой выборки здоровых детей. Для количественного описания паттерна ЭЭГ большинством

авторов использовались спектральные характеристики основных частотных составляющих, выделяемые либо

узко частотными аналоговыми фильтрами либо численными методами с помощью Быстрого Преобразования Фурье (ПБФ). При этом оценки спектров могли быть, как абсолютными, так и относительными, а для приближения их распределения к нормальному применялись логарифмические и z-преобразования соответственно. В большинстве перечисленных выше работ основные возрастные изменения описаны для тета- и альфа- частотных полос и их поддиапазонов в затылочных, центральных и лобных зонах мозга. Несколько особняком стоит исследование М. Матсуура и соавторов, положивших в основу своего исследования не спектральный анализ с помощью БПФ, а процедуру автоматизированного распознавания формы волны ЭА, на основании которого затем вычислялись отдельно частотные и амплитудные характеристики ЭЭГ в стандартных диапазонах. Такой способ оценки ЭА, по мнению этих авторов, является более адекватным для определения критериев возрастной нормы, т.к. нейрофизиологические механизмы, определяющие частоту и амплитуду ритмической активности, и темпы их созревания могут быть различными.

Одна из первых, получивших широкую известность, работ в области определения количественных ЭЭГ нормативов - исследование М. Матусека и Л. Петерсена которые на основании усреднения спектральных характеристик ЭЭГ большого числа детей в возрасте от 1 до 21 года построили погодовые нормативные таблицы значений частоты и амплитуды основных ритмов в лобно-височной, височной, центральной и темено-затылочной областях. Ими впервые было введено понятие ЭЭГ - возраст (EEG age), т.е. возраст, в котором согласно полученным усредненным данным наблюдается тот или иной паттерн ЭЭГ. Степень "нормальности" ЭЭГ определяется по формуле:

NQ (коэффициент нормальности) = 100 х (tEEG/tchron)/ где         tEEG - ЭЭГ- возраст, a tcliron - хронологичесий возраст.

При NQ равном 100 ЭЭГ соответствует возрастной норме, чем меньше коэффициент, тем менее зрелая ЭА.

Широкое распространение, начиная с работ Е. Джона и соавторы получил метод построения нормативных кривых, характеризующих динамику изменения количественных параметров ЭЭГ с возрастом. Такие кривые (регрессионные модели) получают с помощью аппроксимации средне групповых возрастных данных, используя уравнения регрессии различного порядка от линейных до полиномов 5 степени. Суждение о соответствии ЭА мозга ребенка возрастной норме в этом случае выносится на основании сопоставления количественных параметров его ЭЭГ со значениями существующей стандартной модели в точке, соответствующей возрасту ребенка.

Развитие количественного подхода к определению возрастных ЭЭГ нормативов идет по пути уточнения характера зависимости отдельных показателей от возраста, а также поиска интегральных электроэнцефалографических критериев мозгового созревания. Дж. Уокерман и М. Матусек с помощью методов многомерного шкалирования показали, что возрастная динамика развития ЭА хорошо описывается уравнением линейной регрессии, если, как для ЭЭГ показателей, так и для возрастной шкалы используется логарифмический масштаб. В этом исследовании для количественной характеристики ЭЭГ использовался интегральный показатель, учитывающий относительную спектральную мощность дельта-, тета-, альфа-, бета-1, бета-2 и бета-3 частотных диапазонов. Авторы предлагают применять шкалу зрелости электрической активности мозга (brain electric maturation scale (BEMS)) для определения соответствия индивидуальной ЭЭГ возрастной норме по формуле:

∆ABEMS = 10 X (log tEEG/tchron) = 10 X (log tEEG - log tchron)

В этом случае ∆ABEMS = 0 означает соответствие уровня развития данной ЭЭГ хронологическому возрасту, а отрицательные значения - различные степени отставания.

В последнее десятилетие наряду с использованием спектральных характеристик в качестве основного способа количественного описания ЭЭГ предлагается оценка ЭА мозга с помощью методов нелинейной динамики (теория "хаоса"). Применяя методы нелинейной динамики, исследователи исходят из представления об ЭА мозга как детерминированной динамической системе, которую можно описать траекторией движения вектора в многомерном пространстве и характеризовать степенью сложности этого пространства (dimentional complexity - DCx). Соединение методов многоканальной регистрации и нелинейной динамики позволяет описать процессы, происходящие в мозге и отражающиеся в изменении ЭА. как единое целое, меняющее свою структуру в зависимости от функционального состояния или в процессе развития. По мнению А. Анохина и соавторов возможно использование DCx как меры структурно-функционального созревания мозга. Согласно их данным, этот показатель, как в покое, так и в процессе деятельности увеличивается с возрастом в период от 7 до 16 лет, отражая увеличение степени структурной и функциональной дифференциации коры.

Основным достоинством количественных способов оценки соответствия детской ЭЭГ возрастной норме является возможность максимального исключения субъективного фактора, благодаря полной автоматизации процесса диагностики на всех этапах, начиная с первичного анализа и заканчивая сравнением с нормативами. Однако такой подход, оправданный в медицинской практике для выявления патологических изменений, затрудняет анализ функциональной зрелости мозга. Это связано, во-первых, с тем, что все существующие количественные нормативы являются результатом усреднения большого числа данных, полученных на детях, отобранных по критерию отсутствия неврологических и психических заболеваний, без учета индивидуальных темпов развития мозга, особенностей когнитивной сферы и поведения. Во-вторых, в настоящее время спектральные характеристики ЭЭГ превратились в "вещь в себе", что отразилось даже в используемой терминологии: в большинстве исследований речь уже идет не о созревании мозга, а о созревании ЭЭГ (EEG maturation). В результате использования количественного описания структуры ЭЭГ оказалась утерянной связь между электроэнцефалографическими феноменами и функциональным состоянием мозга в целом и его отдельных систем. В особенности это касается функционального состояния глубинных подкорковых структур, активность которых проявляется на ЭЭГ в виде особых паттернов, различающихся по форме, регулярности, порядку следования и синхронности различных волновых компонентов. Эти феномены не могут быть учтены при спектральном анализе, основанном на оценках суммарной энергии и локализации отдельных частотных составляющих.

Соотнесение ЭЭГ феноменов с функциональным состоянием мозга и его отдельных структур лежит в основе качественного визуального анализа, применяемого в клинической электроэнцефалографии.

А. Ренолд и В. Сторм ван Левен подчеркивают важность визуального анализа ЭЭГ и необходимость сочетания численных методов оценки с качественными. По их мнению, несмотря на то, что ЭЭГ, регистрируемая от скальпа, отражает суммарные изменения МП корковых элементов, определенные изменения корковой активности могут быть связаны с изменением состояния подкорковых (subcortical) структур или их связей с корой. Именно поэтому визуальный анализ ЭЭГ помогает установить, имеют ли наблюдаемые явления исходно корковую или подкорковую природу. Как отмечает Е. А. Жирмунская визуальный анализ не утратил своей актуальности, т.к. "фоновая ЭЭГ содержит бесценную информацию о функциональном состоянии мозга". Задача электроэнцефалографии, по мнению Е.А. Жирмунской, заключается не в выявлении нозологической (связанной с определенным заболеванием) специфичности отдельных феноменов, а в оценке влияния изменения состояния коры и глубинных структур на суммарную картину фоновой ЭА мозга. Этот принцип в работах Е.А. Жирмунской получил название "синдромологический подход". В данном случае в качестве синдрома предстает совокупность ЭЭГ признаков, характеризующих не то или иное заболевание, а определенное функциональное состояние коры и подкорковых образований. Трудность заключается в том. что ни в зарубежной, ни в отечественной практике не существует единого подхода к качественному описанию ЭЭГ, в связи с чем визуальный анализ является в значительной мере субъективным.

Несмотря на этот недостаток, именно качественный анализ ЭЭГ позволил исследовать соотношения в развитии коры и подкорковых регулирующих структур на разных этапах онтогенеза у здоровых детей выявить особенности функционального состояния мозга в подростковом возрасте.

Попытки преодоления субъективности визуального анализа при выработке возрастных нормативов в виде перечисления отдельных феноменов, свойственных или несвойственных определенным возрастным периодам или использования классификации ЭЭГ на типы по степени "организованности" и выраженности основного ритма привели к тому, что качественный подход к описанию ЭЭГ, не имея достоинств количественного, приобрел его недостаток в виде отсутствия соответствия между предлагаемыми критериями нормы и функциональным состоянием мозга.

Учитывая преимущества визуального анализа ЭЭГ при оценке функционального состояния коры и глубинных регуляторных структур, представлялась целесообразной задача поиска электроэнцефалографических критериев функционального созревания мозга именно в этом направлении. Решение этой задачи предполагало, прежде всего, разработку методики унифицированного качественного описания, при котором определенные ЭЭГ признаки соотносятся с состоянием мозга и его отдельных структур.