Keywords: QEEG, neurometry, cognitive impairments, dementia

ÖSSZEFOGLALÓ KÖZLEMÉNY KOGNITÍV ZAVAROK VIZSGÁLATA EEG-VEL SZIRMAI Imre, KAMONDI Anita Semmelweis Egyetem, Neurológiai Klinika, Budapest

“Berger was interested in the relation of »α waves« to consciousness from his earliest EEG studies.” (Pierre Gloor, 1969)

EEG INVESTIGATIONS IN COGNITIVE IMPAIRMENTS Szirmai I, MD, PhD; Kamondi A, MD, PhD Ideggyogy Sz 2011;64(1–2):14–23. Az EEG az agy minden fiziológiai és neuropszichológiai mûködésének indikátora. Az α-aktivitást az EEG tanulmányozásának kezdetétôl kulcsnak tekintették a gondolkodás folyamatának megfejtésében. A kvantitatív EEG (QEEG) -módszerek használatának alapja az a feltételezés, hogy a szignifikáns eltérések az egészségesek EEG-je ismérveibôl képezett átlagoktól az agy betegségét bizonyítják. Ezt igazolták Roy John neurometriás QEEG-vizsgálatai. A második módszer az eseményfüggô (event related, ER) technika. Ingerek hatására az EEG megváltozik, a változások mértékébôl és lokalizációjából lehet következtetni az agymûködésre. Az eredmények azonban nemcsak az egyén idegrendszerének sajátosságaitól, hanem a tesztektôl is függnek. Az „attention-intention ciklus modell” leírása hozzájárult az ERD (event related desynchronisation) és ERS (event related synchronisation) jelenségeinek megértéséhez. A QEEG-vizsgálatok bizonyítják, hogy a percepciót és az akaratlagos mozgást maga az agy indítja el, nem pedig a környezet ingerei. Minden tudatos cselekvésünk az intenciótól függ, a „figyelem és a szándék” az agyban más helyeken hoz létre mûködésfokozódást. Mind a statikus, mind a dinamikus neurometriás módszerekkel sikeresen különítették el a dementiában szenvedôk EEG-jét az egészségesekétôl és az egyes dementiákat egymástól. Összegzésül megállapítható, hogy fejlett EEG-analízis-módszerekkel kimutathatók minimális mûködészavarok, ezáltal a klinikai adatok ismeretében segíthetik egyes kórképek elkülönítését. Ezzel szemben, mivel az EEG elemi jelenségek indikátora, nem alkalmas sem az ép, sem a kóros elmemûködés magyarázatára. A gondolkodás zavarát csak gondolkodással lehet megközelíteni, megfelelô tesztvizsgálatok segítségével. A QEEG elemzése alapján a gondolkodással kapcsolatos részfolyamatok idôbeli zajlására, az agyterületek aktivált állapotára, és a területek mûködési hierarchiájára, azaz a bioelektromos jelek keletkezésének mechanizmusára lehet következtetni.

The EEG is an indicator of all physiological and neuropsychological activity. The α rhythm was considered as a key phenomenon in research of human mentation from the discovery of EEG. Two methods are known for the estimation of cognitive deficit by the use of quantitative EEG (QEEG). The first is based on the hypothesis, that the mean values of the normal EEG from healthy volunters can be used as reference, and deviation from the normal values of EEG parameters may suggest disease. This kind of “neurometry” was elaborated by R. E. John. The second method asseses event related (ER) transients evoked by somatosensory and mental stimuli. Quantity and localization of signals may refer to the functional state of the cortex. These reactions depend strongly on the test-paradigms. Recognition of the attention-intention cycle disclosed the psysiological mechanism of ERD (event related desynchronisation) and ERS (event related synchronisation). In contrast with the classical “stimulus-reaction” model, both perception and voluntary movement are iniciated by the brain itself, and not by the environment. Human behavior and conscious actions depend on the intention. QEEG analysis proved that the attention and intention localize in segregate areas of the brain. Both “static” and “dinamic” neurometric methods are able to differenciate the EEG records of demented patients from healthy controls, furthermore some dementias from each other. We conclude that with the help of sofisticated methods of QEEG analysis minimal functional deficit of the electrogenesis can be recognized, which could be helpful in the differential diagnosis Notwithstanding the EEG can not explain the evolution neither the normal or the diseased mental processes. The only “instrument” which is able to approach the human mind is the human cogitation itself with the aids of appropriate tests. The QEEG can be conclusive in the analysis of particular processes of mental activity, such as timing, state of activation, hierarchical organisation of cortical territories and mechanism of electrogenesis.

Kulcsszavak: QEEG, neurometria, gondolkodászavar, dementia

Keywords: QEEG, neurometry, cognitive impairments, dementia

Levelezô szerzô (correspondent): Prof. dr. SZIRMAI Imre egyetemi tanár; 1083 Budapest, Balassa u. 6. Telefon: (06-1) 210-0330, (06-30) 370-7671, e-mail: [email protected] Érkezett: 2010. február 8.

Elfogadva: 2010. február 25.

www.elitmed.hu

14

Szirmai: EEG és a kognitív zavarok

Az alábbi dokumentumot magáncélra töltötték le az eLitMed.hu webportálról. A dokumentum felhasználása a szerzõi jog szabályozása alá esik.

ohn Crosley Shaw1 az elektroencefalogram (EEG) és az emberi értelem kapcsolatáról azt állítja, hogy tanulmányozásának legelsô idôszakától kezdve az α-aktivitást kulcsnak tekintették a gondolkodás folyamatának megfejtésében. Shaw könyvének minden fejezetét Gray Walter2 idézetével kezdi, aki mellett Bristolban dolgozott. Az EEG-t a „mentális aktivitás” indikátorának tartják. A mentális aktivitás fogalma azonban a fiziológia nyelvén nem definiálható. Kézenfekvô volna a problémamegoldó gondolkodást, memóriát, asszociációt és az irányított figyelmet a mentális mûködésekhez sorolni, és elválasztani a nem mentális, úgymint érzékelés, mozgás, emóció és autonóm jelenségek kategóriájától. Az elválasztás azonban az EEG szempontjából nem lehet sikeres, mert az EEG minden, az agyban zajló pszichofiziológiai folyamat (cselekvés elgondolása, indítása, végrehajtása, hatásának elôre látása és befejezése) során megváltozik. Az EEG alkalmazása kezdetétôl Walter3 által megfogalmazott alapvetô kérdés volt, hogy találhatók-e az élettani vagy kórélettani folyamatokban specifikus EEG-jelek. Az emberi intellektuális teljesítmények vizsgálatának módszereit folyamatos EEG-elemzés segítségével – erôsen egyszerûsítve – két csoportba lehet foglalni: – A statikus elemzés abból a hipotézisbôl indul ki, hogy az emberi agyban nincsen soha nyugalmi tevékenység (a tudat lényege, hogy mindig vannak a fejünkben gondolatok). Az EEG jellegzetessége, hogy sztochasztikus és változékony, ami „nyugalomban” is tükrözi az egyének agyának pszichofiziológiai állapotát. Ezekben a vizsgálatokban a vizsgált személyeknek nem kell semmit tenniük. Mivel az egészségesek „normális” EEG-jének ismérvei hasonlók, ezért átlagolhatók; az átlaguk és szórásuk képezi a normális tartományt, amelyhez hasonlítani lehet a vizsgált egyéneket vagy csoportokat. A kóros tartományt statisztikai próbák eredményei jelölik ki. – A dinamikus módszer pszichofiziológiai tesztekkel idéz elô EEG-változásokat, és ezek mértékébôl, zajlásából, és topográfiai eloszlásából von le következtetéseket az agyban végbemenô folyamatokra. A reakciókat az egészségesek körében vagy más populációkban mért standardokhoz viszonyítja. Ezeket eseménnyel kapcsolatos (event related) vizsgálómódszereknek hívjuk.

J

Az α-aktivitás keletkezése Az α-hullám keletkezését thalamocorticalis generátorok mûködésének tulajdonítják. Lopes da Silva4 kísérletes eredményei elfogadhatóak. A pulvinarlátókéreg hurkok létét a parciális koherenciavizs-

gálatok bizonyították. A kéreg oszlopszerû generátoraiban keletkezô ritmusos aktivitás inkább a kéreg felôl változtatható, a thalamusból (nucleus reticularis thalami, centrum medianum) nem. Steriade5 szerint minden ritmus bizonyos viselkedési állapotot tükröz. Az emberi α-tevékenység azonban sok más frekvenciakomponenst is tartalmaz, és az aktivitásmezô a temporalis-parietalis régiókra is kiterjed. Bizonyos frekvenciák az α-tartományon belül nagy területeken jelennek meg, mások viszont jól lokalizáltak. Nunez6 skalp- és duraelvezetésekben egymástól jelentôsen eltérô aktivitásokat regiszrált. Az α-aktivitásban „globális folyamat” (viszonylag lassú álló hullámok) ismerhetô fel. Ez a „hosszú hullámú” tevékenység 10–20 cm távolságokban is magas koherenciaértéket ad; a dinamikusan változó jelek (többnyire a magasabb frekvenciatartományban) kisebb területekrôl vezethetôk el. α-aktivitás nem is egy, hanem két helyen keletkezik. Az egyik forrás a látókéreg, a másik a temporoparietalis kéreg. Ez abból valószínû, hogy vizuális tesztekben a csak intencióval járó folyamatok nem befolyásolják az occipitalis α-tevékenységet, tehát nem okoznak α-gátlást. Az alacsony α-frekvencia arousalra és figyelemre reagál, a magas α-frekvencia inkább a kognitív eseményekre6. Klimesch7 az alacsony és magas frekvenciatartományú α-aktivitás funkcionális különbségére vonatkozó vizsgálatokat végzett az ERD (event related desynchronisation) paradigma használatával egészséges vizsgálati alanyok részvételével. A szóolvasás kezdetét megelôzô idôszakokban figyelmeztetô szignálokat adtak, ezek hatására a 8–10 Hz tartományban az α-teljesítmény emelkedett, az olvasás (imperatív szignál) viszont ezzel ellentétes teljesítménycsökkenéshez vezetett, de csak a 10–12 Hz tartományban. Ebbôl arra következtetett, hogy az alacsony α a vizsgálati alanyok figyelmi aktivitását jelzi, amely fázisszerûen változik, míg a magas α-tartomány deszinkronizációja a feladattal kapcsolatos kognitív teljesítményt tükrözi. Hasonló következtetésre jutottak Ben-Simon és munkatársai8, amikor az α-tartományon belül két, szimultán jelentkezô modulációt különítettek el. Az „indukált α” akkor keletkezett, amikor az egészséges személyek a szemüket nyitották és zárták, a „spontán α” – gyakorlati szóhasználatunk szerint nyugalomban – folyamatosan jelen volt, és független a paradigmától. Ezekkel a komponensekkel (oszcillációkkal) egy idôben felvett fMRI BOLDszignálok eltérôek voltak, nevezetesen az indukált α-mezô a bal oldali temporalis területre és a hippocampusra terjedt ki, a spontán α-mezô viszont a prefrontális corticalis területet és a thalamust foglalta magában. A funkcionális képalkotás és az EEG együttes elemzésébôl arra lehetett következIdeggyogy Sz 2011;64(1–2):14–23.

15


tetni, hogy az α-modulációnak két paralel mintája van, és ezek anatómiai lokalizációja eltérô. Az egyik a szenzoros információra várakozás hatását jelezné, a másik pedig független lenne az ingertôl. A korábbi generátorelméletekkel egybevág, hogy a spontán α-moduláció során erôs BOLD-szignált regisztráltak a thalamusban. A meglepô állítás az, hogy a hippocampus is része az indukált α hálózatának úgy, mint állatkísérletekben9, de embernél a legnagyobb regionális vérátáramlás-változás az indukált α-aktivitással egy idôben a felsô temporalis területen és a szupplementer motoros mezôben regisztrálható. Az „attention-intention ciklus” megismerése hozzájárult a szenzomotoros mûködések és a gondolkodási feladatok alatt kialakuló eseményfüggô EEG-változások értelmezéséhez10. Az élettani folyamatokra vonatkozó szemléletünket hagyományosan az „inger-válasz modell” uralja. Ebben a felfogásban az idegrendszerre ható külsô inger jelentôsége felfokozott, mert ettôl függ az inger ismert hatása alapján megjósolható „válasz”. A percepciót azonban, minden érzékeléssel indított és mozgással kapcsolatos adaptív minta aktiválása elôtt (preload), de különösen a tervezett és tudatos tevékenységekben és válaszokban, nem a környezet, hanem maga az agy indítja el. Az „elôkalkulálás” során az agy a hálózataiban készen álló és hozzáférhetô aktivitás mintái segítségével elôre kiszûri a lényegtelen impulzusokat, beengedi a célbavettet, ezen felül elôre kalkulálja a válasz várható hatását is. Ezáltal az idegrendszer magát szabályozza és reorganizálja. Ugyanezt mondta el Jeannerod11 a mozgásformákról, nevezetesen: „minden akciót egy belül reprezentált cél indít el, és nem a környezet”. Ennek alapján a viselkedésünk és majdnem minden cselekvésünk az intenciótól függ. Az attention (figyelem) és az intention (szándék) két különbözô folyamat, melyeknek elektrofiziológiai bizonyítékait éppen az EEG ritmusos komponensei elemzésével sikerült megtalálni. A figyelem az a jelenség, amely során az agy a bemenetet szabályozza, ezért a figyelem magában foglalja a percepciót. Az intenció, vagyis a szándék viszont a kimenet (output) kiválasztását jelenti, amelyet az akció követ. Ez a két folyamat meghatározott agyi szerkezetekhez köthetô12 . A figyelmi mûködésekben a prefrontális cingularis területek aktívak, az intencióval kapcsolatos hálózat székhelye a parietalis asszociációs kéreg.

Az ERD és az ERS Az α- és β-ERD tükrözi az agykéreg aktivált állapotát az érzô, mozgató és kognitív mûködések hatá-

16

sára. Neuper és Pfurtscheller13 hipotézise, hogy az ERD/ERS mintázat, amelyet az akaratlagos mozgás szervezésére vonatkozó vizsgálatokban „focal ERD/surround ERS”-nek neveztek el, thalamocorticalis mechanizmusra utal, amelyben a cortex fokális aktiválásával egy idôben gátlás alakul ki más kérgi áreákban. A mozgást követô 13–35 Hzes β-szinkronizáció (post movement beta synchonisation, PMBS) a primer motoros kéreg gátolt állapotát jelezné. A β-oszcillációt az agykéreg „rezonancia-” frekvenciájának tartják, amely csökken a mozgás elképzelése során. Általános tapasztalat, hogy a gondolkodással együtt járó figyelem hatására csökken az α-teljesítmény. Ezzel szemben 1966 óta ismert, hogy bizonyos figyelmi folyamatoknál paradox α-aktivitásnövekedés alakulhat ki14. Ezt erôsítette meg Klimesch7 három évtizeddel késôbb. Ilyen esetetekben feltételezhetô, hogy az α-amplitúdó a viselkedésintenció komponensének erôsségétôl függ. Ezzel lehet magyarázni az α-reaktivitás eltérô változását gondolkodással járó feladatokban. Ennek alapján a klasszikus figyelemmodell az α viselkedésében csak a szenzoros-motoros válaszokra volna érvényes. Shaw12 az oculomotoros (tekintés) modellre hivatkozik, melyben a vizuális figyelem – az attentív szakasz – α-fogyással, az intentív szakasz pedig α-szinkronizációval jár. A fenti vizsgálatok kiterjesztését az EEG matematikai elemzô módszereinek fejlôdése tette lehetôvé. Közös sajátosságuk a viszonylag rövid – néhány másodperces – szegmentálás és a változások konkrét szerkezetekhez kötése. A percepció és gondolkodás QEEG-vizsgálataiban felmerült az agyterületek, illetve az agyi hálózatok kapcsolatának és együttmûködésének kérdése, ez tette szükségessé a koherenciavizsgálatok használatát. Petsche15 bécsi laboratóriumában az EEG-koherencia-módszerek a kísérletes epilepsziakutatásokban a tüzelô területek kiterjedésének (a fókuszlokalizációnak) megállapítására szolgáltak. A nyolcvanas évektôl a különbözô tesztek (például alakzatforgatás, verbális tesztek, zenehallgatás stb.) során a skalpról elvezetett EEG-aktivitás különbözô frekvenciatartományaiban mért koherenciavalószínûség pozitív és negatív értékeit ábrázolták felszíni skalptérképek formájában. Ezek relatív értékek voltak, a viszonyítást a teszt elôtti szakaszból az elektródpárokhoz tartozó koherenciaértékek képezték. Késôbb a vizsgálatokat fejlesztették, ezekben bizonyítani kívánták, hogy a percepció és a gondolkodás során az összemért elektródpárokról elvezetett individuális frekvenciateljesítmények koherenciája alapján a féltekében, illetve mindkét oldalon – távoli területek között is – dinamikus kapcsolatok létesülnek15. Petsche az α1-tartományban bekövet-



kezô változásokat legfeljebb a figyelmi mûködésekkel hozta összefüggésbe, a θ-koherenciát és a magas β-tartományban mért nagy koherenciát a mentális teljesítmény jelének vélte, például zenei élmény hatására.

A θ-aktivitás és a memória Az irányított figyelem és a memóriaaktiválás a θtevékenység teljesítményének növekedésével jár. Ez a kiindulópontja számos vizsgálatnak7, 16, amelyekben a memória mûködését és zavarait egészségesek és betegek esetében az EEG elemzésével próbálták validálni. A munkamemória-feladatok kezdetén a korai fázisos θ-aktivitás csökkenését észlelték minimális kognitív deficitben szenvedô betegek esetében. Valószínû azonban, hogy ugyanezt a figyelemmel kapcsolatos szerkezetek csökkent mûködése is okozhatta. Grunwald és munkatársai17 egészségesektôl a haptikus információ visszaidézését kívánták; a tapintott alakzatot szemkontroll nélkül kellett lerajzolni. A reprodukció során θ-szaporulat alakult ki a frontális elvezetésekben. Ebbôl arra következtettek, hogy a munkamemória használata, függetlenül az ingerek (vizuális, akusztikus vagy haptikus) modalitásától, θ-teljesítmény-növekedéssel jár. Itt találkozunk azzal a nézettel, hogy a kifejezett αdeszinkronizáció a hosszú távú szemantikus memóriateljesítményekkel, míg a θ-szinkronizáció az új ismeretek tanulásával (a bevéséssel) kapcsolatos. Ebbôl könnyû arra következtetni, hogy a θszinkronizáció a hippocampo-corticalis kör, a magas-α pedig a thalamo-corticalis kör mûködését jelzi, amely a hosszú távú emlékezést irányítja. Klimesch7 írásából kiderül, hogy honnan származik a θ és a memóriamûködések kapcsolatának hipotézise. Buzsáki18 vizsgálatai szerint patkányban az orientáció és a tér tanulása közben jellegzetesen változik a hippocampalis θ-aktivitás. Klimesch és munkatársai19 felidézés (memória) -vizsgálatok során szintén a frontális θ-aktivitás teljesítményének növekedését találták. Kognitív tesztek alatt a nagyobb frontomedialis θ-teljesítményrôl más szerzôk20 korábban azt gondolták, hogy az elsôsorban a koncentráció és figyelem szintjével, az elülsô cingularis területek fokozott mûködésével függ össze. Nincs bizonyíték arra, hogy a hippocampalis θ a skalpelvezetésekben ember esetében is megjelenik orientáció és tájékozódás közben. Az sem bizonyítható, hogy az állatok tanulási folyamataiban regisztrálható szignálok az emberi memória és tanulás során kialakuló EEG-jelek analógjai.

A neurometria A kvantitatív EEG-analízissel (QEEG) vált lehetôvé, hogy bizonyos neuropszichológiai állapotokban a tünetekkel összefüggésbe hozzanak bioelektromos jeleket. Kényszerbetegségben szenvedô gyermekek esetében a normálistól eltérô EEG-elváltozásokat találtak Klinkerfuss és munkatársai21. A minimális agykárosodás fogalmát gyermekek esetében feltehetôen Satterfield és munkatársai22 vezették be. Korai felismerés az EEG-vel összefüggô olvasásképtelenség (reading dysability) is23. Fuller24 figyelemzavarban szenvedôk esetében a parietooccipitalis α-ritmus redukcióját mutatta ki. Témánk szempontjából legnagyobb jelentôségû EEG-elemzô módszer a „Computer-assisted differential diagnosis of brain dysfunctions”, ami Roy John25 nevéhez fûzôdik. A Clinical EEG and Neuroscience Journal 2009-ben bekövetkezett halála után emlékezett meg róla. Erwin Roy John (1924, Pennsylvania – 2009, New York) szülei Beregszászról az elsô világháború kitörésekor emigráltak Amerikába. A City College elvégzése után New Yorkban a Manhattan Projecten is dolgozott. Baloldali beállítottsága miatt hazájában többször érte hátrányos megkülönböztetés. Önkéntesként vett részt a II. világháborúban, harcolt Németországban. Édesanyja családjának 27 tagját Auschwitzban ölték meg. A chicagói egyetemen szerzett fizikusképesítést, majd pszichológiából PhD-minôsítést. A rochesteri egyetemen agykutató intézetet hozott létre, majd 1963-ban New Yorkba költözött, ahol kutatólaboratóriumot vezetett. Kubai szakmai útjainak eredményeként kiérdemelte a „grandfather of Cuban Neuroscience” címet. 1974-ben hozta létre a Brain Research Laboratoriumot (New York University School of Medicine), amelyet három évtizeden keresztül vezetett mint a pszichiátria professzora. Ô volt az úttörôje az EEG komputerizált értékelésének, melyet neurometriának nevezett el. Tisztelték számos országban, együttmûködött Kuba, Dánia, Franciaország, Németország, Mexikó, Svájc, Törökország és Magyarország tudósaival. John több mint 200 cikket, könyvrészletet, könyvet írt. A Mechanism of Memory26 címû könyvét a tudományterület klasszikus írásmûvei között tartják számon. Hughes és John27 1999-ben foglalták össze a QEEG használatának lehetôségeit a pszichiátriában. Ebben a kiadás elôtti tíz évben született, 500nál több közleményt idéznek, amelyek bizonyos diagnózisokhoz rendelt specifikus EEG-eltérésekrôl számoltak be. Az elsôk között ismerték fel és bizonyították, hogy az Attention Deficit Hyperactivity Disorderben (ADHD = figyelemzavaros hiperaktivitás szindróma) szenvedôk EEG-je a neuromet-

Ideggyogy Sz 2011;64(1–2):14–23.

17


riás mérések alapján eltér az egészséges gyermekekétôl. A tanulási zavarban szenvedôk esetében is kimutathatók jellegzetes EEG-változások. John28 adatbázisa szerint neurometriás méréssel közel 95%-os pontossággal különíthetôk el az alábbi állapotok és diagnosztikai csoportok: 1. a normális EEG a nem normálistól, 2. a normális a depressziós betegekétôl, 3. a primer degeneratív dementiáktól, 4. a szkizofrén betegek EEG-jétôl, 5. a normális EEG az enyhe fokú fejsérültekétôl, 6. a fejsérültek EEG-je a szkizofrénekétôl, 7. a normális EEG a tanulászavarban szenvedôkétôl, 8. a dementia a depressziótól, 9. a normális az ADHD-tól, 10. az ADHD a tanulászavartól, 11. az unipoláris a bipoláris depressziótól. A QEEG-vizsgálat a konvencionális EEG-hez hasonló eltéréseket mutat ki, azaz: a δ-θ teljesítmény növekedését, az átlagfrekvencia csökkenését, a domináns occipitalis α-frekvencia csökkenését és a β-aktivitás redukcióját – számszerûsítve27. A topográfia különösen alkalmas a neurometria eredményeinek ábrázolására, különösen a háttéraktivitás normálistól eltérô regionális változásainak vizsgálatára. Ezzel segíti az alábbi kóros állapotok elkülönítését: a delíriumot a dementiától és a depressziótól, a szkizofréniát a viselkedészavaroktól, elkülönítheti egymástól a „környezet által indukált” (ebben feltehetôen a céllal betegséget választókra gondol) és „endogén” viselkedészavarokat. Az EEG-eltérések alapján felismerhetô az alkoholizmussal és a drogokkal kapcsolatos agyi mûködészavar stb. A módszer összefoglalásából Hughes és John27 ajánlását szó szerint idézem: „Evidence has unequivocally established that »mental illness« has definite correlates with brain dysfunction. ... QEEG promises to have greater expanded use as psychiatrists become more familiar with its many applications.” Még ugyanebben az évben az American Psychiatric Press azt írta, hogy: „in spite of their unquestioned potential, these methods are not adequately represented in daily psychiatric practice”. John neurometriája valóban nem terjedt el szélesebb körben a pszichiátriában és egyes neuropszichiátriai betegségek, köztük a dementiák elkülönítésében. A tárggyal kapcsolatos kutatások száma viszont többszörösére növekedett. John fizikus volt, ezért többször visszatért az idegrendszeri hálózatok mûködésének vizsgálatához. Nagy jelentôségû közleményében felvázolta az EEG-aktivitás keletkezésének hálódiagramját, majd a lokális mezôpotenciálokkal és a γfrekvenciákkal kapcsolatos „binding” hipotézist29. STATIKUS MÓDSZEREK

A fent említett, neurometria alapú QEEG-módszereket, melyek során a „nyugalmi” EEG-tevé-

18

kenységet statisztikai eljárásokkal normálisnak tekintett standardokhoz hasonlítják, „statikus módszereknek” nevezem. Ide sorolhatók Roy John Zscore-vizsgálatai és számos más eljárás. Példaként említjük, hogy Bennys és munkatársai30 a vizsgált személyek gyors és lassú aktivitása arányának használatával képeztek indexet, melynek célja az volt, hogy az EEG-k individuális különbségeibôl adódó szórást kiküszöböljék. Az indexek alapján elkülönültek a normálisak a betegektôl és a Reisberg-féle GDS (global deterioration scale) alapján szétválogatott betegcsoportok is. Alzheimer-betegek EEGaktivitásában jelentôsen csökkent a relatív α- és növekedett a relatív θ-teljesítmény, azonkívül növekedett az „Ω-komplexitás” és a szinkronizáció a 0,5–25 Hz frekvenciatartományban31. Lehmann és Koenig32 abból indultak ki, hogy az α-aktivitást az idôben inhomogén és a másodperc töredéke alatt kialakuló mikroállapotokkal, „kvázi stabil mezô topogramokkal” és ezeknek igen gyors egymásba alakulásával lehet jellemezni. Az agyi aktivitás nagymértékben változékony sztochasztikus jelekbôl áll, ezért változását csak mikroállapotok elemzésével lehet megfelelôen követni. A spontán és a kiváltott gondolkodás egymástól eltérô mikroállapotokkal jellemezhetô, amelynek az „atoms of thought” pszichofiziológiai megjelölést adták Kondakor és munkatársai33. Tíz évvel késôbb nagyszámú enyhe és súlyos Alzheimer-betegen végzett neuralis hálózat és más diszkriminációs módszerekkel 90%-ot megközelítõ specifikusságot és szenzitivitást értek el az Alzheimer-kórban szenvedôk és az egészségesek EEG-jének elkülönítésében34. A degeneratív dementiák elkülönítése mind a pszichometriai módszerek, mind a képalkotó vizsgálatok számára kihívást jelent. Klinikai vizsgálatban az Alzheimer-betegek és a Levy-testes dementiában (LTD) szenvedôk EEG-teljesítményének különbsége derült ki. Nevezetesen LTD-ben sokkal több temporalis lokalizációjú lassú hullámot regisztráltak, mint Alzheimer-betegségben, ezt öszszefüggésbe hozták az acetil-transzferáz nagyobb mértékû fogyásával. A lassú tranziensek (állítólag) magyarázzák az LTD-ben gyakoribb felfogás- és észlelészavarokat35. A mezô-teljesítmény vizsgálatok segítségével Lindau és munkatársai36 a QEEG-vizsgálatokban különbséget találtak a frontotemporalis dementiásnak tartott betegek és az Alzheimer-kórosok között, ugyanis az Alzheimer-dementiában az α-háttéraktivitás csökkent, a gyors aktivitás kevésbé, a frontotemporalis dementiában viszont a gyors aktivitás csökkenése volt kifejezett. Ha a diagnosztikai kategóriák sem tiszták, akkor a kórképek elkülönítése EEG-vel sem lehetséges.



Ez vonatkozik a hibásan „vascularis dementiának” nevezett tüneti csoportra is. Ezekben a folyamatokban a klinikai-neuropszichológiai tünetek nem felelnek meg a corticalis dementiák kritériumainak. Keringészavarral magyarázható fôként idôskori, fokális, vagy több rendszert, gyakran a subcorticalis fehérállományt érintô agykárosodások leggyakoribb tünete az executiv zavar, emellett különbözô mértékben károsodhat a gondolkodás, felfogás, viselkedés stb. Ezeket a folyamatokat EEG-vizsgálattal nem lehetett elkülöníteni az Alzheimer-kórtól a 6,5–12 Hz frekvenciatartományban mért nyugalmi teljesítmény alapján. Ezzel szemben a teljesítményarányok alapján az elkülönítés (állítólag) jobban sikerült, ha a behunyt szemmel és a nyitott szemmel végzett vizsgálatok alatt felvett EEG-teljesítményeket hasonlították össze37. Hasonló próbálkozásnak tartható a „vascularis dementia” és az Alzheimerkór elkülönítése céljából a centrális frekvencia és az α/lassúaktivitás-teljesítmény arány használata kiválasztott elvezetésekben Gawela és munkatársai38 vizsgálataiban. Parkinson-kór elôrehaladott stádiumaiban a betegek 10–60%-a jut el a neuropszichológiai tesztekkel mérhetô gondolkodászavarig. Újabb adatok szerint, több mint nyolc évig tartó kórlefolyás esetén, a betegek több mint 2/3-ában alakul ki dementia39. Az EEG-spektrum változása – elsôsorban a lassú frekvenciatartományok teljesítményének növekedése – a szerzôk szerint „elôre jelzi” a dementiát. Az EEGnek azonban nincs prediktív értéke, ezért az állítást úgy értelmezhetjük, hogy az EEG-vel kimutatható az agykéreg organikus károsodást kísérô mûködészavara. A QEEG-lelet hároméves követésre számolt megbízhatósága Weerd és munkatársai vizsgálataiban 79%-os volt40. A nonlineáris EEG-analízis-módszerek alkalmazásának célja az agy neuralis hálózatai dinamikus mûködésének megítélése. Alzheimer-betegségben a nonlineáris EEG-vizsgálatok kóros eredményt adtak. A korrelációdimenzió és a nonlineáris elôrejelzés adataiból Z-score-t számoltak. A demens betegek korrelációdimenziója sokkal alacsonyabb volt, mint a kontrolloké, fôként a frontális és temporalis elektródpozíciókból elvezetett tevékenységekben. A szerzôk azt állítják, hogy Alzheimer-kórban elôször a lineáris módszerekkel mérhetô dinamizmus romlik, azután a nonlineáris41. A QEEG-vizsgálatokkal követhetô a dementiával járó betegségek progressziója, mivel ezekben ad hoc mérésekkel az egészségesekhez viszonyítva jelentôs eltéréseket mutattak ki. Egészséges személyek EEG-jének jellegzetes ismérvei hosszú idô (hónapok, évek) alatt sem változnak. Kondacs és Szabó42 írták le, hogy az abszolút EEG-teljesítmény, és átlagos α-frekvencia interindividuális va-

riabilitása csekély, sokkal kisebb, mint az egészséges személyek közötti interindividuális variabilitás. Alzheimer-betegek idôszakos QEEG-vizsgálatával megállapították, hogy az abszolút α-teljesítmény csökken és a δ-teljesítmény növekszik mindössze egyéves rövid követési idô alatt is. Ezzel szemben a θ- és β-teljesítmény lényegesen nem változik. A corticalis dementiák korai stádiumában az EEG-elváltozások differenciáldiagnosztikai értéke csekély. Lewy-testes dementiában szenvedôk esetében a domináns aktivitás frekvenciateljesítmény-csökkenése kifejezettebb volt, mint az Alzheimer-betegek esetében43. Soininen és munkatársai44 szerint az abszolút teljesítményértékek a hosszú távú követésben hasznos indikátorok lehetnek, amelyek tükrözhetik a betegek mentális állapotát, ezek mellett azonban a relatív teljesítmény és amplitúdóértékek változását is figyelembe kell venni. DINAMIKUS MÓDSZEREK

Ismert Alzheimer-betegek skalp-EEG-jének koherenciavizsgálata alapján a szógyûjtés- (verbal fluency) vizsgálat alatt a súlyosabb állapotban lévôk értékei szignifikánsan csökkentek az α1-tartományban, fôleg a domináns oldali temporalis elvezetésben45. Az eredmények értékelésénél azonban figyelembe kell venni, hogy az Alzheimerbetegek fenntartott figyelme olyan mértékben szóródik, hogy nagy részük nem alkalmas verbális és szférikus (téralakzatok forgatása fejben) tesztvizsgálatokra. Verbális és lexikális feladatok alatt a skalpra vetített EEG-teljesítmény „microstate” -szakaszok rövidülését tapasztalták gondolkodászavarban szenvedô idôsek esetében, ugyanekkor a szemnyitás reakciójaként elvárható EEG-reaktivitás mértéke is csökkent. Stevens és Kircher46 megjegyezték, hogy a kognitív teszteket alkalmazó „dinamikus módszerek” nem szolgáltattak kiegészítô információt a „statikus” módszerekkel felvett EEG-analízisadatokhoz képest. Ennek ellenére megállapították, hogy az EEG-mikroállapotok (amelyeket rövid ideig tartó β-aktivitás-csoportok képeztek) idôtartamának csökkenése arányos volt a kognitív károsodás mértékével. Ezért terjedt el az a nézet, hogy az EEG temporospatialis dimenzióinak megváltozásával a dementiákban kialakuló gondolkodászavarok súlyossága jellemezhetô. Babiloni és munkatársai47 Loreta-módszerrel48 szoros korrelációt találtak az occipitalis α1 és a fejszámolás teljesítménye között. Az eredmények arra utaltak, hogy a nyugalmi δ- és α-ritmus a fokuszált figyelem alapú rövid távú emlékezés teljesítményével kapcsolatos minimális kognitív deficitben és Alzheimer-betegségben. Molnár és munkatársai49 Ideggyogy Sz 2011;64(1–2):14–23.

19


enyhe alkoholhatásban végeztetett fejszámolás során az Ω-komplexitás és szinkronizáció-valószínûség mérésével megállapították, hogy a munkamemória-feladat során a θ-tartományban növekedett meg a szinkronitás. A dinamikus EEG-vizsgálatok és az összetett analízismódszerek általában nem veszik figyelembe sem a személyenként eltérô individuális frekvenciasávokat, sem a veleszületett és tanulás során kialakult egyéni neuralis hálózatokat, amelyek meghatározzák a gondolkodási stratégiát, például a problémamegoldást kívánó feladatokban. Az elmúlt évtizedben terjedtek el az EEG nonlineáris elemzésének módszerei amelyeket Stam50 útmutatása és szoftvermódszere alapján a komplexitás és a szinkronizációs valószínûség mérésére használnak. A komplexitás a szinkronizáció fokának feszültség- és frekvenciafüggetlen mérését jelenti az EEG-csatornák között. Lineáris módszer, amely a csatornák közötti kovarianciamátrix alapján végrehajtott téri fôkomponens-elemzés. Az Ω legalacsonyabb értéke 1 (maximális szinkronizáció), legmagasabb értéke pedig a csatornák számával egyenlô (nincs korreláció a jelek között). Az EEG-komplexitás és a szinkronizációs valószínûség analízismódszerek használata alapján az agymûködésre levonható következtetések50: 1. a nyugalmi állapotban, a tesztek nélkül regisztrált EEG komplexitása magas, a neuralis hálózat szinkronizációjának foka pedig viszonylag alacsony szintû, 2. az epilepsziások EEG-je hiperszinkron, és erôsen nonlineáris jelek regisztrálhatók, 3. a degeneratív dementiákban az áreák közötti szinkronizáció kórosan alacsony szinten van. A gyorsan és gyakran változó szinkronizáció normális információfeldolgozásra utal, míg mind a hiper-, mind a hiposzinkronizációval járó állapotok az információfeldolgozás alacsony szintjét vagy a felfogás zavarait jelzik.

A thalamus-dysrhythmia elmélet A thalamus és a cortex együttmûködése zavarának leírása és ennek alapján az organikus idegi betegségek jellemzése a „Bottom-Up Versus TopDown” mechanizmus alapján feltehetôen tévedés. Llinas és munkatársai51 szerint az alacsony frekvenciájú hurkok (körök) a kéreg magas frekvenciájú köreivel interakcióban vannak, és széli hatás kiváltása révén pozitív hatást okoznak. Az alapvetô feltevés az, hogy a thalamocorticalis dysrhythmia centrális eredetû, és kóros állapotban a feszültségfüggô ioncsatornák vezetését a thalamus-relésejtek

20

szintjén gátolják, ezzel deaktiválják a T-csatornákat a membrán-hiperpolarizáció révén. Tinnitusban, neurogén fájdalomban, Parkinson-kórban és néhány neuropszichiátriai betegségben, amely a striatum károsodásával függ össze, a dysrhythmiás mechanizmus „bottom up” (felfelé) triggerel, más kóros állapotokban, mint az epilepszia, agykéreg eredetû neuropszichológiai folyamatok, kérgi eredetû neurogén fájdalom, a „top down” effektus gátolja a corticothalamicus bemenetet. A klinikai szempontból heterogén (idegi fájdalom, fülzúgás, Parkinson-betegség és depresszió) betegcsoport magnetoencefalográfiás vizsgálatai a θ-frekvenciatartományok magasabb koherenciáját és ezzel együtt a magas-alacsony frekvenciaoszcillációk koherenciájának növekedését bizonyították (összehasonlítva egészséges kontrollok adataival). Ebbôl arra következtettek, hogy a thalamocorticalis dysrhythmia jelenléte tehetô felelôssé az említett állapotok létrehozásában („These data indicate the presence of thalamocortical dysrhythmia which we propose is responsible for all the above mentioned condition”). Másrészt viszont, Szelies és munkatársai52 vizsgálatának eredményei arra utalnak, hogy az EEG spektrális adatai egyes kórállapotokban indikátoroknak tekinthetôk, ugyanis az agykéreg aktivitásának frekvenciacsökkenése például dementiákban arányos a PET-vizsgálatokkal bizonyított regionális glükózhipometabolizmussal.

Következtetések A dementiák diagnosztikai és prognosztikai céllal végzett EEG-vizsgálatában az értékelés zavarainak forrása az a piori ítéletek használatában keresendô. Ez azt jelenti, hogy mivel az Alzheimer-kór vezetô tünete a memóriazavar, a kognitív vizsgálatokban szenvedô egyének gondolkodászavara elvárható, ezért a kísérletek tervezôi feltételezik, hogy az EEG-vel a gondolkodás zavarait mérik. Mivel az Alzheimer-kór klinikai stádiumai jól jellemezhetôk, az eredmények, tehát az EEG-elváltozások, rendszerint megfelelnek a betegség stádiumainak. Ezeket a stádiumokat azonban EEG-analízissel nem lehet felismerni, hanem csak az eltéréseket lehet hozzárendelni a klinikai és képalkotó vizsgálatok eredményeihez. A dementiákban és a szkizofréniában felvett neurometriás leletek szignifikánsan eltérnek a normálistól és a diagnosztikai csoportokban is különbözôk, mert a betegségeket eltérô agypatológiai elváltozások okozzák28, 34, 36. Az EEG-jelekbôl azonban nem lehet következtetni a mentális mûködések zavaraira általában, mert az analízismódszerek csak



az EEG szervezésében részt vevô szerkezetek, fôként az agykéreg, mûködését tükrözik. Ha ezek azonosak volnának a „magasabb idegtevékenység” szerkezeteivel, akkor szorosabb lenne a kapcsolat az EEG-jelek és a pszichés teljesítmények között. Ez a feltételezés azonban csak részben teljesül. Az EEG személyenként változó individuális szignál, és maga a gondolkodási stratégia is individuális. Dementiában szenvedô betegekbôl nem lehet létrehozni homogén csoportokat, és az individuális EEG-jelek átlagolása nem képes megszüntetni a heterogenitást. Ezért kockázatos az EEG statikus vizsgálata alapján egymástól elkülöníteni a diagnosztikai csoportokat, és a csoportátlagokat az egyénekre is érvényesnek tartani. A betegségek tüneteinek és a betegek EEG-jeleinek összefüggése bizonytalan. Ennek feloldására vállalkoztak a degeneratív dementiákban végzett vizsgálatokban, amelyekben összefüggést keresnek a funkcionális képalkotó leletek és az EEG spektrális jellegzetességei között. Így derült ki a frontális és elülsô centrális területek fMRI BOLD szignál által jelzett hipoperfúziója és a θ-α teljesítmény korrelációja. Megállapították, hogy minél kisebb az α-tartomány teljesítménye és több a θ-aktivitás az EEG-spektrumban, annál kifejezettebb a regionális hipoperfúzió53. Azt viszont az emberi vizsgálatok nem bizonyítják, hogy szoros az összefüggés az agyi elektromos tevékenység spektrális jellegzetességei és a regionális agyi keringés között. Számos fontos kérdés tisztázatlan az emberi EEG ritmusos komponenseinek szervezôdésével és jelentésével kapcsolatban. Többek között az, hogy energetikai szempontból van-e arányosság az ingererôsség és az EEG változásának mértéke között. A funkcionális vizsgálatok eredményei nem egyértelmûek, nem ismerjük, hogy a sorozatos ingerek és ezek felfogása során kialakuló habituációt (vagy tanulást) lehet-e követni EEG-jelek segítségével. Gevins és Schaffer54 már a QEEG alkalmazása kezdetén felhívták a figyelmet három téves feltételezésre („unrealistic assumption”) az agykéreg mûködésének elektrofiziológiai módszerekkel történô kutatásában: 1. Bizalom a tesztek specifikusságában (a tesztek azonban sokkal több változást hoznak létre az agyban annál, amit a kutatók a feladatok tervezése során elvárnak). 2. Az EEG-topográfia alapján feltételezik, hogy a speciális régiók bizonyos funkcionális állapottal jellemezhetôk (holott bonyolult tér-idô hálózatok mûködnek, tehát a lokális jelekbôl nem lehet következtetni a hálózat elemeinek mûködésére). 3. Feltételezik, hogy az EEG változása és az agy információfeldolgozása között egyenes ará-

nyosság van (ez talán részben igaz az 1–3 s alatt lezajló eseményfüggô válaszokra, de nem igaz a dinamikusan változó folyamatos EEG-aktivitásra). Az EEG-válaszok habituációjáról igen keveset tudunk. Mit várhatunk dementiákban a kognitív tesztek QEEG-re gyakorolt hatásától? Azért alkalmazunk memóriafeladatokat Alzheimer-kórban, mert ebben a betegségben a vezetôtünet a memóriazavar. A kérdés az, hogy az EEG-ben bekövetkezô változások jelzik-e a memóriateljesítmények zavarát? Ez nem biztos. Teszthelyzetben, annak céljától függetlenül, sok minden történhet. A betegek elsôsorban a teszt által létrehozott helyzetre reagálnak. Az agykéreg aktiválását, amelyrôl az EEG tudósít, kiválthatja a teljesítmény mérésének tudata miatt kialakuló szorongás, a frusztráció, a szituációban jelen lévô ingerek paralel érzékelése, a figyelem különbözô szintjei, a stresszhelyzettel együtt járó autonóm reakciók és ezek következményei, például az agy vérteltségének növekedése, az önkéntelen hiperventiláció stb55, 56. Helyesebb volna tehát ezekben a vizsgálatokban a memória „mûködésére” vonatkozó következtetés helyett azt közölni, hogy tüneteik alapján hasonló – ezért egy csoportba sorolt – betegek esetében, meghatározott tesztek alatt bekövetkezô EEG-változások elemzése volt a cél. Ezek alapján dementiákban az agyi elektromos tevékenység vizsgálatának hasznára vonatkozó következtetésünk szerénynek látszik. Gondolkodászavarral járó betegségekben nem lehet az egyes kórképekre specifikusnak tartható elváltozásokat találni. Az EEG nem alkalmas sem az ép, sem a kóros elmemûködés magyarázatára, mert csak elemi jelenségek indikátoraként használható. A gondolkodás zavarát és ennek számos alapjelenségét csak gondolkodással lehet megközelíteni, tehát egyszerûsített és kipróbált tesztvizsgálatokkal, melyek eredményeit szintén csak gondolkodással lehet értékelni. A verbális és vizuális asszociációs és memóriatesztvizsgálatokban segítségül hívott EEG elemzése alapján következtetni lehet a felfogással és gondolkodással kapcsolatos agyi folyamatok idô- és térbeli zajlására, az agykéreg aktivált állapotára, a kéregterületek mûködési hierarchiájára és ezek kapcsolatára. Az EEG-nek mint objektív jelzôrendszer használatának egyik legfontosabb feltétele annak megfejtése volna, hogy miképpen keletkeznek az agy elektromos jelei. Ennek tudása nélkül ugyanis kóros állapotokban nem értelmezhetô a jelentésük. Ez a feltétel a számítástechnika és a hibrid módszerek sikeres alkalmazásával részben teljesülhet, azonban szerkezeti agykárosodásokban a tünetek és

Ideggyogy Sz 2011;64(1–2):14–23.

21


az elektrofiziológiai leletek egyeztetése az adatgyûjtés egyetlen célszerû, újabb ismeretekhez vezetô módja. A fenti megfontolások tudomásul vétele egyben azt jelenti, hogy a Hans Berger felfedezése óta eltelt nyolcvan év során – kétségtelenül egyre magasabb szinten az emberi vizsgálatokban és az állatkísérletekben is – folytonosan magát az

elektroencefalográfiát és a módszer alkalmasságát vizsgáljuk. KÖSZÖNETNYILVÁNÍTÁS Köszönjük Karmos György professzor úrnak a kézirat tartalmi javítását és hasznos kritikai észrevételeit.

IRODALOM 1. Shaw JC. The brain’s α rhythms and the mind. Amsterdam: Elsevier Health Sciences, Boston, 2003. 2. Walter WG. “The Living Brain”. WW Norton, 1963. 3. Walter WG. The convergence and New York: interaction of visual auditory and tactile responses in human nonspecific cortex. Ann NY Acad Sci 1956:112:320-61. 4. Lopes da Silva FH, Vos JE, Mooibroek J, Van Rotterdam A. Relative contributions of intracortical and thalamocortical processes in the generation of α rhythms revealed by partial coherence analysis. Electroencephalogr Clin Neurophysiol 1980;50:449-56. 5. Steriade M, Gloor P, Llinas RR, Lopes da Silva FH, Mesulam MM. Basic mechanism of cerebral hythmic activities. Electroencephalogr clin Neurophysiol 1990;76: 481-508. 6. Nunez PL, Srinivasan R (eds). Electric fields of the brain: the neurophysiscs of EEG. Oxford Univ Press 2006. 2nd ed. 7. Klimesch W. EEG α and θ oscillations reflect cognitive and memory performance: a review and analysis. Brain Res Brain Res Rev 1999;29:169-95. 8. Ben-Simon E, Podlipsky I, Arieli A, Zhdanov A, Hendler T. Never Resting Brain: Simultaneous representation of two α related processes in humans. PLoS ONE 2008;3/12: e3984. 9. Schurmann M, Demiralp T, Basar E, Basar Eroglu C. Electroencephalogram α (8–15 Hz) responses to visual stimuli in cat cortex, thalamus, and hippocampus: a distributed α network? Neurosci Lett 2000;292:175-8. 10. Skarda C, Freeman WJ. How brains make chaos in order to make sense of the world. Behavioral and Brain Sciences 1987;10:161-95. 11. Jeannerod M. The representing brain: Neural correlates of motor intention and imagery. Behavioral and Brain Sciences 1994;17:187-245. 12. Shaw JC. Intention as a component of the α-rhythm response to mental activity. International J Psychophysiology 1996;24:7-23. 13. Neuper C, Pfurtscheller G. Event-related dynamics of cortical rhythms: frequency-specific features and functional correlates. Int J Psychophysiol 2001;43:41-58. 14. Morell LK. Some characteristics of stimulus-provoked α activity. Electroenceph Clin Neurophysiol 1966;21:552-61. 15. Bhattachharya J, Petsche H. Phase synchrony analysis of EEG during music perception reveals changes in functional connectivity due to musical expertise. Signal Processing 2005;85:2161-77. 16. Missonnier P, Gold G, Herrmann FR, Fazio-Costa L, Michel JP, Deiber MP, et al. Decreased θ event-related synchronization during working memory activation is associated with progressive mild cognitive impairment. Dement Geriatr Cogn Disord 2006;22:250-9.

22

17. Grunwald M, Weiss T, Krause W, Beyer L, Rost R, Gutberlet I, et al. Power of θ waves in the EEG of human subjects increases during recall of haptic information. Neuroscience Letters 1999;260:189-92. 18. Buzsaki G. Θ rhythm of navigation: link between path integration and landmark navigation, episodic and semantic memory. Hippocampus 2005;15:827-40. 19. Klimesch W, Doppelmayr M, Stadler W, Pollhuber D, Sauseng P, Rohm D. Episodic retrieval is reflected by a process specific increase in human electroencephalographic θ activity. Neurosci Lett 2001;302:49-52. 20. Nakashima K, Sato H. The effects of various mental tasks on appearance of frontal midline θ activity in EEG. J Hum Ergol (Tokyo) 1992;21:201-6. 21. Klinkerfuss GH, Lange PH, Weinberg WA, O’Leary JL. Electroencephalographic abnormalities of children with hyper-kinetic behavior. Neurology 1965;15:883-91. 22. Satterfield DH, Lesser LI, Sand RE, Cantwell DP. EEG aspects of the diagnosis and treatment of minimal brain dysfunctions. Annals of New York Academy of Sciences 1973;205:273-82. 23. Mechelse K, van Gemund JJ, Nije JD, Burg L, Laurs J. Visual and quantitative analysis of EEGs of normal school aged children and school children with specific reading disability. Electroenceph Clin Neurophysiol 1975;39: 106-7. 24. Fuller J. Attention and the EEG α rhythm in learning disabled children learn. Disabil 1978;11:303-12. 25. John ER, Prichep LS, Firdman J, Easton P. Neurometrics: Computer-assisted differential diagnosis of brain dysfunctons. Science 1988;239:162-9. 26. John ER. Mechanisms of memory. New York: Academic Press; 1967. 27. Hughes JR, John ER. Conventional and quantitative electroencephalography in psychiatry. The Journal of Neuropsychiatry and Clinical Neurosciences 1999;11:190-208. 28. John ER, Prichep LS, Almas M. Subtyping of psychiatric patients by cluster analysis of QEEG. Brain Topogr 1992; 4:321-6. 29. John ER. The neurophysics of consciousness. Brain Res Reviews 2002;39:1-28. 30. Bennys K, Rondouin G, Vergnes C, Touchon J. Diagnostic value of quantitative EEG in Alzheimer’s disease. Neurophysiol Clin 2001;3:153-60. 31. Czigler B, Csikos D, Hidasi Z, Gaal Zs, Csibri E, Kiss E, et al. Quantitative EEG in early Alzheimer’s disease patients – Power spectrum and complexity features. Internat J Psychophysiol 2008;68:75-80. 32. Lehmann D, Koenig T. Spatio-temporal dynamics of α brain electric fields, and cognitive modes. International Journal of Psychophysiology 1997;26:99-112. 33. Kondakor I, Lehmann D, Michel CM, Brandeis D, Kochi K,



34.

35.

36.

37.

38.

39.

40. 41.

42. 43.

44.

Koenig K. Prestimulus EEG microstates influence visual event-related potential microstates in field maps with 47 channels. J Neural Transmission 1997;104:161-73. Lehmann Ch, Koenig T, Jelic V, Princhep L, John RE, Wahlund LO, et al. Application and comparison of classification algorithms for recognition of Alzheimer’s disease in electrical brain activity (EEG). J Neuroscience 2007;161:342-50. Briel RCG, McKeith IG, Barker WA Hewitt Y, Perry RH, Ince PG, et al. EEG findings in dementia with Lewy bodies and Alzheimer’s disease. Journal of Neurology, Neurosurgery and Psychiatry 1999;66:401-3. Lindau M, Jelic V, Johansson S, Andersen C, Wahlund L, Almkvist O. Quantitative EEG abnormalities and cognitive dysfunctions in frontotemporal dementia and Alzheimer’s disease. Dement Geriatr Cogn Disord 2003;15:106-14. Signorino M, Puccia E, Brizioli E, Cacchio G, Nolfe G, Angeleria F. EEG power spectrum typical of vascular dementia in a subgroup of Alzheimer patients. Arch Gerontology and Geriatrics 1996;23:139-51. Gawela M, Zalewska E, Szmidt-Sa³kowska E, Kowalski J. The value of quantitative EEG in differential diagnosis of Alzheimer’s disease and subcortical vascular dementia. J Neurol Sci 2009;1:127-33. Aarsland D, Andersen K, Larsen JP, Lolk A, KraghSørensen P. Prevalence and characteristics of dementia in Parkinson disease: an 8-year prospective study. Arch Neurol 2003;60:387-92. Weerd AW de, Perquin M, Jonkman EJ. Role of the EEG in the Prediction of Dementia in Parkinson’s Disease. Dementia 1990;1:115-8. Jelles B, Strijers RLM, Hooijer Ch, Jonker C, Stam CJ, Jonkman EJ. Nonlinear EEG analysis in early Alzheimer’s disease. Acta Neurologica Scandinavica 1999;100: 360-8. Kondacs I, Szabo M. Long-term intra-individual variability of the background EEG in normals. Clin Neurophysiol 1999;110:1708-16. Bonanni L, Thomas A, Tiraboschi P, Perfetti B, Varanese S, Onofrj M. EEG comparisons in early Alzheimer’s disease, dementia with Lewy bodies and Parkinson’s disease with dementia patients with a 2-year follow-up. Brain 2008;131:690-705. Soininen H, Partanen J, Pääkkönen A, Koivisto E, Riekkinen PJ. Changes in absolute power values of EEG spectra in the follow-up of Alzheimer’s disease. Acta neurologica Scandinavica 1991;83:133-6.

45. Le Roc’h K, Rancurel G, Poitrenaud J, Bourgin P, Sebban C. Verbal fluency and EEG coherence in Alzheimer’s disease. Neurophysiol Clin 1993;23:422-33. 46. Stevens A, Kircher T. Cognitive decline unlike normal aging is associated with alterations of EEG temporo-spatial characteristics. Journal European Archives of Psychiatry and Clinical Neuroscience 1998;248:259-66. 47. Babiloni C, Cassetta E, Binetti G, Rossini PM, et al. Resting EEG sources correlate with attentional span in mild cognitive impairment and Alzheimer’s disease. The European Journal of Neuroscience 2007;25:3742-57. 48. Pascual-Marqui RD, Michel CM, Lehmann D. Low resolution electromagnetic tomography: a new method for localizing electrical activity in the brain. International Journal of Psychophysiology 1994;18:49-65. 49. Molnár M, Boha R, Czigler B, Gaál ZsA, Benyovszky M, Róna K, et al. The acute effect of low-dose alcohol on working memory during mental arithmetic II. Changes of nonlinear and linear EEG-complexity in the θ band, heart rate and electrodermal activity. Internat J Psychophysiology 2009;73:138-42. 50. Stam CJ. Nonlinear dynamical analysis of EEG and MEG: review of an emerging field. Clin Neurophysiol 2005; 116:2266-301. 51. Llinás RR, Ribary U, Jeanmonod D, Kronberg E, Partha PM. Thalamocortical dysrhythmia: A neurological and neuropsychiatric syndrome characterized by magnetoencephalography. Proc Natl Acad Sc USA 1999;96:15222-7. 52. Szelies B, Mielke R, Herholz K, Heiss WD. Quantitative topographical EEG compared to FDG PET for classification of vascular and degenerative dementia. Electroencephalogr Clin Neurophysiol 1994;91:131-9. 53. Mattia D, Babiloni F, Romigi A, Cincotti F, Bianchi L, Sperli F, et al. Quantitative EEG and dynamic susceptibility contrast MRI in Alzheimer’s disease: a correlative study. Clinical Neurophysiology 2003;114:1210-6. 54. Gevins AS, Schaffer RE. Critical review of research on EEG correlates of higher cortical functions. CRC Reviews in Bioenginr 1980; pp. 113-64. 55. Szirmai I, Amrein I, Palvolgyi L, Debreczeni R, Kamondi A. Correlation between blood flow velocity in the middle cerebral artery and EEG during cognitive effort. Brain Res Cogn Brain Res 2005;24:33-40. 56. Debreczeni R, Amrein I, Kamondi A, Szirmai I. Hypocapnia induced by involuntary hyperventilation during mental arithmetic reduces cerebral blood flow velocity. Tohoku J Exp Med 2009;217:147-154.

Ideggyogy Sz 2011;64(1–2):14–23.

23


Keywords: QEEG, neurometry, cognitive impairments, dementia

Recommend Documents