По данным Всемирной организации здравоохранения (ВОЗ), депрессия уже вышла на первое место в мире в числе причин неявки на работу, на второе — среди болезней, приводящих к потере трудоспособности. Тенденция к неуклонному росту числа заболевших связана со сложным взаимодействием социальных, психологических и биологических факторов, лежащих в основе депрессии. По прогнозам ВОЗ, депрессия скоро выйдет на первое место среди всех заболеваний, обогнав сердечно-сосудистые и инфекционные. Часто депрессия сопровождатся нарушениями не только эмоциональных, но и вегетативных, двигательных и ряда когнитивных функций, что ведет к снижению профессиональной и социальной адаптации пациентов, а также имеет неблагоприятные социально-психологические и экономические последствия.
Одним из известных объективных методов анализа депрессии является электроэнцефалография (ЭЭГ). По данным Американской нейропсихиатрической ассоциации, чувствительность данных количественного анализа ЭЭГ для выявления депрессий составляет 72—93%, а специфичность — 75—88% [1]. Исследований, посвященных ЭЭГ-коррелятам депрессии, в литературе имеется достаточное количество, они характеризуются богатой феноменологией, но дают мало информации с точки зрения общих нейрофизиологических механизмов, лежащих в основе депрессии [2]. Существенно меньше исследований, в которых используется нелинейный подход к анализу ЭЭГ. Настоящее исследование посвящено рассмотрению показателя энтропии ЭЭГ.
Использование показателя энтропии ЭЭГ дало возможность получить ряд устойчивых взаимосвязей. Показано, что энтропия ЭЭГ позволяет достаточно точно контролировать анестезию [3—5], энтропия спонтанной активности мозга индексирует информационное богатство сознательных состояний [6, 7], отражает уровень сознательной деятельности при мозговых патологиях [8]. Выявлено, что энтропия ЭЭГ представляет свойство нервной системы человека и является уникальной характеристикой стохастической организации функций мозга [9].
Работ, посвященных исследованию ЭЭГ при депрессии и тревожности с помощью методов анализа энтропии ЭЭГ, в литературе существует крайне мало. Продемонстрировано наличие отрицательной корреляции между тяжестью депрессии и величиной энтропии, другими словами чем сильнее выражена депрессия, тем ниже энтропия [10]. Существуют также данные о том, что ЭЭГ различных отделов мозга коррелирует с разным знаком с депрессией, причем положительную корреляцию рассматривают как механизм компенсации [5]. Более высокий уровень энтропии у здоровых отражает более высокую индивидуальную способность к адаптации у лиц с повышенным уровнем тревожности [11, 12]. Показано, что пространственно-временная сложность работы мозга в состоянии покоя, оцениваемая с помощью функциональной магнитно-резонансной томографии (fMRI), может обеспечить адаптивную изменчивость при депрессии [10]. Снижение энтропии при эпилепсии за некоторое время до приступа сопровождается упрощением рисунка ЭЭГ [13, 14].
Подобные данные позволяют предположить, что показатель энтропии ЭЭГ может оказаться полезным для изучения депрессии. Анализ данных литературы показал, что значимые результаты имели место для разных показателей дисперсии ЭЭГ.
Цель исследования — изучение связи между энтропией ЭЭГ и депрессией.
Материал и методы
В экспериментах участвовали 42 женщины, в основном студентки университета, средний возраст 21 год.
Исследование соответствовало всем положениям Хельсинкской декларации и было одобрено Локальным этическим комитетом.
Испытуемые перед электрофизиологической частью эксперимента заполняли психологические тесты Бека, Спилбергера и Вассермана. Как известно, опросник Бека отражает уровень депрессии и позволяет определить степень тяжести депрессивного расстройства. Этот тест считается одним из самых надежных, поскольку его точность подтверждена достаточно длительным опытом проведения и многочисленными испытаниями. Его главное преимущество в том, что он был разработан, опираясь на реальные ощущения пациентов. Это позволило сделать шкалу Бека пригодной для самодиагностики депрессии. Шкала Спилбергера оценивает уровень тревожности, а опросник Вассермана отражает фрустрированность испытуемого. Эти два теста были взяты в связи с имеющимися в литературе представлениями, что тревожность тесно связана с депрессией.
Во второй части эксперимента с помощью цифрового электроэнцефалографа Мицар-ЭЭГ 202 осуществлялась запись фоновой ЭЭГ с открытыми и закрытыми глазами длительностью 1,5 мин в 14 отведениях левого и правого полушарий, установленных в соответствии с международной системой «10—20» (F3, F4, F7, F8, T3, T4, T5, T6, C3, C4, P3, P4, O1, O2). Референтные электроды были установлены на мочках ушей, заземление осуществлялось в позиции Fz. ЭЭГ регистрировалась с частотой квантования 500 Гц и входным импедансом более 200 мОм, уровнем шума менее 0,25 мВ. Использовалась программа WinEEG («Mitsar») (version 2.126.97). Фильтрация ЭЭГ осуществлялась в диапазоне 0,5—40 Гц. Коррекция артефактов осуществлялась с помощью независимого компонентного анализа.
Показатели энтропии ЭЭГ вычислялись с помощью MATLAB, рекуррентная энтропия — с помощью специальной программы (IMreqsgui). Взаимосвязь между показателями энтропии ЭЭГ и психологическими тестами оценивалась с помощью пирсоновской корреляции.
С помощью компьютерных программ осуществлялось вычисление следующих 4 показателей энтропии ЭЭГ: энтропия Шеннона, простая (sample) энтропия, перестановочная (permutation) энтропия и рекуррентная энтропия.
Информационная энтропия (энтропия Шеннона) [15] — это мера количества информации, которую человек получает, когда система принимает одно из возможных значений.
(1)
где x — независимые события; n — количество возможных состояний; i — номер данного события; pi — вероятность данного события.
Чем меньше вероятность появления некоторого значения, тем больше информации приносит о нем происшествие.
Простая (Sample) энтропия [16] — это вариант приближенной энтропии, предназначенный для оценки закономерностей во временных рядах. Преимущество использования этого типа энтропии заключается в том, что он не включает самосогласование выборки и не зависит от длины анализируемого временного ряда. Для вычисления выборочной энтропии, во-первых, необходимо извлечь выборку из m точек из заданного временного ряда. После этого, используя любую функцию расстояния, идентифицируются другие выборки длиной m точек, чтобы они были похожи на первую извлеченную выборку. Затем аналогичным образом обрабатываются выборки из m+1 точек. Наконец, образец энтропии можно определить как:
S=–logP P Ai Bi=–log A B, (2)
где: Ai — количество совпадений длины m+1; Bi — количество совпадений длины m; i — номер образца.
Если временной ряд регулярный и повторяющийся, то A/B близка к 1, а энтропия выборки близка к 0. Напротив, для более случайных и зашумленных данных энтропия выборки достигает больших значений.
Перестановочная (permutation) энтропия [17] учитывает временной порядок значений данного временного ряда. Энтропия определяется аналогично информационной энтропии, за исключением дополнительной подготовки временного ряда: она должна быть преобразована в матрицу перекрывающихся векторов-столбцов, длина которой контролируется параметром порядка n. После этого векторы преобразуются в перестановки.
P=–Xn1 i=1 pπ log2 pπ, (3)
где: n — порядковый номер временного ряда; π — одна из возможных перестановок; pπ — относительная частота данной перестановки.
Рекуррентная энтропия [18, 19]. Данная мера рекуррентной энтропии была разработана в рамках количественного анализа повторяемости (RQA) для определения числовых значений графиков повторяемости. Предлагаемые меры основывались на плотности точек повторения и диагональных структурах диаграммы: индекс подобия (RR), детерминизм (DET), максимальная длина диагональных линий (L), энтропия (ENTR), тренд (TREND). Рекуррентная энтропия сама по себе является модификацией информационной энтропии, основанной на графиках повторяемости. Графики повторения позволяют изучать многомерные процессы, отображая повторение траектории на двумерную бинарную матрицу, в которой l (черная точка) соответствует повторению некоторого предыдущего состояния в данный момент времени. Длина l — это временной интервал, в течение которого система повторно посещает какое-либо состояние.
R = –Xn l=lmin pl log2 pl, (4)
где: n — количество возможных состояний; pl=P Pl n l=lmin Pl, Pl — частотное распределение длин l повторяющегося графика
Вопрос о наличии взаимосвязи между энтропией ЭЭГ и психологическими тестами решался с помощью вычисления множественной корреляции. Для этого была выполнена следующая процедура. Сначала осуществлялся факторный анализ показателя энтропии ЭЭГ методом главных компонент (матрица 14 отведений×42 испытуемых). На следующем этапе вычислялась корреляция первого главного компонента с индивидуальными значениями того или иного из трех психологических тестов.
Результаты
При выполнении теста Бека были получены следующие результаты: отсутствие или легкий уровень депрессии (0—9 баллов) — 29 человек; умеренная депрессия (10—18 баллов) — 4; депрессия средней тяжести (19—29 баллов) — 4; тяжелая депрессия (30—69 баллов) — 5.
В табл. 1 представлены результаты связи первого главного компонента, полученного для каждого типа энтропии, и показателей психологических тестов. Как оказалось, ни один из психологических тестов не обнаружил значимых корреляций ни с одним из показателей энтропии ЭЭГ.
Таблица 1. Корреляции главного компонента для каждого типа энтропии ЭЭГ с показателями психологических тестов (ОГ — открытые глаза; ЗГ — закрытые глаза)
| Тип энтропии | Тест Бека | Тест Спилбергера | Тест Вассермана | |||
| ОГ | ЗГ | ОГ | ЗГ | ОГ | ЗГ | |
| Простая | –0,173 | –0,082 | –0,100 | –0,101 | –0,03 | –0,032 |
| Перестановочная | 0,101 | –0,155 | –0,03 | 0,019 | –0,198 | –0,191 |
| Рекуррентная | –0,27 | –0,118 | –0,255 | –0,28 | –0,09 | –0,042 |
| По Шеннону | 0,007 | –0,015 | –0,013 | –0,037 | 0,171 | –0,028 |
При анализе этого отрицательного результата было принято во внимание следующее обстоятельство. Как известно, опросник Бека включает два компонента: когнитивно-аффективную субшкалу (утверждения 1—13), названную нами Бек1, и субшкалу соматических проявлений депрессии (14—21) (Бек2). В связи с этим нами была вычислена корреляция энтропии ЭЭГ с каждым из этих двух компонентов (табл. 2). Оказалось, что второй показатель (Бек2) обнаружил высокозначимую корреляцию (p≤0,01) с показателем рекуррентной энтропии (см. табл. 2). С целью нормировки второго показателя Бека вычислялся показатель, характеризующий отношение этой шкалы к общему значению (Бек2/Бек). Нормированный показатель оказался достаточно чувствительным и выявил ряд значимых корреляций со всеми четырьмя показателями энтропии ЭЭГ.
Таблица 2. Корреляции показателей Бека с первым главным компонентом энтропии ЭЭГ
| Тип энтропии | Бек | Бек1 | Бек2 | Бек2/Бек | ||||
| ОГ | ЗГ | ОГ | ЗГ | ОГ | ЗГ | ОГ | ЗГ | |
| Простая | –0,173 | –0,082 | –0,128 | –119 | –0,228 | –0,151 | –0,333* | –319* |
| Перестановочная | 0,101 | –0,155 | –0,063 | –0,118 | –0,150 | –0,196 | –0,253 | –0,336* |
| Рекуррентная | –0,27 | –0,118 | –0,161 | –0,083 | –0,422** | –0,161 | –0,379** | –0,150 |
| По Шеннону | 0,007 | –0,015 | 0,104 | 0,054 | –0,176 | –0,14 | –0,418** | –0,213 |
Примечание. * — p≤0,05; ** — p≤0,01; Бек1 — когнитивно-аффективная субшкала; Бек2 — субшкала соматических проявлений депрессии.
Обсуждение
Наличие значимых корреляций энтропии ЭЭГ с показателем шкалы соматических проявлений депрессии (Бек2, Бек2/Бек) может объясняться тем, что эта шкала, в отличие от когнитивно-аффективной части шкалы, более тесно привязана к физиологическому субстрату. Следует подчеркнуть, что, несмотря на отсутствие значимых корреляций энтропии ЭЭГ с показателем Бек, все значения корреляции имеют отрицательный знак, что можно рассматривать как наличие статистической тенденции. Оказалось также, что показатель Бек2 коррелировал с показателем Бек1 на уровне 0,73, это означает, что более 35% симптомов депрессии Бек2 определяется симптомами Бек1. Кроме того, нами была выполнена следующая операция, если из 14 отведений ЭЭГ, зарегистрированных в условии ОГ, исключить следующие 4 отведения: O1, O2, P3, P4, то значение корреляции главного компонента с показателем Бека равнялось –0,46, что соответствовало 1% уровня значимости.
Тот факт, что ни один из вариантов энтропии не обнаружил корреляции с тестом тревожности Спилберга, можно объяснить существующим в литературе представлением о том, что тревожность и депрессия — относительно независимые явления [20].
Заключение
Полученные в настоящем исследовании результаты о наличии значимой обратной связи между энтропией ЭЭГ и депрессией вызывают большой интерес с фундаментальной точки зрения. Если попытаться подвести итоги данных литературы об исследованиях энтропии ЭЭГ, можно сделать следующие выводы: при нарушениях сознания наблюдается снижение энтропии [10]; чем глубже уровень анестезии, тем меньше значения энтропии ЭЭГ [3—5]; результат лечения антидепрессантами определяется сложностью ЭЭГ-сигнала — чем выше сложность, тем выше эффективность лечения [11]; более высокие уровни энтропии связаны с более высокой сложностью динамических систем и, таким образом, коррелируют с уровнем сознания [7]; энтропия является самостоятельным фактором психофизиологической организации индивидуальности, определяющим гибкость и жесткость поведения [9]. В конечном счете энтропия ЭЭГ отражает меру сложности этого процесса. С этой точки зрения оказывается, что чем выше пространственно-временная сложность обработки мозгом информации, тем выше адаптивные способности человека в отношении преодоления депрессии. Вышесказанное позволяет сделать предположение, что испытуемые, имеющие высокие показатели энтропии ЭЭГ, лучше способны противостоять депрессии, не зацикливаться на дезадаптивных идеях, более способны к самоорганизации.
Авторы заявляют об отсутствии конфликта интересов.