RU2787463C1 - Method for diagnosing autism spectrum disorders in children - Google Patents
Method for diagnosing autism spectrum disorders in children Download PDFInfo
- Publication number
- RU2787463C1 RU2787463C1 RU2022109874A RU2022109874A RU2787463C1 RU 2787463 C1 RU2787463 C1 RU 2787463C1 RU 2022109874 A RU2022109874 A RU 2022109874A RU 2022109874 A RU2022109874 A RU 2022109874A RU 2787463 C1 RU2787463 C1 RU 2787463C1
- Authority
- RU
- Russia
- Prior art keywords
- frequency band
- rhythm
- children
- asd
- power
- Prior art date
Links
- 201000007185 autism spectrum disease Diseases 0.000 title claims abstract description 53
- 230000033764 rhythmic process Effects 0.000 claims abstract description 33
- 230000003595 spectral Effects 0.000 claims abstract description 24
- 230000000694 effects Effects 0.000 abstract description 13
- 239000003814 drug Substances 0.000 abstract description 4
- 238000011156 evaluation Methods 0.000 abstract 1
- 239000000126 substance Substances 0.000 abstract 1
- 206010003805 Autism Diseases 0.000 description 12
- 201000002055 autistic disease Diseases 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 11
- 210000004556 Brain Anatomy 0.000 description 8
- 238000003745 diagnosis Methods 0.000 description 7
- 210000003710 Cerebral Cortex Anatomy 0.000 description 4
- 230000035945 sensitivity Effects 0.000 description 4
- 238000007374 clinical diagnostic method Methods 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 206010012562 Developmental disorder Diseases 0.000 description 2
- 230000001149 cognitive Effects 0.000 description 2
- 230000001427 coherent Effects 0.000 description 2
- 230000001054 cortical Effects 0.000 description 2
- 230000002996 emotional Effects 0.000 description 2
- 230000002829 reduced Effects 0.000 description 2
- 201000006062 Asperger syndrome Diseases 0.000 description 1
- 206010003484 Asperger's disease Diseases 0.000 description 1
- 206010061284 Mental disease Diseases 0.000 description 1
- 210000001152 Parietal Lobe Anatomy 0.000 description 1
- 206010062519 Poor quality sleep Diseases 0.000 description 1
- 206010037175 Psychiatric disease Diseases 0.000 description 1
- 206010042602 Supraventricular extrasystoles Diseases 0.000 description 1
- 210000003478 Temporal Lobe Anatomy 0.000 description 1
- 101700063564 UNIV Proteins 0.000 description 1
- 201000007197 atypical autism Diseases 0.000 description 1
- 230000003542 behavioural Effects 0.000 description 1
- 239000000090 biomarker Substances 0.000 description 1
- 230000002490 cerebral Effects 0.000 description 1
- 230000036992 cognitive tasks Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000002354 daily Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000003111 delayed Effects 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000003748 differential diagnosis Methods 0.000 description 1
- 238000000537 electroencephalography Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000004424 eye movement Effects 0.000 description 1
- 230000001815 facial Effects 0.000 description 1
- 230000002650 habitual Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000001900 immune effect Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000003447 ipsilateral Effects 0.000 description 1
- 230000004301 light adaptation Effects 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 230000003340 mental Effects 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 238000000034 method Methods 0.000 description 1
- 230000001537 neural Effects 0.000 description 1
- 230000036403 neuro physiology Effects 0.000 description 1
- 230000000926 neurological Effects 0.000 description 1
- 230000003557 neuropsychological Effects 0.000 description 1
- 230000003534 oscillatory Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000002250 progressing Effects 0.000 description 1
- 230000003304 psychophysiological Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000284 resting Effects 0.000 description 1
- 201000000980 schizophrenia Diseases 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000011273 social behavior Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000002269 spontaneous Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000001225 therapeutic Effects 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 230000001755 vocal Effects 0.000 description 1
Abstract
Description
Изобретение относится к медицине, а именно, к диагностическим методам в психиатрии и может быть использовано для диагностики расстройств аутистического спектра (РАС) у детей.The invention relates to medicine, namely to diagnostic methods in psychiatry and can be used to diagnose autism spectrum disorders (ASD) in children.
Современные эпидемиологические данные оценивают общую распространенность РАС как 6 на 1000 детей. Встречаемость РАС меняется в зависимости от пола, расы и этнической принадлежности, географического района - наиболее подвержены им дети мужского пола белой, европеоидной расы. Соотношение частоты РАС среди девочек и мальчиков по разным данным варьируется в пределах от 2,6:1 до 4:1.Current epidemiological data estimate the overall prevalence of ASD as 6 per 1000 children. The occurrence of ASD varies depending on gender, race and ethnicity, geographical area - male children of the white, Caucasian race are most susceptible to them. The ratio of the frequency of ASD among girls and boys, according to various sources, varies from 2.6:1 to 4:1.
Постановка точного диагноза в психиатрии до сих пор представляет достаточно большую проблему. Это связано с тем, что психиатрические заболевания чаще всего не приводят к выраженным изменениям в организме на уровне морфологии, биохимии или физиологии. Данные анамнеза, клиническая картина и результаты опросников - та информация, которой врач-психиатр располагает при проведении дифференциальной диагностики. А все эти данные, по большому счету, субъективны.Making an accurate diagnosis in psychiatry is still quite a big problem. This is due to the fact that psychiatric diseases most often do not lead to pronounced changes in the body at the level of morphology, biochemistry or physiology. The anamnesis data, the clinical picture and the results of the questionnaires are the information that the psychiatrist has at his disposal when conducting differential diagnosis. And all this data, by and large, is subjective.
Описаны результаты поиска новых диагностических возможностей с использованием энцефалографии (ЭЭГ) (см., например, US 10682096 (В2) WAVE NEUROSCIENCE INC, 16.06.2020; US 2019209097 (Α1) MASSACHUSETTS GEN HOSPITAL, 11.07.2019 и др).The results of the search for new diagnostic possibilities using encephalography (EEG) are described (see, for example, US 10682096 (B2) WAVE NEUROSCIENCE INC, 06/16/2020; US 2019209097 (Α1) MASSACHUSETTS GEN HOSPITAL, 07/11/2019, etc.).
Диагностика РАС (US 2018184964 (A1), CERORA INC, 05.07.2018) может включать установление исходных паттернов мозговых волн субъекта путем выполнения субъектом серии заданий и измерения мозговых волн во время выполнения заданий с помощью устройства для измерения ЭЭГ, применения светового стимула или изображения для глаз субъекта и улавливание движений глаз и/или изменений выражения лица в ответ на световой стимул или изображения, а также предоставление субъекту набора нейропсихологических и когнитивных задач для получения спровоцированной когнитивной оценки субъекта.Diagnosis of ASD (US 2018184964 (A1), CERORA INC, 07/05/2018) may involve establishing the subject's baseline brain wave patterns by performing a series of tasks on the subject and measuring brain waves during the tasks using an EEG measuring device, applying a light stimulus, or imaging to the subject's eye and capturing eye movements and/or changes in facial expression in response to the light stimulus or images, as well as providing the subject with a set of neuropsychological and cognitive tasks to obtain a provoked cognitive assessment of the subject.
Из публикации (Cantor D. S., Thatcher R. W., Hrybyk Μ., Kaye Η. Computerized EEG analyses of autistic children // Journal of autism and developmental disorders. - 1986. - T. 16, №2. - C. 169-187) известно, что у детей с РАС, во время регистрации ЭЭГ с открытыми глазами в состоянии спокойного бодрствования, отмечалось значительное преобладание дельта-и альфа активности, а также высокая степень меж- и внутриполушарной когерентности, снижение амплитудной асимметрии частотных диапазонов. Паттерн активности у этих детей соответствовал наблюдаемому у младенцев, вследствие чего сделан вывод о задержке созревания церебральных функций при РАС.From the publication (Cantor D. S., Thatcher R. W., Hrybyk M., Kaye H. Computerized EEG analyzes of autistic children // Journal of autism and developmental disorders. - 1986. - T. 16, No. 2. - C. 169-187) it is known that in children with ASD, during EEG recording with open eyes in a state of calm wakefulness, there was a significant predominance of delta and alpha activity, as well as a high degree of inter- and intrahemispheric coherence, a decrease in the amplitude asymmetry of frequency ranges. The pattern of activity in these children was consistent with that observed in infants, as a result of which it was concluded that the maturation of cerebral functions was delayed in ASD.
Проведен поиск корреляций между клиническими проявлениями различных форм РАС и параметрами ЭЭГ (см. Якупова Л. и Симашкова Н. Связь нарушений ЭЭГ с клиническими особенностями расстройств аутистического спектра // Вестник Совета молодых ученых и специалистов Челябинской области. - 2016. - Т. 3, №2 (13). - С. 134-137). Обследовано 195 детей аутизмом, и выявлено, что при тяжелых формах РАС наблюдалось снижение мощности альфа-ритмов и доминирование тета-активности, а при легких формах РАС в период ремиссии отмечалось увеличение мю-ритма. Обнаружено, что в передних, центральных и задних корковых отделах коры ГМ у детей с РАС в возрасте от 9 до 14 лет, регистрируется более высокая спектральная мощность альфа ритма, по сравнению с контрольной группой (Sutton S. K., Burnette С.P., Mundy Р. С, Meyer J., Vaughan Α., Sanders С, Yale Μ. Resting cortical brain activity and social behavior in higher functioning children with autism // Journal of Child Psychology and Psychiatry. - 2005. - T. 46, №2. - C. 211-222.A search was made for correlations between the clinical manifestations of various forms of ASD and EEG parameters (see Yakupova L. and Simashkova N. Relationship between EEG disorders and clinical features of autism spectrum disorders // Bulletin of the Council of Young Scientists and Specialists of the Chelyabinsk Region. - 2016. - V. 3, No. 2 (13), pp. 134-137). 195 children with autism were examined, and it was found that in severe forms of ASD, a decrease in the power of alpha rhythms and dominance of theta activity were observed, and in mild forms of ASD, an increase in the mu rhythm was noted during remission. It was found that in the anterior, central and posterior cortical regions of the cerebral cortex in children with ASD aged 9 to 14 years, a higher spectral power of the alpha rhythm was recorded, compared with the control group (Sutton S.K., Burnette C.P., Mundy R C, Meyer J, Vaughan A, Sanders C, Yale M, Resting cortical brain activity and social behavior in higher functioning children with autism, Journal of Child Psychology and Psychiatry, 2005, vol. - C. 211-222.
По данным (Rojas D. C, Wilson L. B. γ-band abnormalities as markers of autism spectrum disorders // Biomarkers in medicine. - 2014. - T. 8, №3. - C. 353-368) пациенты с РАС имеют межполушарную асимметрию, при этом ее характер коррелирует с клинической картиной: чем выше была мощность гамма ритма от левого полушария у подростков с РАС, тем легче были симптомы и наблюдалась большее количество социальных связей.According to (Rojas D. C, Wilson L. B. γ-band abnormalities as markers of autism spectrum disorders // Biomarkers in medicine. - 2014. - V. 8, No. 3. - C. 353-368), patients with ASD have interhemispheric asymmetry , while its character correlates with the clinical picture: the higher the power of the gamma rhythm from the left hemisphere in adolescents with ASD, the milder the symptoms were and the greater the number of social connections was observed.
Известно, что гамма-спектр отражает функцию перцепции и когнитивный потенциал (Орехов Ю.В. Частотно-амплитудные характеристики ЭЭГ и внутрикорковые связи при воспроизведении эмоциональных состояний в норме и при эмоциональной патологии; Ин-т высш. нерв, деятельности и нейрофизиологии РАН М., 2004). Показано, что для детей с РАС характерна высокая активность гамма-ритма и сниженное подавление компонента ЭЭГ Р50, что отражает дезорганизацию процессов возбуждения и торможения. Спектральная мощность фонового гамма-ритма у детей с ранним детским аутизмом (РДА) имеет более высокие значения, чем у нормальных детей. В работе (Cornew L., Roberts Т. P., Blaskey L., Edgar J. С.Resting-state oscillatory activity in autism spectrum disorders // Journal of autism and developmental disorders. ~ 2012. - T. 42, №9. - C. 1884-1894) показано, что у детей с аутизмом регистрировались высокие частоты спонтанного гамма ритма: 30-53 Гц, 62-90 Гц и даже 90-120 Гц в задних височных и теменных долях.It is known that the gamma spectrum reflects the function of perception and cognitive potential (Orekhov Yu.V. Frequency-amplitude characteristics of the EEG and intracortical connections in the reproduction of emotional states in normal and emotional pathology; Institute of Higher Nerve, Activity and Neurophysiology RAS M. , 2004). It has been shown that children with ASD are characterized by high activity of the gamma rhythm and reduced suppression of the P50 EEG component, which reflects the disorganization of the processes of excitation and inhibition. The spectral power of the background gamma rhythm in children with early childhood autism (RAI) has higher values than in normal children. In the work (Cornew L., Roberts T. P., Blaskey L., Edgar J. C. Resting-state oscillatory activity in autism spectrum disorders // Journal of autism and developmental disorders. ~ 2012. - V. 42, No. 9 . - C. 1884-1894) showed that in children with autism, high frequencies of spontaneous gamma rhythm were recorded: 30-53 Hz, 62-90 Hz and even 90-120 Hz in the posterior temporal and parietal lobes.
Наибольший интерес представляет ранняя диагностика РАС, а именно, поиск достоверных предикторов, которые могли бы прогнозировать развитие аутизма у детей первых месяцев жизни, еще до появления любых симптомов.Of greatest interest is the early diagnosis of ASD, namely, the search for reliable predictors that could predict the development of autism in children in the first months of life, even before the onset of any symptoms.
Проведено ЭЭГ обследование 30-ти детей с аутизмом в возрасте от 15 до 19 лет (Dawson G. Early behavioral intervention, brain plasticity, and the prevention of autism spectrum disorder // Development and psychopathology. - 2008. - T. 20, №3. - C. 775-803). Показано, что с помощью результатов количественного анализа ЭЭГ можно дифференцировать детей с аутизмом от здоровых детей.An EEG examination of 30 children with autism aged 15 to 19 years was carried out (Dawson G. Early behavioral intervention, brain plasticity, and the prevention of autism spectrum disorder // Development and psychopathology. - 2008. - V. 20, No. 3 . - C. 775-803). It has been shown that using the results of quantitative EEG analysis, it is possible to differentiate children with autism from healthy children.
Суммируя данные, можно говорить об одновременной повышенной концентрации внимания (фиксации) и патологически замедленной переключаемости внимания у пациентов с аутизмом, что происходит на фоне высокой локальной активности отдельных зон и отсутствия адекватной интеграции работы головного мозга. Однако на данный момент не существует высокоспецифичного способа диагностики РАС с помощью ЭЭГ.Summarizing the data, we can talk about the simultaneous increased concentration of attention (fixation) and pathologically slow switching of attention in patients with autism, which occurs against the background of high local activity of individual areas and the lack of adequate integration of the brain. However, at the moment there is no highly specific way to diagnose ASD using EEG.
Известен способ диагностики психического расстройства, состоящий в проведении компьютерного электроэнцефалографического исследования с использованием отведений «10-20» и ушных ипсилатеральных электродов в качестве референтных, с последующим спектральным и когерентным анализом [RU 2676657 С1, РНИМУ им. Н.И. Пирогова, 09.01.2019]. Определяют показатели спектральной мощности в диапазоне частот 4-8 Гц и в диапазоне частот 0,5-30 Гц в отведении F3, показатель спектральной мощности в диапазоне 20-21,5 Гц в отведении F4; коэффициенты внутриполушарной когерентности в частотном диапазоне 12-13 Гц между отведениями Т3-01, в частотном диапазоне 29-30,5 Гц между отведениями F3-C3 и в частотном диапазоне 5-6 Гц между отведениями Т4-С4, далее вычисляют показатель Y, при значении которого меньше нуля у испытуемого диагностируют психическое заболевание. Недостатком этого технического решения является относительно узкая область применения, ограниченная возможностью диагностирования только шизофрении.A known method for diagnosing a mental disorder, which consists in conducting a computer electroencephalographic study using leads "10-20" and ear ipsilateral electrodes as a reference, followed by spectral and coherent analysis [RU 2676657 C1, RNIMU them. N.I. Pirogov, 01/09/2019]. Spectral power indicators are determined in the frequency range of 4-8 Hz and in the frequency range of 0.5-30 Hz in lead F3, the spectral power indicator in the range of 20-21.5 Hz in lead F4; coefficients of intrahemispheric coherence in the frequency range of 12-13 Hz between leads T3-01, in the frequency range of 29-30.5 Hz between leads F3-C3 and in the frequency range of 5-6 Hz between leads T4-C4, then the Y index is calculated, with the value of which is less than zero, the subject is diagnosed with a mental illness. The disadvantage of this technical solution is a relatively narrow scope, limited by the possibility of diagnosing only schizophrenia.
Известен также способ диагностики риска возникновения РАС у детей [RU 2655073 С2, Мигачев, 23.05.2018], согласно которому вывод о принадлежности обследуемого к какой-либо группе риска по возникновению РАС делается на основании анализа и оценки биометрических показателей обследуемого за период мониторинга, включающего в себя не менее одного цикла дневной активности в привычных условиях и под воздействием типичных нагрузок, на соответствие биометрическим показателям психофизиологических состояний, специфичных для РАС. По обработанным данным рассчитывают коэффициент риска (Кр) как средневзвешенный по всем интервалам показатель числовых коэффициентов, на основе полученного числового значения коэффициента риска (Кр) делают вывод о принадлежности обследуемого к какой-либо группе риска по возникновению расстройств аутистического спектра (РАС).There is also a method for diagnosing the risk of developing ASD in children [RU 2655073 C2, Migachev, 05/23/2018], according to which the conclusion about the belonging of the subject to any risk group for the occurrence of ASD is made on the basis of the analysis and assessment of biometric indicators of the subject during the monitoring period, including include at least one cycle of daily activity under habitual conditions and under the influence of typical loads, for compliance with biometric indicators of psychophysiological states specific to ASD. Based on the processed data, the risk coefficient (Kr) is calculated as a weighted average of the numerical coefficients over all intervals, on the basis of the obtained numerical value of the risk coefficient (Kr), a conclusion is made about whether the subject belongs to any risk group for the occurrence of autism spectrum disorders (ASD).
Недостатком способа является относительно низкая точность диагностики, что обусловлено субъективным характером диагностики.The disadvantage of this method is the relatively low accuracy of diagnosis, due to the subjective nature of the diagnosis.
Описан способ диагностики РАС с использованием сигналов ЭЭГ (WO 2018104751 (А1), UNIV LANCASTER, 14.06.2018). Способ по настоящему изобретению включает этапы: предоставления данных сигнала электроэнцефалографии (ЭЭГ) от субъекта; получение одного или более параметров ЭЭГ из данных сигнала ЭЭГ, при этом параметр ЭЭГ имеет значение параметра; и анализ одного или нескольких параметров ЭЭГ путем сравнения значения параметра со значением контрольного параметра, чтобы определить, есть ли у субъекта РАС, есть ли риск развития РАС, есть ли РАС, который прогрессирует, или РАС реагирует на терапию. Один или более параметров ЭЭГ выбирают из группы, включающей общую мощность вейвлета, когерентность вейвлета и фазовую когерентность вейвлета. Недостаток способа состоит в том, что обработке подлежит большое количество параметров и отсутствует интегральный показатель, с помощью которого можно было бы отследить динамику состояния пациента после различных терапевтических воздействий.A method for diagnosing RAS using EEG signals is described (WO 2018104751 (A1), UNIV LANCASTER, 06/14/2018). The method of the present invention includes the steps of: providing electroencephalography (EEG) signal data from a subject; deriving one or more EEG parameters from the EEG signal data, wherein the EEG parameter has a parameter value; and analyzing one or more EEG parameters by comparing the parameter value with a control parameter value to determine if the subject has an ASD, is at risk of developing an ASD, is an ASD that is progressing, or an ASD is responding to therapy. One or more EEG parameters are selected from the group including total wavelet power, wavelet coherence, and wavelet phase coherence. The disadvantage of this method is that a large number of parameters are subject to processing and there is no integral indicator with which it would be possible to track the dynamics of the patient's condition after various therapeutic interventions.
Наиболее близким по технической сущности к патентуемому является способ диагностики РАС у детей (RU 2643760 С1, "НАУЧНЫЙ ЦЕНТР ПСИХИЧЕСКОГО ЗДОРОВЬЯ", 05.02.2018 - прототип). Проводят нейрофизиологическое обследование путем определения особенностей биоэлектрической активности мозга пациента при ЭЭГ, преимущественно в диапазоне бета- и тета-ритмов. При этом дополнительно проводят иммунологическое исследование, что, однако, усложняет скрининг РАС, а кроме того, по результатам ЭЭГ не приводятся критерии РАС для пациента.The closest in technical essence to the patented one is a method for diagnosing ASD in children (RU 2643760 C1, "SCIENTIFIC CENTER OF MENTAL HEALTH", 05.02.2018 - prototype). Conduct neurophysiological examination by determining the characteristics of the bioelectrical activity of the patient's brain in the EEG, mainly in the range of beta and theta rhythms. At the same time, an immunological study is additionally carried out, which, however, complicates the screening of ASD, and in addition, according to the results of the EEG, ASD criteria for the patient are not given.
Настоящее изобретение направлено на скрининг расстройств аутистического спектра у детей.The present invention is directed to screening for autism spectrum disorders in children.
Способ диагностики расстройств аутистического спектра у детей включает регистрацию электроэнцефалограммы с использованием международной схемы расположения электродов «10-20» с объединенным ушным электродом, при котором:A method for diagnosing autism spectrum disorders in children includes recording an electroencephalogram using the international "10-20" electrode layout with a combined ear electrode, in which:
в отведении Т5 определяют показатели спектральной мощности альфа-ритма в полосе частот 8-13 Гц и суммарной мощности дельта-ритма в полосе частот 1-4 Гц;in lead T5, the indicators of the spectral power of the alpha rhythm in the frequency band of 8-13 Hz and the total power of the delta rhythm in the frequency band of 1-4 Hz are determined;
в отведении С3 определяют показатель спектральной мощности тета-ритма в полосе частот 4-8 Гц;in lead C3, the index of the spectral power of the theta rhythm in the frequency band of 4-8 Hz is determined;
между отведениями Р4 и Р3 определяют нормализованную когерентность тета-ритма в полосе частот 4-8 Гц;between leads P4 and P3 determine the normalized coherence of the theta rhythm in the frequency band 4-8 Hz;
после чего рассчитывают показатель Υ по формуле:after which the indicator Υ is calculated by the formula:
Υ=-3,5×Α - 1,7×В - 3,0×D - 5,14;Υ=-3.5×Α - 1.7×B - 3.0×D - 5.14;
где: А - натуральный логарифм отношения показателя спектральной мощности альфа-ритма в полосе частот 8-13 Гц к суммарной мощности дельта-ритма в полосе частот 1-4 Гц в отведении Т5;where: A is the natural logarithm of the ratio of the spectral power of the alpha rhythm in the frequency band of 8-13 Hz to the total power of the delta rhythm in the frequency band of 1-4 Hz in lead T5;
В - показатель нормализованной когерентности тета-ритма в полосе частот 4-8 Гц между отведениями Р4 и РЗ, рассчитанная по формуле В=Ln(C2/(1-С2)), где С - квадрат модуля когерентности;B - indicator of normalized coherence of theta rhythm in the frequency band of 4-8 Hz between leads P4 and R3, calculated by the formula B=Ln(C 2 /(1-C 2 )), where C is the square of the coherence modulus;
D - нормализованная относительная мощность в тета-стандартной полосе 4-8 Гц, вычисляемая по формуле D=Ln(S/(100-S)), где S - отношение мощности в диапазоне 4-8 Гц к суммарной мощности в диапазоне 1-30 Гц, в процентах, на отведении С3;D is the normalized relative power in the theta standard band 4-8 Hz, calculated by the formula D=Ln(S/(100-S)), where S is the ratio of the power in the range 4-8 Hz to the total power in the range 1-30 Hz, in percent, on lead C3;
и при значении показателя Υ равного или больше нуля у испытуемого диагностируют РАС.and when the value of the indicator Υ is equal to or greater than zero, the subject is diagnosed with ASD.
Технический результат - повышение точности с чувствительностью 89% и специфичностью 85% и, таким образом, повышение достоверности диагностики РАС при использовании средств объективного контроля.The technical result is an increase in accuracy with a sensitivity of 89% and a specificity of 85% and, thus, an increase in the reliability of the diagnosis of ASD when using means of objective control.
Патентуемый способ диагностики РАС у детей и его сравнительная эффективность реализуются следующим образом.The patented method for diagnosing ASD in children and its comparative effectiveness are implemented as follows.
Для проведения исследований была выбрана группа детей и подростков из 126 человек с расстройствами аутистического спектра в возрасте от 3-х до 19 лет. Клинический диагноз у них был поставлен врачами психиатрами: расстройства аутистического расстройства (F84.0), синдром Аспергера (F84.5) или атипичный аутизм (F84.1) в соответствии с МКБ-10 (World Health 1992). Помимо этого, родители детей заполняли социально-коммуникативный опросник SCQ (Раттер М., Бэйли Э., Лорд К. SCQ // Социально-коммуникативный опросник: руководство / Перевод на русский язык и адаптация А. Моховикова, О. Донец, Е. Давыдовой, А. Сорокина [Б. м.]: Western Psychological Services. - 2014).A group of children and adolescents from 126 people with autism spectrum disorders aged 3 to 19 was selected for the study. They were clinically diagnosed by psychiatrists as autistic disorder (F84.0), Asperger's syndrome (F84.5) or atypical autism (F84.1) according to ICD-10 (World Health 1992). In addition, the parents of the children filled out the social and communicative questionnaire SCQ (Rutter M., Bailey E., Lord K. SCQ // Social and communicative questionnaire: a guide / Translation into Russian and adaptation by A. Mokhovikova, O. Donets, E. Davydova , A. Sorokina [B. m.]: Western Psychological Services. - 2014).
Если суммарный балл по этому опроснику был 15 и выше, испытуемые включались в выборку.If the total score on this questionnaire was 15 or higher, the subjects were included in the sample.
Дети и подростки типичного развития (нормотипичные «НТ» дети) были набраны из детских садов и массовых школ, большинство из которых исследовались лонгитюдно. У них не было истории неврологических или психических заболеваний, все впоследствии успешно окончили среднюю, профессиональную или высшую школу. ЭЭГ нормотипичных детей были случайным образом выбраны из 700-исследований нормативной базы данных ЭЭГ.Children and adolescents of typical development (normotypical "NT" children) were recruited from kindergartens and public schools, most of which were studied longitudinally. They had no history of neurological or psychiatric illness, and all subsequently successfully graduated from high school, vocational school, or high school. The EEGs of normotypical children were randomly selected from 700 EEG normative database studies.
Проведение ЭЭГ-исследований осуществляют следующим образом.Conducting EEG studies is carried out as follows.
Всем испытуемым производили запись ЭЭГ в состоянии покоя (с закрытыми глазами) от 16 электродов, расположенных по системе 10-20% в следующих зонах коры головного мозга: F3, F4, F7, F8, СЗ, Cz, С4, Р3, Pz, Р4, 01, 02, ТЗ, Т4, Т5, Т6 с объединенным ушным электродом (А1+А2) с помощью Комплекса аппаратно-программного для анализа и топографического картирования электрической активности мозга Нейро-КМ EEG, производства Научно-медицинской фирмы «Статокин», г. Москва.All subjects were recorded EEG at rest (eyes closed) from 16 electrodes located in the 10-20% system in the following areas of the cerebral cortex: F3, F4, F7, F8, C3, Cz, C4, P3, Pz, P4 , 01, 02, T3, T4, T5, T6 with a combined ear electrode (A1 + A2) using the Neuro-KM EEG hardware-software complex for analysis and topographic mapping of the electrical activity of the brain, manufactured by the Scientific and Medical Company "Statokin", g . Moscow.
Преобразование Фурье было проведено на отрезках ЭЭГ не менее 20 с целью определения спектральной мощности и других спектральных характеристик для стандартных полос частот (дельта 1-4 Гц, тета 4-7 Гц, альфа 8-13 Гц, бета-1 13-20 Гц и бета-2 (20-30 Гц) и узких частотных полос с шагом 1, 1,5 и 2 Гц. - полосы частот.The Fourier transform was carried out on EEG segments of at least 20 in order to determine the spectral power and other spectral characteristics for standard frequency bands (delta 1-4 Hz, theta 4-7 Hz, alpha 8-13 Hz, beta-1 13-20 Hz and beta-2 (20-30 Hz) and narrow frequency bands with steps of 1, 1.5 and 2 Hz - frequency bands.
Значения сравнивались с нормативной базой данных 700 записей ЭЭГ нормотипичных детей, разделенных в возрастные группы по 1 году.The values were compared with a normative database of 700 EEG records of normotypical children divided into age groups of 1 year.
Спектральный и когерентный анализ ЭЭГ проводили при помощи Программного комплекса для анализа и топографического картирования электрической активности мозга с нейрометрическим банком ЭЭГ-данных «Brainsys» (Свидетельство о государственной регистрации программы для ЭВМ №2019666977), далее «программа «Brainsys».Spectral and coherent analysis of the EEG was performed using the software package for analysis and topographic mapping of the electrical activity of the brain with the neurometric EEG data bank "Brainsys" (Certificate of state registration of the computer program No. 2019666977), hereinafter referred to as the "Brainsys" program.
Всем испытуемым для каждого из стандартных отведений системы 10-20% с шагом 1, 1,5 и 2 Гц и для стандартных частотных диапазонов (дельта, тета, альфа, бета1 и бета2) были рассчитаны следующие параметры ЭЭГ, имеющих приблизительно нормальное распределение [4]:For all subjects, for each of the standard leads of the system 10-20% with steps of 1, 1.5 and 2 Hz and for standard frequency ranges (delta, theta, alpha, beta1 and beta2), the following EEG parameters were calculated, which have an approximately normal distribution [4 ]:
- натуральный логарифм от мощности Ln(P), где Ρ - спектральная мощность в определенной частотной полосе;is the natural logarithm of the power Ln(P), where Ρ is the spectral power in a certain frequency band;
- нормализованная когерентность LCoh в заданной полосе между заданными отведениями (по формуле LCoh=Ln(C2/(1-С2)), где С2 - квадрат модуля когерентности между отведениями в указанной полосе),- normalized coherence LCoh in a given band between given leads (according to the formula LCoh=Ln(C 2 /(1-C 2 )), where C 2 is the square of the modulus of coherence between leads in the specified band),
- нормализованная (приведенная к нормальному распределению) относительная мощность LRP в заданной частотной полосе, вычисляемая по формуле: LRP=Ln(P(%)/(100-P(%), где Р(%) - мощность в данной полосе.- normalized (reduced to normal distribution) relative power LRP in a given frequency band, calculated by the formula: LRP=Ln(P(%)/(100-P(%), where P(%) is the power in this band.
Значительные различия между группами были обнаружены в полосах частот дельта, альфа и бета-2 почти во всех областях коры головного мозга.Significant differences between groups were found in the delta, alpha, and beta-2 frequency bands in almost all areas of the cerebral cortex.
Дети и подростки с РАС демонстрируют более высокую спектральную мощность в дельта- и бета-2-диапазонах и более низкую спектральную мощность в альфа-диапазоне по сравнению с НТ детьми.Children and adolescents with ASD show higher delta and beta 2 spectral power and lower alpha spectral power compared to NT children.
В полосе частот бета-1 спектральная мощность была выше у. детей и подростков с РАС в лобных и височных областях коры головного мозга.In the beta-1 frequency band, the spectral power was higher than y. children and adolescents with ASD in the frontal and temporal areas of the cerebral cortex.
Дискриминантный анализ ЭЭГ.Discriminant analysis of EEG.
Наличие таких выраженных различий по данным спектральных характеристик дало основание использовать дискриминантный анализ для получения линейной дискриминантной функции для различения ЭЭГ детей и подростков с РАС и НТ детей с высокой чувствительностью и специфичностью.The presence of such pronounced differences according to the data of spectral characteristics made it possible to use discriminant analysis to obtain a linear discriminant function to distinguish between the EEG of children and adolescents with ASD and NT in children with high sensitivity and specificity.
Результаты дискриминантного анализа ЭЭГ при различении в два класса: «норма» и «аутизм», выполненного с использованием пакета дискриминантного анализа программы «Brainsys», позволили получить уравнение регрессии линейной дискриминантной функции (ЛДФ) с тремя предикторами.The results of the EEG discriminant analysis when distinguishing between two classes: “normal” and “autism”, performed using the discriminant analysis package of the Brainsys program, made it possible to obtain a linear discriminant function (LDF) regression equation with three predictors.
Чтобы избежать эффекта переобучения, исходные данные были разделены на три набора: обучающий (50%), подтверждающий (25%) и тестирующий (25%), причем тестирующий набор использовался для оценки обобщающей способности (т.е. способность подтвердить чувствительность и специфичность на новых независимых выборках) только в самом конце анализа (The elements of statistical learning: data mining, inference, and prediction. / Hastie Т., Tibshirani R., Friedman J. H., Friedman J. H.: Springer, 2009).To avoid the effect of overfitting, the original data were divided into three sets: training (50%), confirmatory (25%), and testing (25%), with the testing set being used to evaluate generalization ability (i.e., the ability to confirm sensitivity and specificity on new independent samples) only at the very end of the analysis (The elements of statistical learning: data mining, inference, and prediction. / Hastie T., Tibshirani R., Friedman J. H., Friedman J. H.: Springer, 2009).
Посредством метода пошагового включения предикторов была найдена линейная дискриминантная функция (ЛДФ) с чувствительностью 89% и специфичностью 85% для трех предикторов со следующими коэффициентами:Using the method of stepwise inclusion of predictors, a linear discriminant function (LDF) was found with a sensitivity of 89% and a specificity of 85% for three predictors with the following coefficients:
Y=-3,5×А - 1,7×В - 3,0×D - 5,14;Y=-3.5xA - 1.7xB - 3.0xD - 5.14;
где: А - натуральный логарифм отношения показателя спектральной мощности альфа-ритма в полосе частот 8-13 Гц к суммарной мощности дельта-ритма в полосе частот 1-4 Гц в отведении Т5;where: A is the natural logarithm of the ratio of the spectral power of the alpha rhythm in the frequency band of 8-13 Hz to the total power of the delta rhythm in the frequency band of 1-4 Hz in lead T5;
В - показатель нормализованной когерентности тета-ритма в полосе частот 4-8 Гц между отведениями Р4 и Р3, рассчитанная по формуле В=Ln(C2/(1-С2)), где С - квадрат модуля когерентности;B is an indicator of the normalized coherence of the theta rhythm in the frequency band of 4-8 Hz between leads P4 and P3, calculated by the formula B=Ln(C 2 /(1-C 2 )), where C is the square of the coherence modulus;
D - нормализованная относительная мощность в тета-стандартной полосе 4-8 Гц, вычисляемая по формуле D=Ln(S/(100-S)), где S - отношение мощности в диапазоне 4-8 Гц к суммарной мощности в диапазоне 1-30 Гц, в процентах, на отведении С3. Если Y≥0, то пациента относят к РАС, если Υ<0, то к НТ.D is the normalized relative power in the theta standard band 4-8 Hz, calculated by the formula D=Ln(S/(100-S)), where S is the ratio of the power in the range 4-8 Hz to the total power in the range 1-30 Hz, in percent, on lead C3. If Y≥0, then the patient is referred to as RAS, if Υ<0, then to NT.
Квадрат расстояния Махаланобиса между центрами обучающих выборок составил 6,9, что теоретически соответствует 9% вероятности ошибочной классификации (Андерсон Т. Введение в многомерный статистический анализ // М.: Физматгиз. - 1963. - Т. 500. - С. 1).The square of the Mahalanobis distance between the centers of the training samples was 6.9, which theoretically corresponds to a 9% probability of misclassification (Anderson T. Introduction to multivariate statistical analysis // M.: Fizmatgiz. - 1963. - T. 500. - P. 1).
Прогностическая валидность разделения РАС и НТ представлена в таблице 1.The predictive validity of the separation of RAS and NT is presented in Table 1.
Способ диагностики РАС у детей реализуют следующим образом.The method for diagnosing ASD in children is implemented as follows.
У пациента регистрируют электроэнцефалограмму с использованием международной схемы расположения электродов 10-20% с объединенным ушным электродом. Определяют значение логарифма спектральной мощности альфа-ритма в диапазоне 8-13 Гц в отведении Т5, деленное на показатель суммарной мощности в полосе частот 1-4 Гц в отведении Т5, нормализованную когерентность в тета-стандартной полосе 4-8 Гц между отведениями Р4 и Р3, а также логарифм мощности в тета-стандартной полосе 4-8 Гц в отведении С3.An electroencephalogram is recorded in a patient using an international electrode arrangement of 10-20% with a combined ear electrode. The value of the logarithm of the spectral power of the alpha rhythm in the range of 8-13 Hz in lead T5 is determined, divided by the indicator of the total power in the frequency band of 1-4 Hz in lead T5, the normalized coherence in the theta standard band of 4-8 Hz between leads P4 and P3 , as well as the logarithm of power in the theta-standard band 4-8 Hz in lead C3.
Это позволяет рассчитать показательThis makes it possible to calculate the
Υ=-3,5×Α - 1,7×В - 3,0×D - 5,14;Υ=-3.5×Α - 1.7×B - 3.0×D - 5.14;
где: А - натуральный логарифм отношения показателя спектральной мощности альфа-ритма в полосе частот 8-13 Гц к суммарной мощности дельта-ритма в полосе частот 1-4 Гц в отведении Т5;where: A is the natural logarithm of the ratio of the spectral power of the alpha rhythm in the frequency band of 8-13 Hz to the total power of the delta rhythm in the frequency band of 1-4 Hz in lead T5;
В - показатель нормализованной когерентности тета-ритма в полосе частот 4-8 Гц между отведениями Р4 и Р3, рассчитанная по формуле В=Ln(C2/(1-С2)), где С - квадрат модуля когерентности;B is an indicator of the normalized coherence of the theta rhythm in the frequency band of 4-8 Hz between leads P4 and P3, calculated by the formula B=Ln(C 2 /(1-C 2 )), where C is the square of the coherence modulus;
D - нормализованная относительная мощность в тета-стандартной полосе 4-8 Гц, вычисляемая по формуле D=Ln(S/(100-S)), где S - отношение мощности в диапазоне 4-8 Гц к суммарной мощности в диапазоне 1-30 Гц, в процентах, на отведении С3.D is the normalized relative power in the theta standard band 4-8 Hz, calculated by the formula D=Ln(S/(100-S)), where S is the ratio of the power in the range 4-8 Hz to the total power in the range 1-30 Hz, in percent, on lead C3.
При значении показателя Y≥0 у испытуемого диагностируют РАС, а при значении показателя Υ<0 пациента относят в НТIf the value of the indicator Y≥0, the subject is diagnosed with ASD, and if the value of the indicator Υ<0, the patient is referred to NT
Достижение технического результата подтверждается приведенными клиническими примерами.The achievement of the technical result is confirmed by the given clinical examples.
Пример 1. Испытуемый С-в, м, 6 летExample 1. Subject S-v, m, 6 years old
Исходные данные для диагностики приведены в таблице:The initial data for diagnostics are given in the table:
Полученные данные подставляем в формулу дискриминантной функции:We substitute the obtained data into the formula of the discriminant function:
Υ=-5,14 - 3,50×(-0,98) - 1,70×(-0,72) - 3,00×(-0,91)=2,22>0 Вывод: при значении функции Υ>0 испытуемого С-ва относят к группе РАС.Υ=-5.14 - 3.50×(-0.98) - 1.70×(-0.72) - 3.00×(-0.91)=2.22>0 Υ>0 of the subject S-va belong to the RAS group.
Пример 2. Испытуемый К-в, м, 4 годаExample 2. Subject Quantity, m, 4 years
Исходные данные для диагностики приведены в таблице:The initial data for diagnostics are given in the table:
Полученные данные подставляем в формулу дискриминантной функции:We substitute the obtained data into the formula of the discriminant function:
Υ=-5,14 - 3,50×(-0,86) - 1,70×(4,26) - 3,00×(-0,03)=-9,28<0 Вывод: при значении функции Υ<0 испытуемого К-ва относят к группе нормы.Υ=-5.14 - 3.50×(-0.86) - 1.70×(4.26) - 3.00×(-0.03)=-9.28<0 Υ<0 of the test Qva is referred to the norm group.
Пример 3. Испытуемая С-ва, ж., 10 летExample 3. Subject S-va, female, 10 years old
Исходные данные для диагностики приведены в таблице:The initial data for diagnostics are given in the table:
Полученные данные подставляем в формулу дискриминантной функции:We substitute the obtained data into the formula of the discriminant function:
Υ=-5,14 - 3,5×(-0,65) - 1,70×(-2,08) - 3,00×(-1,51)=5,20>0 Вывод: испытуемую С-ву относят к группе РАС (значение функции Υ>0).Υ=-5.14 - 3.5×(-0.65) - 1.70×(-2.08) - 3.00×(-1.51)=5.20>0 y is assigned to the PAC group (the value of the function Υ>0).
Таким образом, патентуемым способом достигается технический результат, заключающийся в повышении точности и достоверности диагностики РАС при использовании средств объективного контроля.Thus, the patented method achieves a technical result, which consists in increasing the accuracy and reliability of the diagnosis of ASD when using objective control tools.
Claims (10)
Publications (1)
| Publication Number | Publication Date |
|---|---|
| RU2787463C1 true RU2787463C1 (en) | 2023-01-09 |
Family
ID=
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2494680C1 (en) * | 2012-07-04 | 2013-10-10 | Федеральное государственное бюджетное учреждение "Научный центр здоровья детей" Российской академии медицинских наук (ФГБУ "НЦЗД" РАМН) | Method of diagnosing congenital dysfunctions of brain hemispheres in children |
| RU2655073C2 (en) * | 2016-09-19 | 2018-05-23 | Дмитрий Валерьевич Мигачев | Method of screening the diagnostics of the risk of autism spectrum disorders (asd) in children (and its options) |
| RU2017141715A (en) * | 2017-11-29 | 2019-05-29 | Анатолий Петрович Ефимов | A way to diagnose autism |
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2494680C1 (en) * | 2012-07-04 | 2013-10-10 | Федеральное государственное бюджетное учреждение "Научный центр здоровья детей" Российской академии медицинских наук (ФГБУ "НЦЗД" РАМН) | Method of diagnosing congenital dysfunctions of brain hemispheres in children |
| RU2655073C2 (en) * | 2016-09-19 | 2018-05-23 | Дмитрий Валерьевич Мигачев | Method of screening the diagnostics of the risk of autism spectrum disorders (asd) in children (and its options) |
| RU2017141715A (en) * | 2017-11-29 | 2019-05-29 | Анатолий Петрович Ефимов | A way to diagnose autism |
Non-Patent Citations (1)
| Title |
|---|
| ГОРБАЧЕВСКАЯ Н.Л. Роль количественных методов анализа электроэнцефалограммы в детской психиатрии. Медицинский алфавит, 4 (17), 2008, стр. 13-16. GROSSI E. Diagnosis of autism through EEG processed by advanced computational algorithms: A pilot study. Comput Methods Programs Biomed. 2017 Apr;142:73-79. * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Robertson et al. | EEG power spectral slope differs by ADHD status and stimulant medication exposure in early childhood | |
| Fraga et al. | Early diagnosis of mild cognitive impairment and Alzheimer’s with event-related potentials and event-related desynchronization in N-back working memory tasks | |
| Clawson et al. | Cognitive control adjustments and conflict adaptation in major depressive disorder | |
| Leon-Carrion et al. | Delta–alpha ratio correlates with level of recovery after neurorehabilitation in patients with acquired brain injury | |
| Lindau et al. | Quantitative EEG abnormalities and cognitive dysfunctions in frontotemporal dementia and Alzheimer’s disease | |
| Larson et al. | Cognitive conflict adaptation in generalized anxiety disorder | |
| Ehrhardt et al. | Separating EEG correlates of stress: Cognitive effort, time pressure, and social‐evaluative threat | |
| Caravaglios et al. | Theta power responses in mild Alzheimer’s disease during an auditory oddball paradigm: lack of theta enhancement during stimulus processing | |
| Doan et al. | Predicting dementia with prefrontal electroencephalography and event-related potential | |
| Taboada-Crispi et al. | Quantitative EEG tomography of early childhood malnutrition | |
| van der Vaart et al. | Premature infants display discriminable behavioral, physiological, and brain responses to noxious and nonnoxious stimuli | |
| Baroni et al. | Hyperalgesia and central sensitization in subjects with chronic orofacial pain: analysis of pain thresholds and EEG biomarkers | |
| Yue et al. | Deficits in response inhibition on varied levels of demand load in anorexia nervosa: an event-related potentials study | |
| Górska et al. | Assessing the state of consciousness for individual patients using complex, statistical stimuli | |
| Polverino et al. | Brain oscillatory patterns in mild cognitive impairment due to Alzheimer’s and Parkinson’s disease: An exploratory high-density EEG study | |
| Flores-Sandoval et al. | Spectral power ratio as a measure of EEG changes in mild cognitive impairment due to Alzheimer’s disease: a case-control study | |
| Min et al. | Use of electroencephalogram, gait, and their combined signals for classifying cognitive impairment and normal cognition | |
| McKeown et al. | Medication‐invariant resting aperiodic and periodic neural activity in Parkinson's disease | |
| Jang et al. | Machine learning-based classification using electroencephalographic multi-paradigms between drug-naïve patients with depression and healthy controls | |
| Arechavala et al. | Task switching reveals abnormal brain-heart electrophysiological signatures in cognitively healthy individuals with abnormal CSF amyloid/tau, a pilot study | |
| Flathau et al. | Early detection of alcohol use disorder based on a novel machine learning approach using EEG data | |
| RU2787463C1 (en) | Method for diagnosing autism spectrum disorders in children | |
| Gallai et al. | Cognitive event‐related potential in hepatic encephalopathy | |
| KR20230173439A (en) | Methods for predicting delirium occurrence and devices using the same | |
| Millard et al. | No indications for altered EEG oscillatory activity in patients with chronic post-burn itch compared to healthy controls |