CC BY
24
JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2016 - V. 23, № 2 - P. 44-49
Раздел II
КЛИНИКА И МЕТОДЫ ЛЕЧЕНИЯ. ФУНКЦИОНАЛЬНАЯ И ИНСТРУМЕНТАЛЬНАЯ ДИАГНОСТИКА. НОВЫЕ ЛЕКАРСТВЕННЫЕ ФОРМЫ
УДК: 612.821 DOI: 10.12737/20423
ЭЛЕКТРОФИЗИОЛОГИЧЕСКИЕ КОРРЕЛЯТЫ СИСТЕМНОЙ ОРГАНИЗАЦИИ ФИЗИОЛОГИЧЕСКИХ ФУНКЦИЙ У ЛИЦ С РАЗЛИЧНОЙ РЕЗУЛЬТАТИВНОСТЬЮ
ЦЕЛЕНАПРАВЛЕННОЙ ДЕЯТЕЛЬНОСТИ
Р. А. ЗОРИН, В. А. ЖАДНОВ, М.М. ЛАПКИН
Рязанский государственный медицинский университет им. акад. И.П. Павлова, ул. Высоковольтная, д. 9, каб. 317, Рязань, Рязанская область, Россия, 390026, e-mail: [email protected]
Аннотация. В статье представлены результаты изучения показателей электроэнцефалографии, когнитивного вызванного потенциала Р300 и вариабельности сердечного ритма у 46 практически здоровых лиц при моделировании целенаправленной деятельности при помощи теста Горбова-Шульте. Целью исследования является оценка результативности деятельности и механизмов, включающихся в целенаправленную деятельность, у практически здоровых лиц. Выделены кластеры практически здоровых лиц с различной результативностью моделируемой целенаправленной деятельности. Установлена большая мощность 9-колебаний электроэнцефалограмм в лобных отведениях в «низкорезультативной» подгруппе, большая частота а-колебаний электроэнцефалограмм, преобладание когерентности и частоты когерентности электроэнцефалограмм в паре отведений О1-О2, а также амплитуды N2 компонента потенциала Р300 в «высокорезультативной» подгруппе.
При помощи технологии искусственных нейронных сетей создана, обучена и тестирована сеть, обеспечивающая распределение испытуемых на подгруппы на основе физиологических показателей. Искусственная нейронная сеть эффективно прошла процедуру обучения, наибольшее количество ошибок совершено при распределении испытуемых в «высокорезультативную» подгруппу.
Оценена прогностическая значимость физиологических показателей для определения результативности деятельности. Установлено участие в реализации результативного поведения практически здоровых лиц неспецифических модулирующих структур головного мозга и механизмов синхронизации работы структур коры больших полушарий.
Ключевые слова: целенаправленная деятельность, электроэнцефалография, вариабельность сердечного ритма, когнитивный вызванный потенциал Р300, искусственные нейронные сети.
ELECTROPHYSIOLOGICAL CORRELATES OF THE SYSTEM ORGANIZATION OF THE PHYSIOLOGICAL FUNCTIONS IN PEOPLE WITH DIFFERENT EFFECTIVENESS OF PURPOSEFUL
ACTIVITY
R.A. ZORIN, M.M. LAPKIN, V.A. ZHADNOV
Ryazan Medical State University, Vysokovoltnaja str., 9, 317, Ryazan, Russia, 390026, e-amil: [email protected]
Abstract. The results of study of electroencephalographs parameters, characteristics of cognitive evoked potential P300 and heart rate variability in 46 healthy people during purposeful activity are presented. The purpose of this study is to estimate the effectiveness of purposeful activity and its implementing mechanisms in healthy people. The clusters with different effectiveness of modeling purposeful activity were identified. The higher power of theta-waves of electroencephalograms in frontal leads in low-efficient
JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2016 - V. 23, № 2 - P. 44-49
group, higher frequency of alpha-waves, high level of coherency and frequency of electroencephalographs coherency in leads O1-O2, amplitude N2 component of P300 potential in high-efficient group was established.
The artificial neural network for classification of test subjects in subgroups on the basis of physiological parameters was created, trained and tested. The artificial neural network was trained effectively; the larger number of errors was made during distribution to high-efficient group.
The prognostic value of physiologic parameters for determination of effectiveness of purposeful activity was estimated using artificial neural network technology. The greater role of activity of nonspecific modulating brain structures and parameters of synchronous activity of cortical structures in effectiveness of behavior in patients with epilepsy are determined.
Key words: purposeful activity, electroencephalography, heart rate variability, cognitive evoked potentials P300, artificial neural networks.
Одним из факторов, определяющих результативность целенаправленной деятельности человека, является взаимодействие физиологических механизмов, среди которых особую роль играют неспецифические модулирующие влияния стволовых структур, интегрированные в процессы мотивации и эмоционального санкционирования [5,9] деятельность ассоциативных корковых структур, обеспечивающих распознавание и дифференцированный ответ на стимул [1], а также механизмы вегетативного обеспечения деятельности [3,4].
Сформулированы представления о механизмах продуктивной и непродуктивной активации головного мозга [2], деятельность которых тесно коррелирует со стресс-реализующими и стресс-ингибирующими субсистемами, роли информационного синтеза в ассоциативных зонах коры для целенаправленной деятельности [5]. Актуальным остаётся изучение взаимодействия механизмов, определяющих результативность деятельности у практически здоровых лиц, так как их специфика с позиции системной физиологии связана со «структурой» и «физиологической стоимостью» результата деятельности [6,7,10].
Цель исследования - оценка результативности деятельности и механизмов, включающихся в целенаправленную деятельность у практически здоровых лиц.
Материалы и методы исследования. Обследовано 46 практически здоровых, средний возраст 33,1 (стандартная ошибка среднего 0,98 лет) из них 39 мужчин и 7 женщин. Исследование одномоментное; критерии включения в исследование: возраст от 18 до 75 лет, отсутствие неврологических расстройств; критерии исключения: беременность, наличие черепно-
мозговой травмы, эпилептических приступов в анамнезе, нарушения сердечного ритма.
Целенаправленная деятельность моделировалась при помощи теста Горбова-Шульте (выбор различающихся по цвету чисел, случайно расположенных на экране монитора в порядке возрастания и убывания); оценивался средний интервал между выборами чисел, среднее время до и после ошибки, среднее число ошибок. Показатели теста Горбова-Шульте использовались для распределения испытуемых на подгруппы методом кластерного анализа с определением числа подгрупп методом иерархического анализа. Метод fc-средних был использован для анализа различий между кластерами и идентификации их элементов.
Регистрация и анализ электроэнцефалограмм (ЭЭГ) проводилась с целью оценки функциональной активности неспецифических модулирующих структур ствола мозга и корковых нейронных пулов в динамике целенаправленной деятельности при помощи 16-канального цифрового электроэнцефалографа «Нейрон-Спектр-3» ООО «Нейрософт» в монополярной коммутации с референтными электродами на ушах. Проводился спектральный анализ ЭЭГ с оценкой средней и полной мощности, средней частоты колебаний в основных частотных диапазонах (9, а, р-1 и р-2), кросс-корреляционный анализ с расчётом межполу-шарных и внутриполушарных показателей корреляции, а также средней частоты кросс-корреляционной функции; анализ функции когерентности с определением средней мощности и средней частоты функции когерентности в 9-, а-, р-1 и р-2 диапазонах.
Регистрация потенциала Р300 проводилась при помощи программно-аппаратного ком-
JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2016 - V. 23, № 2 - P. 44-49
плекса «Нейро-МВП» (ООО «Нейрософт») при вероятностном появлении значимого стимула (30% вероятность, высота тона 2000 Гц) с активной реакцией пациента на его появление (нажатие на кнопку). Регистрация и усреднение ответа проводилась по отведениям Pz, Cz, Fz c референтными электродами на ушах. Определялась латентность компонентов N2 и Р3; межпиковая амплитуда P2N2, N2P3 и амплитуда компонентов, измеренная от изолинии - 0N2, 0Р3.
Особенности вегетативной регуляции оценивались методом анализа вариабельности сердечного ритма (ВСР) при помощи прибора «Ва-рикард 2.51» и программы «ИСКИМ 6.0» фирмы «Рамена». Анализировались статистические показатели вариабельности динамического ряда кардиоинтервалов, данные спектрального анализа ВСР, показатели активности регуля-торных систем.
Статистическая обработка данных проводилась при помощи пакета программ Statistica 10.0. Сравнительный анализ проводился с использованием непараметрического критерия Манна-Уитни (U). Критический уровень значимости (p) при проверке статистических гипотез в данном исследовании принимали равным 0,05. Для описательной характеристики подгрупп пациентов применялись медиана (Me), верхний (UQ) и нижний квартиль (LQ).
Применение пакета программ Statistica Artificial Neural Networks 10.0 позволило создать и обучить искусственные нейронные сети и осуществить решение задачи классификации исследуемых на кластеры на основе физиологических показателей. В качестве показателей эффективности работы искусственных нейронных сетей (ИНС) использовались уровень ошибки, производительность, а также результаты решения задачи классификации. Дополнительному анализу подвергались переменные, являющиеся значимыми для прогноза (предикторы).
Процедура исследования соответствовала Хельсинской декларации 1975 г. (пересмотр 1983 г). и стандартам локального этического комитета ГБОУ ВПО РязГМУ Минздрава России.
Результаты и их обсуждение. Методом кластерного анализа по показателям результативности теста Горбова-Шульте в группе практически здоровых лиц было выделено 2 подгруппы (рис.). В первую подгруппу вошли 26
человек, во вторую - 20 человек.
Средний интервал, с Бремя да ошкбяск, с
Время после ошибки, с Среднее -число ошибок
Рис. Показатели теста Горбова-Шульте в подгруппах практически здоровых лиц по показателям результативности деятельности. Показатели подгруппы 1 обозначены сплошной линией, показатели подгруппы 2 - штриховой линией
При сходном уровне среднего интервала выбора, были выявлены достоверные различия по показателю среднего времени выбора после ошибки, среднему времени выбора до ошибки, среднему числу ошибок; в связи с чем подгруппа 1 практически здоровых лиц обозначена как «высокорезультативная», а подгруппа 2 как «низкорезультативная» (табл. 1).
Таблица 1
Различия показателей теста Горбова-Шульте в подгруппах
Показатели Подгруппа 1 Подгруппа 2 U p
Me LQ. UQ, Me LQ. UQ,
Средний интервал, с 1,10 1,00 1,22 1,15 1,06 1,38 129,0 0,356
Время после ошибки, с 0,15 0,00 0,35 0,67 0,20 1,42 70,0 0,007
Время до ошибки, с 0,22 0,00 0,88 0,75 0,50 1,25 80,0 0,016
Среднее число ошибок 1,00 0,00 2,00 4,00 2,00 9,00 0,5 0,003
Был проведён анализ различий показателей ЭЭГ, когнитивного вызванного потенциала Р300 между «высокорезультативной» и «низкорезультативной» подгруппами практически здоровых лиц (табл. 2).
Определяется достоверно большая мощность 0-колебаний в лобных отведениях (Р4) в «низкорезультативной» подгруппе. Выявляется большая частота а-колебаний ЭЭГ в С3 в «высокорезультативной» подгруппе, преобладание когерентности и частоты когерентности в паре О1-О2 в этой же подгруппе. Определяются достоверные различия по амплитуде N2 компо-
ВЕСТНИК НОВЫХ МЕДИЦИНСКИХ ТЕХНОЛОГИЙ - 2016 - Т. 23, № 2 - С. 44-49 JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2016 - V. 23, № 2 - P. 44-49
нента потенциала Р300 в Сх с преобладанием данного показателя в подгруппе «высокорезультативных» лиц.
Таблица 2
Различия показателей ЭЭГ и когнитивного вызванного потенциала Р300 в подгруппах
При анализе показателей ВСР в подгруппах достоверных различий не выявлено.
При помощи технологии ИНС были созданы, обучены и тестированы нейронные сети, реализующие задачу классификации испытуемых на подгруппы на основе физиологических показателей. Из 10 созданных ИНС была отобрана сеть с оптимальными показателями. Данная нейронная сеть представляла собой многослойный персептрон с 13 входными нейронами, 19 нейронами в промежуточном слое и 1 выходным нейроном (производительность 1,0).
В табл. 3 представлены показатели решения задачи классификации испытуемых на подгруппы на основе физиологических данных при помощи ИНС. Как следует из таблицы, ИНС эффективно прошла процедуру обучения, при тестировании большее количество ошибок было совершено при распределении испытуемых в «высокорезультативную» подгруппу (13% ошибок).
Технология ИНС с применением генетического алгоритма отбора значимых переменных позволила из большого набора показателей, предложенных для обучения (около 150), выделить наиболее прогностически важные и ранжировать их в порядке убывания (табл. 4).
Таблица 4
Ранжированный список показателей, отобранных ИНС для решения задачи классификации
Как следует из таблицы, среди значимых для решения задачи прогнозирования параметров преобладают показатели спектрального анализа ЭЭГ (39%) и показатели функции когерентности (31%), около 15% составляют показатели Р300 и такой же процент - показатели ВСР.
Эффективное решение задачи кластеризации отражает гетерогенность исследуемых по показателями результативности деятельности, при этом подгруппа 2 практически здоровых лиц имеет достоверно более низкие показатели результативности по критериям числа ошибок, времени до и после ошибки по сравнению с подгруппой 1.
Показатели Подгруппа 1 практически здоровых лиц Подгруппа 2 практически здоровых лиц U P
Me LQ UQ Me LQ UQ
Мощность 9-колебаний ЭЭГ в Б4 отведении, мкВ2 32 23 41 50 33 68 69,0 0,031
Частота а-колебаний ЭЭГ в С3 отведении, Гц 10,2 10,0 10,5 9,9 9,7 10,0 73,0 0,048
Когерентность ЭЭГ О1-О2 0,40 0,35 0,5 0,34 0,29 0,37 58,5 0,015
Средняя частота когерентности ЭЭГ О1-О2, Гц 15,2 12,4 17,0 12,5 11,0 14,4 57,5 0,014
Амплитуда N2 компонента Р300 в Сх, мкВ 4,4 1,7 7,7 1,17 0,57 2,02 49,0 0,026
Таблица 3
Результаты работы нейронной сети, обеспечивающей решение задачи классификации испытуемых на подгруппы
Число испытуемых Обучающая выборка Тестовая выборка
Группа 1 Группа 2 Группа 1 Группа 2
Общее число 11 10 15 10
Верные решения 11 10 13 10
Неверные решения 0 0 2 0
% ошибок 0 0 13 0
Ранг Показатели
1 Корреляция ЭЭГ в паре отведений Р4-О2
2 Амплитуда N2 компонента Р300 в отведении Сх
3 Амплитуда Р3 компонента Р300 в отведении Сх
4 Мощность 9-колебаний ЭЭГ в отведении Г4
5 Мощность а-колебаний ЭЭГ в отведении Т3
6 Мощность а-колебаний ЭЭГ в отведении Т4
7 Частота когерентности ЭЭГ в паре отведений О1-О2
8 Частота корреляции ЭЭГ в паре отведений О1-О2
9 Мощность 9-колебаний ЭЭГ в отведении О1
10 Мощность низкочастотной составляющей спектра ВСР
11 Корреляция ЭЭГ в паре отведений Р3-О1
12 Показатель активности регуляторных систем
13 Мощность 9-колебаний ЭЭГ в отведении Т3
JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2016 - V. 23, № 2 - P. 44-49
При сравнительном анализе отдельных физиологических показателей установлены достоверные различия. Увеличение мощности 9-колебаний ЭЭГ в лобных отведениях у исследуемых из низкорезультативной подгруппы указывает на большую активность синхронизирующих стволовых влияний у лиц из данного кластера [8,11].
Более высокая частота а-колебаний и большая частота когерентности ЭЭГ сигнала определяется в подгруппе с высокой результативностью деятельности. С позиции двухфак-торной модели регуляции бодрствования, описывающей субсистемы продуктивной (рост эффективности выполнения задач) и непродуктивной (ограничение текущей деятельности) активации, данный феномен может указывать на преобладание в данной группе механизмов продуктивной активации [2]. Более высокий уровень когерентности ЭЭГ сигнала в высокорезультативной подгруппе отражает большую напряжённость функционирования церебральных механизмов [8,11].
Формирование компонента N2 когнитивного вызванного потенциала Р300 связывают с активацией ассоциативных зон коры при опознании стимула [1]; то есть более высокая амплитуда N2 компонента в подгруппе 1 указывает на роль более мощного биоэлектрогенеза в ассоциативных зонах коры в формировании результативности моделируемой деятельности.
Показатели, отобранные при помощи генетического алгоритма технологии ИНС, демонстрируют специфику механизмов, включаю-
Литература
щихся в целенаправленную деятельность у практически здоровых лиц. Эти данные указывают на большую роль неспецифических модулирующих стволовых влияний (преимущественно активирующих) по данным спектральных характеристик ЭЭГ, механизмов синхронизации деятельности корковых структур и меньшую роль деятельности ассоциативных зон коры и вегетативного обеспечения в реализации моделируемой целенаправленной деятельности у практически здоровых лиц. Можно предположить преобладание механизмов «продуктивной» активации в определении результативности моделируемой деятельности у практически здоровых лиц.
Выводы:
1) Исследуемая группа практически здоровых лиц гетерогенна по характеристикам результативности моделируемой деятельности, при этом низкая результативность связана с большим числом ошибок;
2) У практически здоровых лиц в реализации механизмов целенаправленной деятельности большую роль играет активность неспецифических модулирующих стволовых структур и механизмов синхронизации деятельности корковых структур; меньшую роль имеет деятельность ассоциативных корковых структур и механизмов вегетативного обеспечения.
Работа выполнена при поддержке внутривузовского гранта ГБОУ ВПО РязГМУ Минздрава России на 2015 г.
References
1. Гнездицкий В.В., Корепина О.С. Атлас по вызванным Gnezditskiy VV, Korepina OS. Atlas po vyzvannym потенциалам мозга (практическое руководство, ос- potentsialam mozga (prakticheskoe rukovodstvo, os-нованное на анализе конкретных клинических на- novannoe na analize konkretnykh klinicheskikh na-блюдений). Иваново: ПресСто, 2011. 532 с. blyudeniy). Ivanovo: PresSto; 2011. Russian.
2. Данилова Н.Н., Крылова А.Л. Физиология высшей Danilova NN, Krylova AL. Fiziologiya vysshey nerv-нервной деятельности. Ростов-на-Дону: Феникс, 2005. noy deyatel'nosti. Rostov-na-Donu: Feniks; 2005. Rus-478 с. sian.
3. Димитриев Д.А., Саперов Е.В. Вариабельность сердеч- Dimitriev DA, Saperov EV. Variabel'nost' serdechnogo ного ритма и артериальное давление при ментальном ritma i arterial'noe davlenie pri mental'nom stresse. стрессе // Российский физиологический журнал им. Rossiyskiy fiziologicheskiy zhurnal im. I.M. Sechenova. И.М. Сеченова. 2015. Т. 101, № 1. С. 98-107. 2015;101(1):98-107. Russian.
4. Дорохов Е.В., Горбатенко Н.П., Яковлев В.Н., Япрын- Dorokhov EV, Gorbatenko NP, Yakovlev VN, цева О.А. Системный анализ вариабельности сер- Yapryntseva OA. Sistemnyy analiz variabel'nosti ser-дечного ритма у студентов в условиях информаци- dechnogo ritma u studentov v usloviyakh informat-онного стресса и корригирующие возможности спе- sionnogo stressa i korrigiruyushchie vozmozhnosti spe-леоклиматотерапии // Вестник новых медицинских leoklimatoterapii [System Analysis of Heart Rate Varia-
JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2016 - V. 23, № 2 - P. 44-49
технологий. 2012. Т. 19, № 2. С. 129-132.
5. Иваницкий А.М., Иваницкий Г.А. Синтез информации в ключевых отделах коры как основа субъективных переживаний // Российский физиологический журнал им. И.М. Сеченова. 2009. Т. 95, № 10.2. С. 1108-1119.
6. Кривцова А.Ю., Жаднов В.А. Сравнительная характеристика структурно-функциональной организации больных эпилепсией с различными типами приступов // Российский медико-биологический вестник имени академика И.П. Павлова. 2012. № 4. С. 107-112.
7. Лапкин М.М. Индивидуальные особенности животных и человека в системной организации целенаправленного поведения. Материалы VII Павловских научных чтений, посвящённых 160-летию со дня рождения И.П. Павлова. Рязань, 2009. С. 21-39.
8. Соколова Л.С., Мачинская Р.И. Формирование функциональной организации коры больших полушарий в покое у детей младшего школьного возраста с различной степенью зрелости регуляторных систем мозга. Сообщение I. Анализ спектральных характеристик ЭЭГ в покое // Физиология человека. 2006. Т. 15. C. 1-15.
9. Судаков К.В. Информационные аспекты системной организации психической деятельности // Вестник Российской академии медицинских наук. 2012. № 8. C. 53-56.
10. Уланова Н.Н. Подходы к пониманию здоровья // Наука молодых (Eruditio Juvenium). 2013. № 1. С. 5661.
11. Synchrony in normal and focal epileptic brain: the seizure onset zone is functionally disconnected / Warren C.P. [et al.] // Journal Neurophysiology. 2010. Vol. 104, № 6. P. 3530-3539.
bility of Students in the Stress of Information and Opportunities Speleoklimatoterapii]. Vestnik novykh meditsinskikh tekhnologiy. 2012;19(2):129-32. Russian. Ivanitskiy AM, Ivanitskiy GA. Sintez informatsii v klyuchevykh otdelakh kory kak osnova sub"ektivnykh perezhivaniy. Rossiyskiy fiziologicheskiy zhurnal im. I.M. Sechenova. 2009;95(10.2):1108-19. Russian.
Krivtsova AYu, Zhadnov VA. Sravnitel'naya kharakte-ristika strukturno-funktsional'noy organizatsii bol'nykh epilepsiey s razlichnymi tipami pristupov. Rossiyskiy mediko-biologicheskiy vestnik imeni akademika I.P. Pavlova. 2012;4:107-12. Russian.
Lapkin MM. Individual'nye osobennosti zhivotnykh i cheloveka v sistemnoy organizatsii tselenapravlennogo povedeniya. Materialy VII Pavlovskikh nauchnykh chteniy, posvyashchennykh 160-letiyu so dnya rozhde-niya I.P. Pavlova. Ryazan'; 2009. Russian. Sokolova LS, Machinskaya RI. Formirovanie funktsion-al'noy organizatsii kory bol'shikh polushariy v pokoe u detey mladshego shkol'nogo vozrasta s razlichnoy ste-pen'yu zrelosti regulyatornykh sistem mozga. Soobsh-chenie I. Analiz spektral'nykh kharakteristik EEG v po-koe. Fiziologiya cheloveka. 2006;15:1-15. Russian.
Sudakov KV. Informatsionnye aspekty sistemnoy orga-nizatsii psikhicheskoy deyatel'nosti. Vestnik Rossiyskoy akademii meditsinskikh nauk. 2012;8:53-6. Russian.
Ulanova NN. Podkhody k ponimaniyu zdorov'ya. Nauka molodykh (Eruditio Juvenium). 2013;1:56-61. Russian.
Warren CP, et al. Synchrony in normal and focal epileptic brain: the seizure onset zone is functionally disconnected. Journal Neurophysiology. 2010;104(6):3530-9.
