سیگنال مغزی و پردازش عاطفی در بیماری پارکینسون
بیماری پارکینسون (PD) جزو بیماریهای نورودژنراتیو در سیستم عصبی مرکزی است که در حرکات تأثیر می‌گذارد و اغلب باعث لرزش می‌شود. این بیماری با ازدسترفتن تدریجی نورون‌های دوپامینرژیک در ناحیة تودة سیاه مشخص می‌شود.
به گزارش مدرن مد به نقل از ماهنامه فناوری‌های نوین پزشکی، پارکینسون نوعی اختلال عصبی شدید و درمان نشدنی است و دومین بیماری شایع نورودژنراتیو به شمار می‌رود که دارای علائم حرکتی (کُند حرکتی، لرزش و سفتی) و همچنین علائم غیرحرکتی (نقص‌های شناختی مانند رفتارهای تکانشی و بی‌احساسی) است.
علاوه بر اختلالات حرکتی، نقص‌های شناختی، رفتاری و احساسی نیز در بیماران PD شایع است و بیش از ده میلیون نفر را در سطح جهانی تحتتأثیر قرار می‌دهد. این اختلالات حرکتی و غیرشناختی پردازش و بیان احساسات را مختل میکنند. شیوع علائم غیرحرکتی (نقص‌های شناختی) در 6/98 درصد از بیماران PD مشاهده می‌شود.
بیش از شش میلیون بیمار مبتلابه پارکینسون در سراسر جهان وجود دارند و این تعداد به سرعت درحال افزایش است. تعداد زیادی (7 تا 28 درصد) از بیماران بستری می‌شوند که این میزان 5/1 برابر بیشتر از بیماران غیرپارکینسونی است و به‌طور عمده، مدتزمان بستری آن‌ها دو تا چهارده روز بیشتر است. به همین ترتیب، 31 درصد از بیماران بستری مبتلابه PD، به‌دلیل اختلالات روانی، از روند مدیریت بیماری و رفتار کارکنان، ناراضیاند.
بیماران از علائم اختلال عملکرد نورون‌های حرکتی رنج می‌برند که با نقص در بیان و مهار احساسات همراه است. بنابراین، وضعیت‌های عاطفی بیماران بستری مبتلابه PD با استفاده از سیگنال‌های فیزیولوژیکی، می‌تواند به کارکنان بهداشتی در پایش روانی کمک کند و نیاز به کارکنان آموزش‌دیدة تخصصی را کاهش دهد.
به همین ترتیب، وضعیت‌های عاطفی بیماران بستری در تشخیص زودهنگام بیماری پارکینسون مفید است؛ زیرا نقص‌های شناختی نسبت به علائم حرکتی، در مراحل اولیة بیماری بروز میکند.
برخی تحقیقات وجود بیماری پارکینسون را از طریق ناهنجاری‌ها در EEG، در حالت استراحت تشخیص داده‌اند. حالت استراحت تحت شرایط کنترل‌شده‌ای انجام می‌شود، به‌طوری که نیاز است فرد بی‌حرکت، با چشم‌های بسته، در اتاقی کمنور و ساکت باقی بماند که این شرایط بسیار سخت است.
محیط واقعی‌تر شامل جمع‌آوری EEG حین انجام وظایف روزمره، مانند گوشدادن به موسیقی یا تماشای فیلم می‌شود. ازآنجاکه محرک‌های صوتی و تصویری اغلب سبب تحریک احساسات می شوند، این امکان برای پژوهشگران فراهم می‌شود تا دریابند بیماران PD چگونه احساسات را درک میکنند.
علاوه بر احساسات خاص، برخی مطالعات بر ادراک بیماران PD از احساس خوشایندی، ناخوشایندی و شدت عاطفی متمرکزند. مطالعات قبلی نشان داده‌اند که بیماران مبتلابه پارکینسون در تشخیص احساسات مثبت و منفی از طریق آهنگ و حالات چهره دچار کمبودند و واکنش کمتری به تصاویر بسیار هیجانانگیز نشان می‌دهند.
تشخیص احساسات برای تعاملات اجتماعی و ارتباطات، مانند صدا و حالات چهرة احساسی، بسیار مهم است. سیگنال‌های فیزیولوژیکی غیرارادی، به‌ویژه سیگنال مغزی، برای اندازه‌گیری دقیق‌تر فرایندهای احساسی به کار میروند. مطالعات اخیر برای درک احساسات در افراد سالم، به‌طور گسترده از بیوسیگنال‌ها استفاده کردهاند.
سیگنال مغزی
سیگنال مغزی غیرتهاجمی است، وضوح زمانی دقیقی دارد و می‌تواند تغییرات فعالیت مغز را در طول چند میلی‌ثانیه تشخیص دهد. باندهای فرکانسی سیگنال مغزی با احساسات مرتبطاند. سیگنال مغزی به‌دلیل مزایای غیرتهاجمیبودن، وضوح زمانی دقیق و ارتباط با باندهای فرکانسی مختلف مغز، به‌عنوان روش مناسبی برای مطالعة احساسات معرفی می‌شود.
سیگنال مغزی به عنوان ابزار تشخیصی
علاوهبر درک پردازش عاطفی، EEG در تشخیص بیماری پارکینسون نیز مؤثر بوده است. مطالعات اخیر توانسته‌اند بادقت، با تحلیل پاسخ‌های EEG به محرک‌های عاطفی، بیماران پارکینسون را از افراد سالم متمایز کنند. این روش نوعی رویکرد تشخیصی عینی ارائه می‌دهد که می‌تواند شناسایی زودهنگام و راهبرد‌های درمانی را بهبود بخشد.
استفاده از سیگنال‌های زیستی برای ارزیابی اختلالات
احساس، نوعی ابراز فیزیولوژیکی ـ روانی است که به محرک‌های بیرونی، خلقوخو و شخصیت بستگی دارد. احساسات به‌طور بنیادی با رفتار شناختی، تصمیم‌گیری و اختلالات سلامت عملکردی مرتبط هستند.
شش احساس اساسی شامل خوشحالی، خشم، اندوه، ترس، انزجار و تعجب می‌شوند. پردازش خودکار احساسات می‌تواند براساس بیان‌های ارادی خارجی یا پاسخ‌های فیزیولوژیکی درونی غیرارادی باشد. بیان چهره، حرکات و لحن صدا، نمونه‌هایی از بیان‌های بیرونی هستند که می‌توانند بهراحتی جعل یا پنهان شوند.
پاسخ‌های فیزیولوژیکی به احساسی خاص، مانند ضربان قلب و الکتروانسفالوگرام، بهراحتی قابل جعل یا پنهانکردن نیستند. تحقیقات اخیر ارتباط قوی بین پردازش EEG و رفتار شناختی و شناسایی احساسات درونی را ثابت میکنند.
توانایی سیگنال‌های EEG برای کشف احساسات حتی بدون بیان، همراه با توسعة حسگرهای پوشیدنی غیرتهاجمی و کم‌هزینه، این روش را در مقایسه با بیان‌های ارادی خارجی، که به راحتی قابل جعلاند و تحتتأثیر شرایط خارجی مانند نور، نویز محیط و حرکات بدن قرار دارند، به انتخابی قابل اعتمادتر تبدیل میکند.
روش‌های استخراج ویژگی سنتی، در مقایسه با مدل‌های یادگیری عمیق، برای جمعیت‌های بزرگ‌تر و کلاس‌های مختلف احساسات، عملکرد پایین‌تری دارند. فناوری‌های پوشیدنی می‌توانند به بررسی سیگنال‌های زیستی و تفسیر احساسات مرتبط کمک کنند.
فعالیت‌های مغزیfMRI نشان‌دهندة فعالیت قوی‌تر در نواحی حسی ـ حرکتی در طول پردازش احساسات برای بیماران مبتلابه پارکینسون است. تحلیل‌های fMRI کاهش فعالیت عملکردی در قسمت‌های چپ و راست پوتامن خلفی (یکی از عقده‌های قاعده‌ای مغز) را نشان می‌دهد که به پردازش احساسی آسیب می‌زند. اطلاعات به دست آمده از طریق سیگنال‌های الکترومیوگرافی و الکتروکاردیوگرام، تفاوت‌هایی را بین بیماران PD و گروه کنترل نشان می‌دهد.
تحقیقات مبتنیبر EEG در بیماران مبتلابه بیماری پارکینسون، به سه دسته تقسیم می‌شود. دستة اول پیش‌بینی بیماری پارکینسون با طبقه‌بندی آن از سوی افراد سالم و دستة دوم ارزیابی و اندازه‌گیری سطح شدت نقص‌های شناختی در بیماران PD است. دستة سوم نیز به طبقه‌بندی حالات عاطفی بیماران مبتلابه PD مربوط می‌شود.
تحقیقات بر دستة سوم متمرکز است، تا حالات عاطفی بیماران PD را طبقه‌بندی کند. استخراج احساسات از بیماران مبتلابه بیماری پارکینسون اهمیت زیادی دارد؛ زیرا آن‌ها نمی‌توانند احساسات خود را بهدرستی ابراز کنند. یادگیری عمیق برای شناسایی احساسات مبتنیبر EEG در افراد سالم و همچنین در دو دستة اول تحقیقات در مورد بیماران PD به کار می‌رود.
محققان داده‌های الکتروانسفالوگرافی را ثبت و فعالیت الکتریکی مغز را در بیست بیمار پارکینسون و بیست فرد سالم اندازه‌گیری کردند. شرکت‌کنندگان کلیپ‌های ویدئویی و تصاویری را تماشا کردند که برای تحریک پاسخ‌های عاطفی طراحی شده بودند. پس از ثبت داده‌های EEG، ویژگی‌های کلیدی استخراج شدند.
این ویژگی‌ها به نمایش‌های بصری تبدیل و سپس با استفاده از چهارچوب‌های یادگیری ماشین، مانند شبکه‌های عصبی پیچشی، برای شناسایی خودکار الگوهای متمایز در نحوة پردازش عواطف توسط بیماران، در مقایسه با گروه سالم، تحلیل شدند. علاوهبراین، مطالعه نشان می‌دهد که بیماران مبتلابه PD در درک احساسی مشکل بیشتری دارند و در تشخیص احساسات متضاد دچار سردرگمی می‌شوند.
این یافته‌ها می‌تواند به درک بهتر مکانیسم‌های عصبی درگیر در PD و توسعة روش‌های درمانی جدید کمک کند. مطالعاتی که از EEG استفاده کردهاند، نشان داده‌اند که افراد مبتلابهPD ، الگوهای متمایزی در پردازش عاطفی از خود نشان می‌دهند. توصیفگرهای کلیدیEEG ، که از آن‌ها استفاده شده است، شامل بردارهای توان طیفی بودند. بردارهای توان طیفی، توزیع توان را در باندهای فرکانسی مختلف ثبت میکنند که مشخص شده است با حالت‌های عاطفی همبستگی دارند.
شبکة عصبی پیچشی روشی مبتنیبر یادگیری عمیق است که می‌تواند به‌طور خودکار، ویژگی‌های مرتبط با احساسات را از داده‌های مغزی استخراج کند. این مطالعه، درک احساسات در بیماری پارکینسون را با استفاده از الکتروانسفالوگرافی و با تحلیل مقایسه‌ای داده‌های به‌دست‌آمده از بیماران مبتلابهPD ، در مقابل گروه کنترل سالم بررسی میکند. به منظور استخراج ویژگی، از روش‌های یادگیری ماشین و چهارچوب‌های یادگیری عمیق مانند شبکة عصبی پیچشی استفاده می‌شود.
مطالعات متعدد نشان داده‌اند که بیماران مبتلابه پارکینسون، علاوهبر علائم حرکتی، دچار نقص‌های شناختی و احساسی نیز هستند. این نقص‌ها به‌ویژه در شناسایی احساسات خاص مانند ترس، نفرت و خشم مشهود است.
مطالعات نشان می‌دهند که این مشکلات در تشخیص احساسات، هم در استفاده از محرک‌های بصری (مثل چهره‌ها) و هم در محرک‌های غیربصری (مثل صداها و متن) دیده می‌شوند. ممکن است ابتدا، نقص در شناسایی احساسات منفی باشد و بعدها، به احساسات مثبت نیز گسترش یابد. برای ارزیابی این نقص‌های احساسی، از بیوسیگنال‌های مختلفی مانند سیگنال مغزی، مگنتوانسفالوگرافی و تصویرسازی تشدید مغناطیسی کارکردی (fMRI) استفاده می‌شود.
مطالعات با استفاده از fMRI نشان می‌دهند که فعال‌سازی قوی‌تری در نواحی حسی ـ حرکتی در بیماران PD وجود دارد، اما درعینحال، فعالیت عملکردی در برخی نواحی مغز مانند پوتامن کاهش یافته است. استفاده از EEG برای تحلیل پاسخ‌های احساسی بیماران PD، بینش‌های ارزشمندی را دربارة چگونگی پردازش محرک‌های اح
ساسی در این بیماران ارائه می‌دهد. این سیگنال‌ها به صورت غیرارادی هستند و نمی‌توان آن‌ها را به‌طور آگاهانه سرکوب کرد.
بحث و نتیجهگیری
این مطالعه نشان می‌دهد که تحلیل EEG احساسی می‌تواند روشی کارآمد برای تشخیص PD و درک بهتر اختلالات پردازش احساسی در این بیماری باشد. دقت زیاد طبقه‌بندی با استفاده از شبکة عصبی پیچشی دوبعدی روی داده‌های EEG احساسی، ظرفیت زیادی را برای استفاده از این روش در تشخیص بالینی نشان می‌دهد. نظارت بر فعالیت عاطفی مغز این قابلیت را دارد که در کلینیک‌ها، برای تشخیص بیماری پارکینسون، به ابزار گستردهای تبدیل شود.
این مطالعه نویدبخش ترکیب فناوری‌های عصبی، هوش مصنوعی و محاسبات عاطفی برای ارائة ارزیابی‌های عینی سلامت عصبی است. درمجموع، این مطالعه ضمن ارائة روش‌های یادگیری عمیق، برای تشخیص PD با استفاده از داده‌های EEG، رویکرد نوآورانهای عرضه میکند و نتایج امیدوارکننده‌ای را در زمینة تشخیص و درک بهتر اختلالات احساسی در این بیماری ارائه کرده است.
Reference
1. Parameshwara, R. and Narayana, S. (2024), “Exploring Electroencephalography-Based Affective Analysis and Detection of Parkinson’s Disease”, Parkinson’s Disease Intell Comput; 3: Article 0084.
تهیه و تنظیم: دکتر ندا کفاش
