Симптомы расстройства аутистического спектра (РАС) включают социальные, вербальные и невербальные коммуникативные трудности, а также стереотипное или повторяющееся поведение. Распространенность заболевания РАС быстро увеличивается, причем среди мальчиков чаще, чем среди девочек (4:1). Поэтому ранняя диагностика имеет большое значение для улучшения социального взаимодействия и общения пациентов. Как правило, психолог или психиатр, специализирующийся на расстройствах аутистического спектра, проводит соответствующие тесты для детей, у которых есть подозрение на расстройство. Они часто используют интервью, наблюдения и оценки для диагностики РАС, предоставляя детям только рекомендованное лечение или повторное наблюдение, а не соответствующие препараты. Кроме того, родителям необходимо отвозить детей в больницу для очной диагностики довольно часто, что может быть затруднительно. Наконец, симптомов, проявленных ребенком, может быть недостаточно для постановки диагноза, потому что у каждого они могут быть разными. Другими словами, с медицинской точки зрения важно сократить время, необходимое для диагностики расстройства аутистического спектра. Диагностика расстройства на основе одного физиологического показателя, такого как структура мозговой активности в коре головного мозга, может рассматриваться как большой прорыв.
При исследовании расстройств аутистического спектра используется функциональная магнитно-резонансная томография (фМРТ), которая сочетает в себе преимущества позитронно-эмиссионной томографии (ПЭТ-сканирование) и магнитно-резонансной томографии (МРТ). В большинстве исследований фМРТ для обнаружения активных областей мозга используется метод, полученные сигналы которого относительно не количественны и имеют низкое временное разрешение. Кроме того, фМРТ имеет недостатки, такие как большой размер оборудования, высокая стоимость и высокая чувствительность к артефактам движения, например, вызванным движением головы, соответственно, не подходит для исследований функциональной визуализации головного мозга у детей (особенно младенцев) и пожилых людей.
Исходя из вышеупомянутых проблем, группа ученых-исследователей решила использовать другую технологию визуализации мозга для исследования РАС – фурье ближнюю инфракрасную спектроскопию (fNIRS). Принцип fNIRS в функциональной визуализации мозга аналогичен принципу фМРТ, то есть церебральная нейронная активность приводит к локальным гемодинамическим изменениям. Он использует разницу в поглощении света оксигенированным гемоглобином и деоксигенированным гемоглобином в ткани головного мозга для определения гемодинамической активности коры головного мозга в реальном времени. Преимущества fNIRS заключаются в неинвазивности, хорошей портативности, небольшом размере и низкой стоимости. Он не имеет обязательных государственных требований к объектам исследования, а также подходит для мониторинга объектов в естественных условиях. Обычно используемые индикаторы fNIRS — это изменение концентрации оксигенированного гемоглобина, дезоксигенированного гемоглобина и общего гемоглобина, поэтому измеряемый сигнал может быть абсолютным и количественным и может повторяться в течение длительного времени. Благодаря этим преимуществам fNIRS успешно применяется в исследованиях нейроразвития, восприятия и познания управления движением, психических заболеваний и неврологической медицины.
Для исследования возможностей диагностики РАС с помощью fNIRS изучали различия в активности коры головного мозга между группой людей с расстройством аутистического спектра и здоровой контрольной группой, планируя прояснить есть ли ключ к разгадке мозговой активности РАС, который может указывать на его причину. Еще одна центральная тема в исследованиях расстройств аутистического спектра — расположение аномалии в головном мозге. Курчесн и Пирс (2005) полагали, что аномальная префронтальная кора головного мозга является ядром расстройства аутистического спектра, они обнаружили, что как на макро-, так и на микроуровне, разрастание серого и белого вещества в лобных долях влияет на нормальное развитие префронтальной доли и вызывает аномальное поведение. Другие исследования показали, что люди с РАС имеют тяжелую дисфункцию левого полушария.
Чтобы выяснить, есть ли какие-либо внутренние характеристики в сигналах fNIRS у пациентов с РАС, во-первых, были сегментированы данные fNIRS методом скользящего окна, чтобы извлечь локальные особенности и восстановить производные наборы данных. Во-вторых, из производного набора данных для составления целевого получается выборочная энтропия подсерии. Затем применяется алгоритм машинного обучения (метод кластеризации) для анализа целевого набора данных, чтобы оценить различительную способность для каждого оптического канала. Исходя из этого, далее определяются области мозга, в которых собранный сигнал fNIRS содержит более обширную дискриминационную информацию, таким образом обнаруживая дисфункцию мозга, связанную с РАС. Можно видеть, что метод включает несколько ключевых шагов: сбор данных, сегментация и реконструкция временных рядов, выборочная энтропия реконструированных данных и классификация на основе выборочной энтропии.
Данные fNIRS, использованные в этом исследовании, содержат данные о 8-минутных спонтанных колебаниях гемодинамики, собранные у 25 детей с РАС (возраст 9,3 ± 1,4 года) и 22 здоровых детей соответствующего возраста. Во время сбора данных в экспериментальной комнате было тихо и темно. Испытуемые закрывали глаза и избегали движения головы. Было использовано 22 канала в каждом полушарии, покрывающих нижнюю лобную извилину (IFG) и височную кору (TC).
Рис.1.
Оптические датчики показаны в переднем ряду на рис. 1: красный кружок представляет излучатель света, а синий кружок представляет приемник света. Число в среднем белом квадрате означает количество каналов измерения. Каждый канал состоит из пары излучателей и приемников. В нижней части рис. 1 слева показано расположение каналов в левом полушарии, справа — в правом. Сигнал fNIRS из каждого канала содержит HbO2, Hb и общий гемоглобин (HbT). Поскольку HbT представляет собой сумму HbO2 и Hb, только два из этих трех параметров оксигенации крови являются независимыми. Поэтому в данном исследовании анализируются только они.
Чтобы проверить наличие характеристик в сигналах fNIRS от пациентов с аутизмом, вычисляются выборочные пары энтропии всех подпоследовательностей. На рис. 2 (a) и (b) примерная энтропия третьего канала в группе ASD (детей с РАС) была в основном в интервале (0,00, 1,00], а в группе TD (детей без РАС) была в основном в [1,25, 2,00]. Однако в интервале [1,00, 1,25] подпоследовательности обе группы имеют большую долю. Вышеупомянутое явление между группами более значимо в энтропии образца Hb. Согласно экспериментальным результатам, выборочный учет только энтропии HbO2 или только Hb не способствует эффективному различению группы ASD от группы TD. Следовательно, для правильной интерпретации результата берут энтропию образцов HbO2 и Hb вместе как факторы, влияющие на преобразование одномерной проблемы в двумерном пространстве и находят разделительную линию, чтобы идентифицировать эти две категории с помощью кластеризации. На рис. 2 (c) разброс группы TD в основном сосредоточен в верхнем правом углу двумерной плоскости, а данные в основном распределены по диагонали и выше, при этом небольшая часть данных пересекается с группой ASD. Разброс группы ASD в основном сосредоточен в левой части. Понятно, что большую часть данных разделяет разделительная линия. Точно так же обнаруживается, что в других каналах выборочная энтропия группы ASD обычно ниже, чем у группы TD, и в основном она распределяется в левой и средней частях двумерной плоскости. Это указывает на то, что энтропия образца действительно может улавливать сигналы, издаваемые корой головного мозга аутичных пациентов. По сравнению с нейротипическими людьми активность коры головного мозга, а также общая активность аутичных пациентов могут быть низкими.
Рис.2.
В этом исследовании был достигнут значительный уровень точности прогноза (наивысший — 97,6%) РАС. По результатам исследования, возможно использовать выборочную энтропию, чтобы зафиксировать характеристики, которые отличают людей с РАС от нейротипичных, и соответственно, диагностировать расстройства аутического спектра у пациентов с помощью fNIRS.
1. Lingyu Xu, Qianling Hua, Jie Yu, Jun Li. Classification of autism spectrum disorder based on sample entropy of spontaneous functional near infra-red spectroscopy signal. Clinical Neurophysiology | (2020) 131 : 1365-1374 | doi.org/10.1016/j.clinph.2019.12.400.
