نوار مغز برای تشخیص سکته مغزی؛ آیا موثر است؟ بررسی ارتباط الکتروانسفالوگرام و سکته مغزی

مطالعات نشان داده‌اند که دقت نوار مغز برای تشخیص سکته مغزی می‌تواند در برخی موارد به بیش از 70٪ برسد، به‌ویژه در شناسایی آسیب‌های زودرس مغزی. الکتروانسفالوگرام و سکته مغزی ارتباط نزدیکی دارند زیرا EEG قادر است تغییرات الکتریکی غیرطبیعی را ظرف چند دقیقه بعد از بروز سکته ثبت کند. به همین دلیل، استفاده از EEG در تشخیص سکته مغزی به عنوان روشی سریع و مکمل، در کنار تصویربرداری پزشکی اهمیت زیادی دارد.

الکتروانسفالوگرام (EEG)، یکی از روش‌های مهم و غیرتهاجمی، در علوم پزشکی و نورولوژی است که با ثبت فعالیت الکتریکی مغز، نقش مهمی در تشخیص و مدیریت بیماری‌های عصبی دارد. این ابزار به دلیل سرعت بالا، هزینه کمتر و توانایی شناسایی تغییرات عملکردی مغز، به عنوان مکملی ارزشمند در کنار روش‌های تصویربرداری مانند MRI و CT شناخته می‌شود.

در سال‌های اخیر، اهمیت EEG نه تنها در شناسایی بیماری‌هایی مانند صرع، اختلالات خواب و زوال عقل افزایش یافته است؛ بلکه نقش آن در سکته مغزی نیز پررنگ‌تر شده است. شواهد علمی نشان می‌دهند که EEG می‌تواند در تشخیص زودهنگام سکته، پیش‌بینی روند بهبود و حتی طراحی برنامه‌های توانبخشی فردمحور بسیار موثر باشد.

با این حال، این روش محدودیت‌هایی نیز دارد که نیاز به بررسی دقیق‌تر دارد. در این مطلب، به بررسی نقش‌ها، کاربردها، مزایا، محدودیت‌ها و آینده EEG در بیماری‌های عصبی و سکته مغزی پرداخته می‌شود.

نقش EEG در تشخیص بیماری‌های عصبی

الکتروانسفالوگرام (EEG)، یکی از روش‌های غیرتهاجمی و مطمئن، برای بررسی فعالیت الکتریکی مغز است که نقش مهمی در تشخیص و پایش بیماری‌های عصبی، ایفا می‌کند. این ابزار با ثبت امواج مغزی، الگوهای غیرطبیعی مانند امواج سریع در زمان تشنج یا امواج کند ناشی از آسیب مغزی را، شناسایی کرده و مسیر تشخیص و درمان بیماران را ساده‌تر می‌کند. کاربردهای اصلی EEG در بیماری‌های عصبی شامل موارد زیر می‌شود.

• تشخیص و طبقه‌بندی صرع: شایع‌ترین کاربرد EEG، شناسایی صرع و تعیین نوع آن است. این موضوع، به پزشک کمک می‌کند تا بهترین دارو یا روش درمانی را انتخاب کند.
• بررسی علائم مغزی نامشخص: در صورت بروز مشکلاتی مانند تشنج، فراموشی یا گیجی، EEG می‌تواند علت زمینه‌ای را مشخص کند.
• بررسی تومورهای مغزی و آسیب‌های سر: تغییرات در فعالیت الکتریکی مغز ناشی از تومور یا ضربه مغزی با EEG، قابل تشخیص است.
• کمک به تشخیص زوال عقل و آلزایمر: این ابزار در بررسی مشکلات حافظه و اختلالات شناختی، موثر است.
• اختلالات خواب: EEG توانایی شناسایی بیماری‌هایی مانند، آپنه خواب و نارکولپسی را دارد.
• انسفالیت و التهاب مغز: بررسی التهاب یا عفونت مغزی با کمک EEG، امکان‌پذیر است.
• کما و مرگ مغزی: در بیماران بدحال، این ابزار برای ارزیابی سطح آسیب مغزی و تعیین مرگ مغزی کاربرد دارد.

EEG، نقش مهمی در تشخیص زودهنگام بیماری‌های عصبی دارد و می‌تواند، حتی در برنامه‌ریزی درمان‌های مرتبط مانند درمان تکلم در بیماران سکته مغزی نیز، مورد توجه قرار بگیرد؛ زیرا وضعیت مغز را با دقت بیشتری به پزشکان نشان می‌دهد.^{A novel stroke classification model based on EEG feature fusion}

شواهد علمی درباره کاربرد نوار مغز برای تشخیص سکته مغزی

شواهد علمی نشان می‌دهند که الکتروانسفالوگرام (EEG)، یک ابزار غیرتهاجمی و ارزشمند در مدیریت سکته مغزی است. این روش نه تنها در تشخیص حاد سکته نقش دارد؛ بلکه می‌تواند اطلاعات پیش‌آگهی مهمی برای بهبود بیماران فراهم کند.

EEG با ثبت تغییرات کیفی، مانند کند شدن امواج مغزی و همچنین شاخص‌های کمی (qEEG)، از جمله تغییر قدرت امواج مغزی، امکان شناسایی ایسکمی مغزی، تشخیص خطر تشنج پس از سکته و حتی پیش‌بینی روند بهبودی را فراهم می‌کند. کاربردهای EEG در فاز حاد سکته:

1. تشخیص؛ EEG می‌تواند ایسکمی مغزی و انسداد عروق بزرگ (LVO)،را شناسایی کند و در بسیاری موارد حتی عملکرد بهتری، نسبت به داده‌های بالینی به تنهایی دارد.
2. نشانگر پیش‌آگهی؛ کندی غیرطبیعی یا عدم تقارن فعالیت، بین دو نیمکره مغزی از طریق EEG می‌تواند شدت سکته و احتمال بهبود عملکرد بیمار را پیش‌بینی کند.
3. تشخیص تشنج؛ بروز تشنج‌های پس از سکته یا وضعیت صرعی غیرتشنجی، با کمک EEG قابل شناسایی است.

در مرحله بهبودی و توانبخشی، کاربردهای EEG بسیار زیاد است. qEEG می‌تواند تغییرات الگوهای قشری را در طول فرایند بازتوانی مغزی، ثبت کرده و اطلاعات ارزشمندی درباره بازگشت عملکرد طبیعی مغز ارائه دهد؛ همچنین شاخص‌های کمی EEG مانند عدم تعادل بین نیمکره‌ها، توانایی پیش‌بینی نتایج حرکتی و عملکردی بیمار را دارند.

به نقل از مؤسسه ملی اختلالات عصبی و سکته آمریکا:

EEG یک روش کم‌هزینه، سریع و ایمن است که در بسیاری از موارد به تشخیص دقیق‌تر سکته مغزی، به‌ویژه در شرایط اورژانسی کمک می‌کند.

ترکیب یادگیری عمیق و داده‌های چندوجهی با EEG، زمینه‌ساز توسعه استراتژی‌های توانبخشی شخصی‌سازی‌شده، شده است تا بیماران بیشترین شانس را برای بازیابی داشته باشند. به کارگیری EEG در فرایند درمان سکته مغزی، می‌تواند به تصمیم‌گیری بهتر پزشکان، طراحی دقیق‌تر برنامه‌های توانبخشی و افزایش شانس بهبودی بیماران کمک زیادی کند.

مقایسه EEG با MRI و CT اسکن

الکتروانسفالوگرام (EEG)، تصویربرداری تشدید مغناطیسی (MRI) و سی‌تی اسکن (CT)، هر سه از روش‌های مهم در بررسی وضعیت مغز هستند؛ اما هرکدام ویژگی‌ها، مزایا و محدودیت‌های خاص خود را دارند. EEG بیشتر بر فعالیت الکتریکی مغز تمرکز دارد و امکان تشخیص اختلالاتی مانند صرع، تغییرات امواج مغزی در سکته یا اختلالات خواب را فراهم می‌کند.

در عوض، MRI و CT بیشتر برای بررسی ساختارهای فیزیکی مغز مانند تومورها، خونریزی‌ها یا ضایعات بافتی مورد استفاده قرار می‌گیرند. MRI دقت بالایی در نمایش جزئیات بافت نرم مغز دارد و می‌تواند، ناهنجاری‌های ساختاری بسیار کوچک را آشکار کند. CT اسکن نیز، برای بررسی سریع خونریزی‌ها و آسیب‌های حاد مغزی به خصوص پس از ضربه یا سکته، بسیار پرکاربرد است.

هیچ‌یک از این دو روش قادر به نمایش مستقیم فعالیت الکتریکی مغز نیستند، موضوعی که EEG در آن برتری دارد. می‌توان گفت که EEG، MRI و CT اسکن مکمل یکدیگر هستند و انتخاب هرکدام، به هدف پزشک از بررسی بستگی دارد. ترکیب این ابزارها می‌تواند بهترین نتیجه را برای تشخیص و درمان بیماران فراهم سازد.^{The Prognostic Utility of EEG in Stroke Recovery: A Systematic Review and Meta-Analysis}

به نقل از ژورنال نورولوژی بالینی در سال 2022:

الکتروانسفالوگرام می‌تواند تغییرات عملکردی مغز را در مراحل اولیه سکته نشان دهد و به‌عنوان ابزاری تکمیلی برای تصویربرداری استاندارد عمل کند.

مزایای سرعت و در دسترس بودن EEG

EEG، به عنوان یکی از ساده‌ترین و سریع‌ترین ابزارهای بررسی عملکرد مغز، شناخته می‌شود. این ویژگی باعث شده است که در شرایط اورژانسی و همچنین، برای پایش مداوم وضعیت بیماران بسیار مورد استفاده قرار گیرد. مزایای اصلی سرعت و در دسترس بودن EEG عبارت‌اند از:

• نصب و اجرای سریع الکترودها که امکان شروع آزمایش، در مدت زمان کوتاه را فراهم می‌کند.
• ثبت بلادرنگ فعالیت الکتریکی مغز و ارائه نتایج فوری، برای تصمیم‌گیری پزشک.
• قابلیت استفاده در بخش‌های اورژانس، مراقبت‌های ویژه و حتی در محیط‌های خارج از بیمارستان.
• هزینه پایین‌تر نسبت به روش‌های تصویربرداری، مانند MRI و CT که باعث دسترسی بیشتر بیماران به این ابزار می‌شود.
• امکان استفاده مکرر بدون ایجاد خطر برای بیمار، بر خلاف روش‌هایی که با پرتو یا میدان مغناطیسی همراه هستند.
• قابل حمل بودن برخی دستگاه‌های EEG که شرایط بررسی بیماران، در محیط‌های خاص یا در خانه را نیز ممکن می‌سازد.

سرعت بالا و در دسترس بودن EEG، یکی از عوامل مهم در محبوبیت این روش در تشخیص و پایش بیماری‌های عصبی، محسوب می‌شود.

محدودیت‌ها و نقاط ضعف EEG در سکته

با وجود نقش مهم EEG در تشخیص و پایش سکته مغزی، این ابزار همچنان محدودیت‌ها و نقاط ضعفی دارد که در برخی شرایط، می‌تواند کارایی آن را کاهش دهد. یکی از مهم‌ترین مشکلات، وضوح مکانی پایین EEG است. این موضوع به این معنا است که اگرچه EEG، می‌تواند فعالیت الکتریکی غیرطبیعی را در مغز شناسایی کند؛ اما در تعیین دقیق محل آسیب یا انسداد عروقی چندان دقیق عمل نمی‌کند.

در عوض، روش‌های تصویربرداری مانند MRI یا CT می‌توانند موقعیت ضایعه را با دقت بالا، مشخص کنند. EEG به شدت در برابر نویز و عوامل محیطی، حساس است. حرکت بیمار، انقباض عضلات یا حتی شرایط محیطی می‌توانند نتایج ثبت‌شده را، تحت تاثیر قرار دهند و تفسیر داده‌ها را، سخت کند.

همچنین، تفسیر سیگنال‌های EEG نیازمند دانش تخصصی و تجربه بالا است؛ زیرا الگوهای ثبت‌شده ممکن است در شرایط مختلف، معانی متفاوتی داشته باشند. یکی دیگر از محدودیت‌ها این است که EEG، بیشتر تغییرات عملکردی مغز را نشان می‌دهد؛ اما برای بررسی ساختارهای فیزیکی مغز چندان کاربردی نیست.

به همین دلیل، در سکته‌های مغزی اغلب نیاز است که EEG همراه با روش‌های تصویربرداری دیگر استفاده شود تا پزشکان، بتوانند تشخیص دقیق‌تری ارائه دهند. EEG، ابزاری ارزشمند در تشخیص سکته و پایش بیماران است؛ اما محدودیت‌هایی مانند دقت مکانی پایین، حساسیت به نویز و وابستگی به تفسیر تخصصی، باعث می‌شود که به تنهایی کافی نباشد.^{Electroencephalography Might Improve Diagnosis of Acute Stroke and Large Vessel Occlusion}

آینده EEG در تشخیص سریع سکته مغزی

با پیشرفت‌های اخیر در فناوری و پردازش داده، آینده EEG در تشخیص سریع سکته مغزی بسیار روشن و امیدوارکننده به نظر می‌رسد. این روش که به دلیل سرعت و غیرتهاجمی بودن، از گذشته مورد توجه بوده است، اکنون با ترکیب هوش مصنوعی و الگوریتم‌های یادگیری عمیق، در حال تبدیل شدن به ابزاری قدرتمندتر برای تشخیص زودهنگام سکته است.

یکی از چشم‌اندازهای مهم، توسعه سیستم‌های EEG قابل حمل و حتی پوشیدنی است که امکان استفاده در محیط‌های خارج از بیمارستان را، فراهم می‌کند. این موضوع می‌تواند در شرایط اورژانسی و پیش‌بیمارستانی، بسیار ارزشمند باشد؛ زیرا هر دقیقه در درمان سکته مهم است و تشخیص سریع، می‌تواند شانس بهبودی بیمار را افزایش دهد.

ترکیب EEG با داده‌های چندوجهی، مانند اطلاعات تصویربرداری یا شاخص‌های زیستی، باعث افزایش دقت و قابلیت پیش‌بینی این روش می‌شود. امروزه پژوهش‌ها نشان داده‌اند که تحلیل کمی EEG یا qEEG، می‌تواند نه تنها شدت سکته را تخمین بزند؛ بلکه پیش‌بینی دقیقی از روند بهبودی بیمار ارائه دهد. در آینده، این فناوری می‌تواند به پزشکان کمک کند تا برنامه‌های توانبخشی و درمانی شخصی‌سازی‌شده را، برای هر بیمار طراحی کنند.

نقش EEG به عنوان پلی بین تشخیص سریع و توانبخشی

الکتروانسفالوگرام (EEG)، با وجود محدودیت‌هایی همچون حساسیت پایین به ساختارهای عمیق مغزی و نیاز به تفسیر تخصصی، جایگاهی ارزشمند در حوزه تشخیص و مدیریت سکته مغزی یافته است. این ابزار با سرعت بالا و توانایی شناسایی تغییرات عملکردی مغز، نقشی اساسی در تشخیص زودهنگام سکته و پیش‌بینی پیامدهای درمانی دارد.

همچنین، داده‌های کیفی و کمی EEG امکان بررسی دقیق‌تری از وضعیت مغز و روند بهبودی بیماران، فراهم می‌سازد. پیشرفت‌های اخیر در زمینه هوش مصنوعی و یادگیری عمیق، آن را به ابزاری مهم در طراحی برنامه‌های توانبخشی شخصی‌سازی‌شده تبدیل کرده است. می‌توان گفت EEG در کنار روش‌های تصویربرداری سنتی، به عنوان مکملی ارزشمند، مسیر جدیدی را در بهبود کیفیت تشخیص، پیش‌آگهی و درمان بیماران سکته مغزی فراهم می‌کند.

در نهایت باید گفت که استفاده از نوار مغز برای تشخیص سکته مغزی به‌عنوان یک ابزار مکمل در کنار CT و MRI، می‌تواند به تشخیص سریع‌تر کمک کند. شواهد علمی نشان داده‌اند که بررسی الکتروانسفالوگرام و سکته مغزی به پزشکان این امکان را می‌دهد تا عملکرد مغز را در لحظات اولیه سکته بهتر ارزیابی کنند. همچنین، نقش EEG در تشخیص سکته مغزی به‌ویژه در محیط‌های اورژانسی و مراکز فاقد امکانات پیشرفته تصویربرداری، بسیار برجسته است.