Det er et ældgammelt begreb inden for videnskaben, at hvis man vil forstå noget, skal man først måle det. Forsøg på at forstå menneskelig adfærd kan involvere måling af en række fysiologiske signaler, men for at komme tættere på hjernen kræves der udstyr til at registrere dens aktivitet.
Der findes flere neuroimaging-apparater, men ingen af dem giver en så høj grad af tidsmæssig opløsning som EEG. Selv om niveauet af de visuelle oplysninger, der modtages, ikke er så detaljeret som nogle andre neuroimaging-teknikker (f.eks. fMRI eller funktionel magnetisk resonansafbildning), betyder den tidsmæssige opløsning kombineret med bærbarheden, den relative overkommelighed og brugervenligheden, at EEG er en af – hvis ikke den mest anvendte neuroimaging-metode.
EEG anvendes ofte inden for strengt kontrollerede eksperimentelle rammer – scenarier, hvor data indsamles i et bestemt tidsrum, med lidt bevægelse og klart definerede stimuli. Selv om dette har været ideelt til vurdering af hjerneaktivitet i specifikke omgivelser, er der nogle gange behov for en anden tilgang.
Ambulatorisk EEG er metoden til indsamling af EEG-data over en lang periode (dette kan være alt fra timer til dage) i naturalistiske omgivelser. Det betyder ikke kun, at der vil være flere data, men også mere bevægelse, og at (sandsynligvis) en lang række interagerende faktorer vil påvirke dataene.
Hvad er årsagerne til ambulant EEG?
Ambulatorisk EEG udføres normalt af følgende årsager:
- Epilepsidetektion og -overvågning
- Anfaldsundersøgelser
- Søvnundersøgelser
- Søvnundersøgelser
- Forskning af naturlig adfærd (f.eks.f.eks. undersøgelser af shoppere, undersøgelser af brugerinteraktion)
De to førstnævnte eksempler er hovedsagelig af medicinske årsager – anvendelsen af ambulante metoder sker med henblik på at påvise eller måle afvigende neurologisk aktivitet i løbet af dagen. De to sidstnævnte drejer sig mere om at forstå, hvordan hjerneprocesser ændrer sig i en normal population over tid (og potentielt også inden for forskellige kontekster).
Nedenfor vil vi specifikt tale om, hvordan de hjerneprocesser, der forekommer ved naturlig adfærd, kan måles ved hjælp af ambulant EEG, og de almindelige faldgruber, der opstår ved dataindsamling og analyse.
Hvordan virker det?
I mange tilfælde er ambulant EEG stort set det samme som den sædvanlige opsætning af et almindeligt EEG-forsøg – en deltager har et EEG-headset på hovedet, elektroderne får kontakt med huden ved hjælp af en slags ledende gel, konduktansen testes, og hele opsætningen kontrolleres i den tilsluttede software.
Og selv om der er afgørende ligheder, er der også afgørende forskelle. Mens nogle EEG-opsætninger kræver udstyr, som det er upraktisk (eller umuligt) at bevæge sig let rundt med, kræver ambulant EEG udstyr, der giver let bevægelighed og bærbarhed. Enhver deltager, der bærer et EEG-headset i længere tid, skal kunne bevæge sig uhindret rundt og føle sig godt tilpas ved at gøre det.
Der bør gøres yderligere overvejelser om dataene – ikke kun om, hvor de skal hen (indsamling af store mængder data kræver naturligvis, at de opbevares effektivt), men også om, hvordan dataene indsamles. Sådanne sammenhænge kræver ofte, at deltageren vil bevæge sig rundt, hvilket introducerer støj og artefakter til signalerne.
Signalet og støjen
Støj vil altid være til stede i stort set enhver måling, uanset om det er EEG-dataindsamling eller noget andet (selv om EEG er særligt følsomt over for tilstedeværelsen af støj). Støjmængden kan være ubetydelig, men et vist niveau af støj er altid forventeligt. Mitigering (og eventuelt filtrering) af signalet fra støjen er derfor en kritisk komponent i enhver dataanalyse.
Dette er endnu mere udtalt ved ambulante EEG-målinger, hvor deltageren måske går rundt eller bevæger sig på andre måder, der kan forstyrre elektrodernes placering på hovedet. Som du kan se på billedet af en EEG-optagelse nedenfor, kan dette have en alvorlig indvirkning på datakvaliteten.
Det betyder ikke, at dataindsamling ikke bør finde sted i scenarier, hvor folk er nødt til at gå rundt, men blot at der er behov for en ny strategi.
Der er to hovedmetoder til at mindske det problem, som dette udgør. Den første ligger i den eksperimentelle udformning, den anden i dataanalysen.
Eksperimentel udformning af ambulant EEG
For at komme uden om problemet med støjende data er den bedste fremgangsmåde ofte at reservere “artefaktfrie” tidsvinduer i optagelsen. Et almindeligt scenarie for ambulant EEG er f.eks. at optage EEG-data fra en deltager, mens han/hun bevæger sig rundt og interagerer med genstande (tænk på en undersøgelse af indkøbsadfærd i et supermarked eller en udviklingsundersøgelse med børn). Selv om der kan være meget bevægelse på visse punkter i optagelsen, fokuserer analysen på de øjeblikke, der er fri for artefakter.
Det eksperimentelle design kan derfor sikre, at der er øjeblikke med lidt aktivitet, hvorfra der kan optages – når en deltager f.eks. stopper op for at se på en hylde i et supermarked, eller når et barn (endelig!) er stille.
Dette rejser også spørgsmålet om, hvilket EEG-hardware der er bedst egnet til ambulante omgivelser. Neuroelektriske headsets har den fordel, at de er forsynet med en hovedhætte, hvilket i nogen grad begrænser elektrodernes bevægelsesfrihed. De kan også monteres med en række forskellige elektrodetyper, hvilket kan hjælpe med hensyn til anvendelseshastighed eller signalkvalitet.
ABM (Advanced Brain Monitoring) og Emotiv-headsets kan også bæres bærbart og data indsamles via en Bluetooth-forbindelse, selv om de ikke er konfigureret inden for en hætte.
Gentagne målinger, hvor deltagerne udsættes for den samme stimulus, og forskellige dele af dataene kan indsamles hver gang, kan bruges til at generere et fuldstændigt billede af de neurale reaktioner i hele stimuluseksponeringens varighed.
Det betyder for eksempel, at EEG-dataene for de første 10 sekunder af den første stimuluseksponering kan suppleres med de efterfølgende 10 sekunder fra den anden stimuluseksponering. Hvis der beregnes et gennemsnit over tilstrækkeligt mange forsøg og deltagere, kan der på pålidelig vis konstrueres et generelt billede af deltagernes reaktioner.
Dette gælder også for forsøgsdesigns inden for deltagerne – det er mere validt at sammenligne ens i eksperimenterne. Det betyder i bund og grund, at det er mere validt at sammenligne deltagernes reaktioner på stimulus A med deres reaktioner på stimulus B end at sammenligne reaktioner fra to forskellige grupper af deltagere.
Alle disse tilgange kræver dog også, at der gøres en indsats på et andet område af undersøgelsen – i analysen.
Analysemetoder til ambulant EEG
Det er klart, at indsamling af EEG-data fra et dynamisk skiftende miljø over en periode udgør en udfordring. Støj fra en række kilder indføres let.
Det første skridt i dataanalysen er ofte visuel inspektion – det kan være, at de eneste data, der påvirkes af støj, er til stede i øjeblikke af eksperimentet (eller elektroderne), der ikke undersøges (f.eks. når barnet ikke er opmærksom på stimuli / når personen går mellem hylder). Disse støjende dele af dataene fjernes simpelthen.
Hvis der fortsat er støj i de vigtige dele af dataene, er det næste skridt at anvende filtrering. Filtrering er særlig effektiv, hvis der er støj i meget lave (under 1 Hz) eller meget høje (over 50 Hz) frekvenser – frekvenser, som normalt ikke er af interesse for undersøgelsen.
I så fald kan der anvendes et højpasfilter (der undertrykker artefakter under en grænseværdi) eller et lavpasfilter (der undertrykker artefakter over en grænseværdi) på dataene. Hvis forskningsspørgsmålet f.eks. drejer sig om alfaaktivitet (som er aktivitet i frekvensområdet fra 8 til 12 Hz), kan højfrekvent støj ofte fjernes sikkert ved hjælp af et lavpasfilter.
Har man taget sig af artefakter i iMotions? I iMotions er det vigtigt at skelne mellem at arbejde med “rå data” eller med “metrikker”. Brugere, der bruger iMotions som et optageværktøj, eksporterer de ‘rå data’ til yderligere behandling i specialiseret EEG-software, såsom EEGLAB, Fieldtrip, BCILAB, BESA eller Cartool.
Som sådan har brugeren fuld kontrol over (og med fuldt ansvar for) den signalbehandling, der anvendes på dataene. Andre brugere arbejder med “metrikker”, som enten leveres af hardwaren (for ABM eller Emotiv) eller af iMotions (f.eks. “frontal asymmetri”). I det tilfælde er der allerede sørget for dekontaminering af signalet i forbindelse med beregningen af metrikkerne.
Slutning
Ambulatorisk EEG giver et løfte om at forstå hjernens virkemåde i realistiske, dynamiske miljøer. Det er også forbundet med prisen for (ofte) nedsat datakvalitet. Dette kan desværre ikke helt undgås, men med den rigtige eksperimentelle tilgang, undersøgelsesopsætning og datahåndtering kan virkningerne afbødes. Det betyder, at naturalistisk forskning kan gennemføres.
Mens disse ovenstående metoder kan hjælpe med at håndtere de data, der indsamles fra ambulante EEG-eksperimenter, beror det vigtigste og mest gavnlige aspekt af ethvert eksperiment (ambulant eller ej) på piloteringen af tilgangen, før den rulles ud til flere deltagere. Afprøvning af forsøget er afgørende for vellykket forskning, da det giver dig mulighed for at forstå, hvad der virker og ikke virker.
Jeg håber, at du har nydt at læse om, hvad ambulant EEG er, og hvordan det fungerer. Hvis du gerne vil have en dybere gennemgang af EEG, så download vores gratis guide nedenfor.
