Es ist ein uraltes Konzept in der Wissenschaft, dass man, wenn man etwas verstehen will, es zuerst messen muss. Der Versuch, menschliches Verhalten zu verstehen, kann die Messung einer Reihe von physiologischen Signalen beinhalten, aber um dem Gehirn näher zu kommen, braucht man Geräte, die seine Aktivität aufzeichnen.
Es gibt mehrere Neuroimaging-Geräte, aber keines von ihnen bietet eine so hohe zeitliche Auflösung wie das EEG. Zwar ist die erhaltene visuelle Information nicht so detailliert wie bei einigen anderen Neuroimaging-Techniken (z. B. fMRI oder funktionelle Magnetresonanztomographie), aber die zeitliche Auflösung in Verbindung mit der Tragbarkeit, der relativen Erschwinglichkeit und der Benutzerfreundlichkeit bedeutet, dass das EEG eine der – wenn nicht sogar die am häufigsten verwendete – Neuroimaging-Methode ist.
Das EEG wird häufig in streng kontrollierten Versuchsumgebungen eingesetzt – Szenarien, in denen Daten für eine bestimmte Zeit, mit wenig Bewegung und klar definierten Stimuli gesammelt werden. Dies ist zwar ideal für die Bewertung der Gehirnaktivität in bestimmten Situationen, doch manchmal ist ein anderer Ansatz erforderlich.
Ambulantes EEG ist die Methode, bei der EEG-Daten über einen langen Zeitraum (von Stunden bis zu Tagen) in einer natürlichen Umgebung gesammelt werden. Das bedeutet nicht nur, dass es mehr Daten gibt, sondern auch mehr Bewegung und (wahrscheinlich) eine breite Palette von interagierenden Faktoren, die sich auf die Daten auswirken.
Was sind die Gründe für ambulantes EEG?
Ambulantes EEG wird in der Regel aus folgenden Gründen durchgeführt:
- Epilepsieerkennung und -überwachung
- Anfallsuntersuchungen
- Schlafstudien
- Forschung des natürlichen Verhaltens (z.z.B. Shopper-Studien, User-Interaction-Studien)
Die ersten beiden Beispiele haben vor allem medizinische Gründe – die Anwendung ambulanter Methoden erfolgt, um abweichende neurologische Aktivitäten während des Tages zu erkennen oder zu messen. Bei den beiden letzteren geht es eher darum zu verstehen, wie sich die Gehirnprozesse in einer normalen Population im Laufe der Zeit (und möglicherweise auch in verschiedenen Kontexten) verändern.
Im Folgenden werden wir speziell darauf eingehen, wie die Gehirnprozesse, die bei natürlichem Verhalten auftreten, mit ambulantem EEG gemessen werden können, und welche Fallstricke bei der Datenerfassung und -analyse auftreten.
Wie funktioniert es?
In vielen Fällen entspricht das ambulante EEG im Wesentlichen dem üblichen Aufbau eines regulären EEG-Experiments – ein Teilnehmer bekommt ein EEG-Headset auf den Kopf gesetzt, die Elektroden werden mit einer Art leitfähigem Gel mit der Haut in Kontakt gebracht, der Leitwert wird getestet, und der gesamte Aufbau wird in der angeschlossenen Software überprüft.
Obwohl es entscheidende Ähnlichkeiten gibt, gibt es auch entscheidende Unterschiede. Während einige EEG-Setups Geräte erfordern, die unpraktisch (oder unmöglich) sind, um sich leicht zu bewegen, erfordert das ambulante EEG Geräte, die leicht zu bewegen und tragbar sind. Jeder Teilnehmer, der über einen längeren Zeitraum ein EEG-Headset trägt, muss sich ungehindert bewegen können und sich dabei wohlfühlen.
Weitere Überlegungen sollten für die Daten angestellt werden – nicht nur, wo sie gespeichert werden sollen (das Sammeln großer Datenmengen erfordert natürlich eine effiziente Speicherung), sondern auch, wie die Daten gesammelt werden. Solche Kontexte erfordern oft, dass sich der Teilnehmer bewegt, was zu Rauschen und Artefakten in den Signalen führt.
Das Signal und das Rauschen
Rauschen wird bei praktisch jeder Messung vorhanden sein, unabhängig davon, ob es sich um eine EEG-Datenerfassung oder um etwas anderes handelt (obwohl EEG besonders empfindlich auf das Vorhandensein von Rauschen reagiert). Die Menge des Rauschens mag winzig sein, aber ein gewisses Maß an Rauschen ist immer zu erwarten. Die Abschwächung (und mögliche Filterung) des Signals aus dem Rauschen ist daher ein entscheidender Bestandteil jeder Datenanalyse.
Dies ist bei ambulanten EEG-Messungen noch ausgeprägter, bei denen der Teilnehmer herumlaufen oder sich auf andere Weise bewegen kann, was die Position der Elektroden am Kopf beeinträchtigen kann. Wie Sie auf dem Bild einer EEG-Aufzeichnung unten sehen können, kann dies die Datenqualität stark beeinträchtigen.
Das bedeutet nicht, dass die Datenerfassung in Szenarien, in denen die Teilnehmer herumlaufen müssen, nicht stattfinden sollte, sondern nur, dass eine neue Strategie erforderlich ist.
Es gibt zwei Hauptmöglichkeiten, um das Problem zu entschärfen. Die erste liegt in der Versuchsplanung, die andere in der Datenanalyse.
Versuchsplanung für ambulantes EEG
Um das Problem der verrauschten Daten zu umgehen, ist es oft am besten, „artefaktfreie“ Zeitfenster in der Aufzeichnung zu reservieren. Ein gängiges Szenario für ambulantes EEG wäre zum Beispiel die Aufzeichnung von EEG-Daten eines Teilnehmers, während er sich bewegt und mit Gegenständen interagiert (man denke an eine Studie über das Einkaufsverhalten in einem Supermarkt oder eine Entwicklungsstudie mit Kindern). Während an bestimmten Punkten der Aufzeichnung viel Bewegung stattfinden kann, konzentriert sich die Analyse auf die artefaktfreien Momente.
Die Versuchsplanung kann daher sicherstellen, dass es Momente geringer Aktivität gibt, von denen aus aufgezeichnet wird – wenn ein Teilnehmer zum Beispiel anhält, um ein Supermarktregal zu betrachten, oder wenn ein Kind (endlich!) still ist.
Dies wirft auch die Frage auf, welche EEG-Hardware für ambulante Einstellungen am besten geeignet ist. Neuroelectrics-Headsets haben den Vorteil, dass sie mit einer Kopfhaube ausgestattet sind, die den Bewegungsspielraum der Elektroden etwas einschränkt. Sie können auch mit einer Vielzahl von Elektrodentypen ausgestattet werden, was sich positiv auf die Geschwindigkeit der Anwendung oder die Signalqualität auswirken kann.
ABM (Advanced Brain Monitoring) und Emotiv-Headsets können ebenfalls tragbar getragen und Daten über eine Bluetooth-Verbindung erfasst werden, sind jedoch nicht in einer Kappe konfiguriert.
Wiederholte Messungen, bei denen die Teilnehmer demselben Stimulus ausgesetzt werden und jedes Mal verschiedene Abschnitte der Daten erfasst werden können, können verwendet werden, um ein vollständiges Bild der neuronalen Reaktionen während der gesamten Dauer der Stimulusexposition zu erhalten.
Das bedeutet zum Beispiel, dass die EEG-Daten für die ersten 10 Sekunden der ersten Stimulusexposition mit den nachfolgenden 10 Sekunden der zweiten Stimulusexposition ergänzt werden könnten. Wenn über genügend Versuche und Teilnehmer gemittelt wird, kann ein allgemeiner Überblick über die Reaktionen der Teilnehmer zuverlässig erstellt werden.
Dies gilt auch für Versuchspläne innerhalb eines Teilnehmers – es ist valider, Gleiches mit Gleichem in Experimenten zu vergleichen. Das bedeutet im Wesentlichen, dass der Vergleich der Reaktionen von Teilnehmern auf Stimulus A mit ihren Reaktionen auf Stimulus B valider ist als der Vergleich der Reaktionen von zwei verschiedenen Gruppen von Teilnehmern.
Alle diese Ansätze erfordern jedoch auch, dass Anstrengungen in einem anderen Bereich der Studie unternommen werden – in der Analyse.
Analysemethoden für ambulantes EEG
Es ist klar, dass die Sammlung von EEG-Daten aus einer sich dynamisch verändernden Umgebung über einen bestimmten Zeitraum eine Herausforderung darstellt. Der erste Schritt bei der Datenanalyse ist oft eine visuelle Inspektion – es könnte sein, dass die einzigen Daten, die durch Rauschen beeinträchtigt werden, in Momenten des Experiments (oder der Elektroden) vorhanden sind, die nicht untersucht werden (z. B. wenn das Kind nicht auf die Reize achtet / wenn die Person zwischen den Regalen hin und her geht). Diese verrauschten Teile der Daten werden einfach entfernt.
Wenn in den wichtigen Teilen der Daten weiterhin Rauschen vorhanden ist, besteht der nächste Schritt in der Anwendung von Filtern. Die Filterung ist besonders effektiv, wenn das Rauschen in sehr niedrigen (unter 1 Hz) oder sehr hohen (über 50 Hz) Frequenzen vorhanden ist – Frequenzen, die normalerweise für die Studie nicht von Interesse sind.
In diesem Fall kann ein Hochpassfilter (Unterdrückung von Artefakten unterhalb eines Grenzwertes) oder ein Tiefpassfilter (Unterdrückung von Artefakten oberhalb eines Grenzwertes) auf die Daten angewendet werden. Wenn sich die Forschungsfrage beispielsweise auf die Alpha-Aktivität bezieht (Aktivität im Frequenzbereich von 8 bis 12 Hz), kann hochfrequentes Rauschen oft sicher mit einem Tiefpassfilter entfernt werden.
Werden Artefakte in iMotions beachtet? Bei iMotions ist es wichtig, zwischen der Arbeit mit „Rohdaten“ und mit „Metriken“ zu unterscheiden. Benutzer, die iMotions als Aufzeichnungswerkzeug verwenden, exportieren die „Rohdaten“ zur weiteren Verarbeitung in spezialisierter EEG-Software wie EEGLAB, Fieldtrip, BCILAB, BESA oder Cartool.
Damit hat der Benutzer die volle Kontrolle über (und die volle Verantwortung für) die auf die Daten angewandte Signalverarbeitung. Andere Nutzer arbeiten mit „Metriken“, die entweder von der Hardware (für ABM oder Emotiv) oder von iMotions (z. B. „frontale Asymmetrie“) bereitgestellt werden. In diesem Fall wird die Dekontamination des Signals bereits bei der Berechnung der Metriken berücksichtigt.
Schlussfolgerung
Ambulantes EEG bietet das Versprechen, die Tätigkeit des Gehirns in realistischen, dynamischen Umgebungen zu verstehen. Es hat aber auch den Preis einer (oft) reduzierten Datenqualität. Dies lässt sich leider nicht ganz vermeiden, aber mit dem richtigen experimentellen Ansatz, dem richtigen Studienaufbau und dem richtigen Umgang mit den Daten lassen sich die Auswirkungen abmildern. Das bedeutet, dass naturalistische Forschung durchgeführt werden kann.
Während die oben genannten Methoden beim Umgang mit den bei ambulanten EEG-Experimenten gesammelten Daten helfen können, liegt der wichtigste und nützlichste Aspekt jedes Experiments (ambulant oder nicht) in der Erprobung des Ansatzes, bevor er auf mehr Teilnehmer ausgedehnt wird. Das Testen des Tests ist für eine erfolgreiche Forschung von entscheidender Bedeutung, da es Ihnen ermöglicht zu verstehen, was funktioniert und was nicht.
Ich hoffe, es hat Ihnen gefallen zu lesen, was ambulantes EEG ist und wie es funktioniert. Wenn Sie einen tieferen Einblick in das EEG erhalten möchten, laden Sie unseren kostenlosen Leitfaden herunter.
