DOI: https://doi.org/10.1038/s41514-025-00243-y
PMID: https://pubmed.ncbi.nlm.nih.gov/40490479
تاريخ النشر: 2025-06-09
المؤلف: Kassra Ghassemkhani وآخرون
الموضوع الرئيسي: ديناميات الأعصاب ووظيفة الدماغ
نظرة عامة
تصنيف الاضطرابات التنكسية العصبية، وخاصة الخرف الجبهي الصدغي (FTD) ومرض الزهايمر (AD)، يقدم تحديات كبيرة في علم الأعصاب. استخدمت هذه الدراسة بيانات تخطيط الدماغ الكهربائي (EEG) مفتوحة المصدر لاستكشاف التوقيعات الكهربية من خلال مقاييس التعقيد. بينما أشار تحليل قوة النطاق النسبي التقليدي إلى زيادة النشاط في الترددات المنخفضة في كلا الاضطرابين، إلا أنه فشل في تمييزهما بعد التصحيح.
على النقيض من ذلك، كشفت تطبيقات بُعد الفراكتال والارتباطات الزمنية طويلة المدى (LRTCs) عن أنماط طوبوغرافية مميزة: تم تمييز مرض الزهايمر بسيطرة أمامية في بُعد الفراكتال، بينما أظهر الخرف الجبهي الصدغي سيطرة خلفية. بالإضافة إلى ذلك، أظهرت كلا الاضطرابين انخفاضًا في LRTCs، خاصة في المناطق الخلفية، مما يشير إلى ضعف الديناميات العصبية على نطاق واسع. تشير هذه النتائج إلى أن ميزات EEG المعتمدة على التعقيد يمكن أن تكون وسيلة موثوقة وفعالة من حيث التكلفة لتمييز بين الحالات التنكسية العصبية، مما قد يعزز تقنيات التصوير العصبي التقليدية.
النتائج
تشير نتائج الدراسة إلى وجود اختلافات كبيرة في قوة النطاق النسبي بين المجموعات، كما يتضح من تحليل التباين متعدد المتغيرات (MANOVA) الذي أسفر عن قيمة Pillai’s Trace قدرها 0.423، F(8, 164) = 5.504، وp < 0.0001. كشفت التحليلات اللاحقة أن الأفراد المصابين بمرض الزهايمر (AD) أظهروا قوة دلتا نسبية أعلى بكثير ($t(63) = 4.156$, $p = 0.0002$, Cohen's $d = 1.0580$) وقوة ثيتا ($t(63) = 5.577$, $p < 0.0001$, Cohen's $d = 1.4309$)، بينما أظهروا قوة ألفا نسبية أقل ($t(63) = 5.080$, $p < 0.0001$, Cohen's $d = 1.2648$) مقارنة بالضوابط. وبالمثل، أظهر مرضى الخرف الجبهي الصدغي (FTD) زيادة في قوة دلتا ($t(49) = 3.188$, $p = 0.0191$, Cohen's $d = 0.8893$) وقوة ثيتا ($t(49) = 3.430$, $p = 0.0097$, Cohen's $d = 0.9337$)، إلى جانب انخفاض في قوة ألفا ($t(49) = 4.350$, $p = 0.0002$, Cohen's $d = 1.2466$). لم يتم العثور على اختلافات كبيرة في قوة بيتا وغاما. في تحليل ثانوي باستخدام مجموعة بيانات EEG مستقلة، تم تكرار النتائج إلى حد كبير، حيث أظهر مرضى AD قوة ثيتا أعلى بكثير مقارنة بالضوابط ($U = 19$, $p < 0.0001$, Cohen's $d = 2.7453$) وقوة ألفا أقل ($U = 183$, $p = 0.0004$, Cohen's $d = 1.4084$). اقتربت قوة دلتا من الدلالة ($U = 311$, $p = 0.0504$, Cohen's $d = 0.5417$). بالإضافة إلى ذلك، كشفت تحليل بُعد الفراكتال أن مرضى AD كان لديهم قيم بُعد تردد عالي (HFD) أقل بكثير مقارنة بالضوابط ($t(90) = 3.094$, $p = 0.0026$, Cohen's $d = 1.0608$). تشير هذه النتائج إلى اختلافات قوية في قوة الطيف المرتبطة بمرض الزهايمر وFTD، خاصة في نطاقات ثيتا وألفا، بينما تشير إلى أن الميزات الطيفية وحدها قد لا تميز بشكل فعال بين الاضطرابين.
المناقشة
في هذه الدراسة، بحث المؤلفون في توقيعات EEG في مرض الزهايمر (AD) والخرف الجبهي الصدغي (FTD) باستخدام تقنيات معالجة الإشارة المختلفة، بما في ذلك تحليل بُعد الفراكتال وتحليل التقلبات غير الموجهة (DFA). أشار تحليل ANOVA أحادي الاتجاه إلى وجود اختلافات كبيرة في قيم بُعد الفراكتال العريض العالمي بين المجموعات التشخيصية، حيث أظهر AD سيطرة أمامية وأظهر FTD سيطرة خلفية. أكد تحليل بُعد الفراكتال Higuchi (HFD) أيضًا أن مرضى AD كان لديهم HFD منخفض بشكل ملحوظ مقارنة بالضوابط، على الرغم من عدم العثور على اختلافات كبيرة بين AD وFTD. بالإضافة إلى ذلك، أظهر كل من AD وFTD انخفاضًا في الارتباطات الزمنية طويلة المدى (LRTCs) مقارنة بالضوابط المتطابقة في العمر، مع اضطرابات أكثر وضوحًا في ديناميات LRTC الخلفية.
تسلط النتائج الضوء على فائدة مقاييس تعقيد EEG كعلامات حيوية للاضطرابات التنكسية العصبية، كاشفة أن كل من AD وFTD يتميزان بانخفاض في تعقيد الإشارة وتغيرات في توزيع النشاط الكهربائي. تؤكد الدراسة على أهمية دمج التحليل الطيفي التقليدي مع مقاييس التعقيد الناشئة لتعزيز فهم الديناميات العصبية في الخرف. على الرغم من القيود مثل حجم العينة والحاجة إلى مجموعات بيانات أكبر ومتعددة المواقع، تشير النتائج إلى أن مقاييس تعقيد EEG يمكن أن تكون مؤشرات حساسة للاضطرابات الشبكية الأساسية في الأمراض التنكسية العصبية، مما يستدعي المزيد من الاستكشاف في الدراسات الطولية والدراسات المتعلقة بالمهام.
DOI: https://doi.org/10.1038/s41514-025-00243-y
PMID: https://pubmed.ncbi.nlm.nih.gov/40490479
Publication Date: 2025-06-09
Author(s): Kassra Ghassemkhani et al.
Primary Topic: Neural dynamics and brain function
Overview
The classification of neurodegenerative disorders, specifically frontotemporal dementia (FTD) and Alzheimer’s disease (AD), presents significant challenges in neuroscience. This study utilized open-source electroencephalography (EEG) data to explore electrophysiological signatures through complexity measures. While traditional relative band power analysis indicated increased lower-frequency activity in both disorders, it failed to differentiate them after correction.
In contrast, the application of fractal dimension and long-range temporal correlations (LRTCs) revealed distinct topographical patterns: AD was characterized by rostral dominance in fractal dimension, whereas FTD exhibited caudal dominance. Additionally, both disorders showed a reduction in LRTCs, particularly in caudal regions, suggesting impaired large-scale neural dynamics. These results indicate that complexity-based EEG features could serve as a reliable and cost-effective method for distinguishing between neurodegenerative conditions, potentially enhancing traditional neuroimaging techniques.
Results
The results of the study indicate significant differences in relative band power between groups, as demonstrated by a multivariate analysis of variance (MANOVA) which yielded a Pillai’s Trace of 0.423, F(8, 164) = 5.504, and p < 0.0001. Post-hoc analyses revealed that individuals with Alzheimer's Disease (AD) exhibited significantly higher relative delta power ($t(63) = 4.156$, $p = 0.0002$, Cohen's $d = 1.0580$) and theta power ($t(63) = 5.577$, $p < 0.0001$, Cohen's $d = 1.4309$), while showing lower relative alpha power ($t(63) = 5.080$, $p < 0.0001$, Cohen's $d = 1.2648$) compared to controls. Similarly, Frontotemporal Dementia (FTD) patients showed increased delta ($t(49) = 3.188$, $p = 0.0191$, Cohen's $d = 0.8893$) and theta power ($t(49) = 3.430$, $p = 0.0097$, Cohen's $d = 0.9337$), alongside decreased alpha power ($t(49) = 4.350$, $p = 0.0002$, Cohen's $d = 1.2466$). No significant differences were found in beta and gamma power. In a secondary analysis using an independent EEG dataset, the findings were largely replicated, with AD patients showing significantly higher theta power compared to controls ($U = 19$, $p < 0.0001$, Cohen's $d = 2.7453$) and lower alpha power ($U = 183$, $p = 0.0004$, Cohen's $d = 1.4084$). Delta power approached significance ($U = 311$, $p = 0.0504$, Cohen's $d = 0.5417$). Additionally, fractal dimension analysis revealed that AD patients had significantly lower high-frequency dimension (HFD) values compared to controls ($t(90) = 3.094$, $p = 0.0026$, Cohen's $d = 1.0608$). These results suggest robust spectral power differences associated with AD and FTD, particularly in the theta and alpha bands, while indicating that spectral features alone may not effectively differentiate between the two disorders.
Discussion
In this study, the authors investigated EEG signatures in Alzheimer’s Disease (AD) and Frontotemporal Dementia (FTD) using various signal processing techniques, including fractal dimension analysis and detrended fluctuation analysis (DFA). A one-way ANOVA indicated significant differences in global broadband fractal dimension values between diagnostic groups, with AD showing rostral dominance and FTD exhibiting caudal dominance. The Higuchi Fractal Dimension (HFD) analysis further confirmed that AD patients had significantly reduced HFD compared to controls, although no significant differences were found between AD and FTD. Additionally, both AD and FTD demonstrated reduced long-range temporal correlations (LRTCs) compared to age-matched controls, with more pronounced disruptions in caudal LRTC dynamics.
The findings highlight the utility of EEG complexity measures as biomarkers for neurodegenerative disorders, revealing that both AD and FTD are characterized by reductions in signal complexity and alterations in the rostrocaudal distribution of EEG activity. The study emphasizes the importance of integrating traditional spectral analysis with emerging complexity measures to enhance the understanding of neural dynamics in dementia. Despite limitations such as sample size and the need for larger, multi-site datasets, the results suggest that EEG complexity metrics could serve as sensitive indicators of underlying network disruptions in neurodegenerative diseases, warranting further exploration in longitudinal and task-related studies.