Автоматизированный выбор параметров частотной фильтрации сигнала для мониторинга сенсорных вызванных потенциалов: пилотное исследование

Актуальность. Мониторинг соматосенсорных, зрительных и слуховых вызванных потенциалов используется для контроля сохранности соответствующих функций. Для своевременного выявления признаков их нарушения необходимо минимизировать временные интервалы между последовательными регистрациями вызванных потенциалов. Однако низкая амплитуда последних требует прибегать при их регистрации к усреднению, предполагающему длительное накопление десятков или сотен ответов на повторяемые стимулы. Частотная фильтрация улучшает соотношение сигнал/шум и уменьшает количество требуемых усреднений, но ее оптимальные параметры варьируют у разных пациентов, а их выбор требует значительного времени и высокой квалификации персонала. Цель. Разработать и апробировать методику автоматизированного подбора параметров частотной фильтрации сигнала на реальных данных интраоперационного мониторинга соматосенсорных и зрительных вызванных потенциалов и сравнить результаты автоматизированного подбора с выбором, сделанным нейрофизиологом во время операции. Методы. Методика реализована в созданной нами программе qt5-eeg-filters. Она загружает неотфильтрованные вызванные потенциалы, фильтрует их, используя заданный пользователем набор фильтров, сравнивает результаты фильтрации, учитывая воспроизводимость и амплитуды вызванных потенциалов, и выдает рекомендуемую полосу пропускания частотного фильтра. Неотфильтрованные вызванные потенциалы 23 пациентов (79 записей), которым выполняли интраоперационный мониторинг вызванных потенциалов с персонализированным подбором параметров фильтрации, были автоматически проанализированы с использованием 4 вариантов критерия оптимальности фильтра. Варианты получены комбинацией 2 параметров: способ оценки воспроизводимости вызванных потенциалов (только по характеристикам пиков (PV) или по отрезку кривой (CV)) и используемые значения амплитуд пиков (абсолютные (Abs) или относительные по сравнению с фоновыми колебаниями (Rel)). Для каждого варианта вычисляли коэффициенты корреляции предложенных программой параметров фильтрации с фактически выбиравшимися при интра¬операционном мониторинге и оценивали различия между ними. Предложенные фильтры оценивал нейрофизиолог по 5-балльной шкале для последующего сравнения 4 вариантов критерия оптимальности между собой. Для статистического анализа использовали непараметрические методы: корреляцию Спирмена и критерий Фридмана/Уилкоксона. Результаты. При критериях оптимальности типа AbsCV, RelCV и RelPV нижняя граница полосы пропускания была выше, чем выбранная нейрофизиологом при интраоперационном мониторинге: p = 0,00002, p = 0,00003 и p = 0,056 соответственно для зрительных вызванных потенциалов и p < 0,00001, p < 0,00001 и p = 0,00002 соответственно для сомато¬сенсорных. При этих же критериях верхняя граница полосы пропускания была ниже, чем выбранная при мониторинге: p = 0,00029, p = 0,00002 и p = 0,00037 соответственно для зрительных вызванных потенциалов и p < 0,00001, p < 0,00001 и p = 0,0002 соответственно для соматосенсорных. То есть при всех этих критериях программа предлагала применять более «агрессивную» фильтрацию, чем фактически использовал нейрофизиолог при интра¬операционном мониторинге (далее ИОМ-фильтр). При критерии оптимальности типа AbsPV однозначной тенденции не выявили; оценки качества как соматосенсорных, так и зрительных вызванных потенциалов, выбранных при этом критерии, были наихудшими. Лучшие оценки качества фильтров получили при использовании критерия RelCV для зрительных вызванных потенциалов (значимо не отличались от оценок для ИОМ-фильтра, p = 0,22) и AbsCV для соматосенсорных (были, тем не менее, хуже, чем для ИОМ-фильтра, p = 0,0025). И для зрительных, и для соматосенсорных вызванных потенциалов наблюдали положительные корреляции между оценками качества при использовании ИОМ-фильтра и фильтров, предложенных программой. Для зрительных вызванных потенциалов они составили 0,74 (p = 0,00014), 0,72 (p = 0,0003), 0,74 (p = 0,00016) и 0,56 (p = 0,019) при сравнении ИОМ-фильтра с фильтрами, полученными с использованием критериев RelCV, AbsCV, RelPV и AbsPV соответственно. Для соматосенсорных вызванных потенциалов соответствующие корреляции составили 0,23 (p = 0,085), 0,49 (p = 0,00014), 0,45 (p = 0,00050) и 0,57 (p = 0,00001). Во всех случаях, когда во время мониторинга имелись события, нарушавшие мониторируемую функцию, изменения вызванных потенциалов надежно идентифицировались при использовании как ИОМ-фильтров, так и фильтров, предложенных программой. Однако количество таких событий было недостаточным для статистического анализа. Заключение. С использованием набора данных, полученных при реальном интраоперационном нейромониторинге, продемонстрирована возможность автоматизированного подбора параметров частотной фильтрации сенсорных вызванных потенциалов. Перспективы развития метода связаны с распространением анализа на уровень ответов на единичные стимулы.