Mange metoder for vurdering av intrakranielt trykk (ICP) har blitt utviklet, og en av de mest interessante og lovende teknikkene er bruk av tympanisk membran som en indirekte kanal for å overvåke trykkendringer i hjernen. Disse metodene er ikke-invasive og innebærer ingen kirurgiske inngrep, noe som gjør dem til et verdifullt verktøy for pasienter som trenger hyppige ICP-målinger, spesielt i akutte kliniske situasjoner.

Tympanisk membranbevegelse og pulsasjon kan brukes til å kategorisere ICP-tilstanden til en pasient. Det finnes flere teknikker for dette, blant annet måling av tympanisk membranbevegelse (TMD), tympanometri, og otoakustiske emisjoner. Her vil vi fokusere på hvordan tympanisk membranbevegelse kan anvendes som et mål for ICP.

Evokert tympanisk membranbevegelse

Teknikken for evokert tympanisk membranbevegelse (TMD) ble introdusert av Marchbanks i 1980. Han foreslo at posisjonen til stapes-fotplaten i ovalvinduet avhenger av trykket i perilymfen. Når det intrakranielle trykket øker, påvirkes stapes' bevegelse, som igjen påvirker tympanisk membran. Når ICP er høyt, trekker stapes fotplaten inn mot det indre øret, og tympanisk membran beveger seg innover. Ved normal ICP er bevegelsen derimot utover.

Målingen av tympanisk membranbevegelse skjer ved at en akustisk stimulus (ofte en tone på 1 kHz) påføres øret ved en intensitet 10–20 dB høyere enn akustisk refleks terskel. Stimuli utligner stapedialrefleksen, og membranen beveger seg enten innover eller utover, avhengig av ICP-statusen. Målingene viser at det er mulig å klassifisere høy ICP ved at membranen beveger seg innover, mens normal ICP gir en utoverbevegelse.

I et eksperiment med 58 pasienter fant Reid et al. (1989) at TMD-målinger kunne gi informasjon om pasientens ICP-status. En annen viktig studie, utført av Samuel et al. (1998), viste en tydelig korrelasjon mellom middelverdi av TMD (Vm) og ICP-tilstander hos pasienter med hydrocephalus etter shuntoperasjon. Ved Vm-verdi under -200 nl ble det indikert forhøyet ICP, mens verdier over 200 nl indikerte normalt ICP.

Spontan tympanisk membranpulsasjon

I tillegg til den evokert tympaniske membranbevegelsen, finnes det også en metode som benytter seg av spontane pulsasjoner av tympanisk membran. Disse pulsasjonene er drevet av hjertefrekvensen og trykkbølger som overføres fra ICP via cochlear aqueduct til øret. Ved å isolere ytterøret i en lufttett tilstand og bruke sensitive trykksensorer kan man registrere disse spontanbevegelsene.

Det er påvist at pulseringen av tympanisk membran kan brukes til å estimere ICP-tilstanden ved at variasjoner i pulsamplituden har en signifikant sammenheng med endringer i ICP. Likevel er denne teknikken mer utfordrende å standardisere på grunn av de fysiologiske variasjonene som kan påvirke signalene, for eksempel variasjoner i pulsstyrke og blodstrøm.

Praktiske utfordringer og fremtidige muligheter

Selv om teknikkene for å bruke tympanisk membranbevegelse og pulsasjon som mål for ICP overvåkning har vist seg å være lovende, er det fortsatt flere utfordringer som må overvinnes før disse metodene kan bli standard i klinisk praksis. En viktig utfordring er variasjonen i målingene, som kan være påvirket av pasientens stilling (sittende eller liggende), alder, eller andre faktorer som muskelrelaksanter som kan hindre at stapedialrefleksen utlignes hos noen pasienter.

Forskning har vist at det er mulig å forbedre nøyaktigheten til evokert TMD-måling gjennom metoder som vaskulær subtraksjon, som reduserer innvirkningen av vaskulære pulser som kan påvirke signalet. Denne tilnærmingen kan bidra til å gjøre TMD til et mer pålitelig verktøy for ICP-måling i fremtiden.

Videre er det nødvendig med flere studier for å validere disse metodene på et bredere pasientgrunnlag, inkludert pasienter med alvorlige nevrologiske sykdommer og ulike typer hodeskader.

Viktige tilleggsmomenter for leseren

For leseren er det viktig å forstå at selv om tympanisk membranbaserte metoder gir verdifull informasjon om ICP-tilstanden, er de ikke nødvendigvis en erstatning for invasive metoder som direkte trykkmåling via en intrakranial sensor. Ikke alle pasienter vil være egnet for denne typen overvåkning, spesielt i tilfeller der anatomi eller fysiologi forstyrrer signalene fra øret.

Det er også viktig å merke seg at den nøyaktige sammenhengen mellom TMD-målinger og klinisk ICP kan variere, og det finnes fortsatt betydelig usikkerhet rundt hvilke målverdier som er definitive indikatorer for forhøyet ICP. Denne teknologien er fortsatt under utvikling, og påliteligheten og validiteten vil måtte testes ytterligere før den kan erstatte mer etablerte metoder i klinisk praksis.

Hvordan måling av intracerebralt trykk kan forbedre diagnostikk og behandling: En utforskning av ikke-invasiv overvåkning

Målinger av DPOAE (Distortion Product Otoacoustic Emissions) ble registrert på forskjellige ICP-nivåer ved 13 frekvenser med lydtrykk på 75 dB (L1 = L2). DPOAE-magnituder og vinkler ble beregnet ved fem lavere frekvenser, hvor større DPOAE-endringer ble observert med økt ICP. DPOAE-magnituder innen 6 dB av støynivået ble ekskludert fra analysen. Signifikante endringer i både magnituder og vinkler ble sett når ICP var 12 mmHg høyere enn baseline (Fig. 19). Denne metoden har en ulempe ved at den kan identifisere en økning i ICP, men ikke nøyaktig bestemme graden av heving. Videre observeres større DPOAE-endringer ved lavere frekvenser, hvor DPOAE er mindre robuste og derfor ofte uatskillelige fra støybunnen. Baseline-målinger er også nødvendige, da det finnes høy inter-subjektiv variasjon i DPOAE-målinger.

Hjernesår (TBI) forårsaker tusenvis av dødsfall årlig, med 61 000 dødsfall relatert til TBI i USA i 2019, og 5,48 millioner dødsfall globalt (Dewan et al., 2019). Lav- og mellominntektsland står for 90 % av alle traumerelaterte dødsfall, ifølge Verdens helseorganisasjon. Denne ulikheten kan skyldes manglende ressurser som gjør det umulig å opprettholde kliniske retningslinjer (Harris et al., 2008; Popovic et al., 2009). Overvåkning av ICP er en del av disse retningslinjene, men tradisjonell ICP-måling er invasiv og kostbar (Zapata-Vázquez et al., 2017). Den kirurgiske prosedyren for kateterinnsetting krever også høy klinisk ekspertise. I situasjoner der invasive teknologier ikke er tilgjengelige, kan en nøyaktig, ikke-invasiv metode for å overvåke ICP redusere dødelighet og infeksjonsrisiko, samt forbedre livskvaliteten for pasientene.

Metoder basert på det auditive systemet har potensialet til å nøyaktig detektere ICP-nivåer. Effektiviteten av disse metodene er avhengig av åpenheten i cochlear aqueduct, som forbinder subarachnoid CSF med væsken i det indre øret. Studier har vist at patensen i cochlear aqueduct kan reduseres med biologisk aldring (Włodyka, 1978). I tillegg fungerer cochlear aqueduct som et lavpassfilter som kan begrense overføringen av CSF-pulser til det indre øret (Evensen et al., 2018; Gopen et al., 1997). Normal funksjonalitet i mellomøret er også avgjørende for å overføre CSF-pulseringer til trommehinnen. Til tross for de anatomiske og fysiologiske begrensningene, samt støyforurensning, inter-subjektiv variasjon og midlertidig hørselstap ved hyppig stimulering, kan det være mulig å oppdage relative endringer i ICP.

Selv om det er usannsynlig at disse metodene vil erstatte de invasive gullstandardene i nærmeste fremtid, kan de være nyttige for å oppdage relative endringer i ICP. Spesielt når baseline-målinger er tilgjengelige, kan disse metodene være til stor hjelp i overvåkning av pasienter med økt ICP-risiko. For eksempel kan disse metodene benyttes i hjemmet, ettersom de er bærbare og lett å tolke. Teknikken med spontan trommehinne-pulsering er operatør-uavhengig og krever kun et headset med sensor plassert i øregangen. Dette kan være et betydelig hjelpemiddel i triageringen av pasienter med hydrocephalus, en kronisk tilstand som skyldes unormal produksjon av CSF.

Shunting og endoskopisk tredje ventrikulotomi (ETV) er de vanligste behandlingsmetodene for hydrocephalus. Disse kirurgiske prosedyrene gir alternative måter for CSF-drenering eller absorpsjon ved å omdirigere overskudd av væsken bort fra hjernen. Hvert år gjennomgår 33 000 mennesker shuntoperasjoner (Rinker et al., 2015). Uheldigvis er feilraten etter disse operasjonene høy. I en studie av 5416 spedbarn ble det funnet at feilraten etter ETV etter ett år er 64 %, mens den er 40 % etter shunting (Jernigan et al., 2014). Symptomene ved svikt kan være subtile og overlappe med andre tilstander som gastroenteritt. Evnen til å utføre periodiske hjemmebaserte målinger når symptomer utvikles, vil være en stor ressurs. Pasientenes tilstand kan overvåkes med ikke-invasive metoder, og rask medisinsk assistanse kan gis om nødvendig for å forhindre livstruende komplikasjoner.

Fremtidige kliniske studier er nødvendig for å videre undersøke nytten av disse lovende, ikke-invasive metodene. Dette vil være spesielt nyttig for individer som har høy risiko for ICP-heving, for eksempel personer med intraventrikulære shunter, hjernesvulster og de som er utsatt for hodeskader i kontaktsporter som fotball og boksing.

Hvordan multimodal signalfusjon forbedrer klassifiseringen av menneskelige emosjoner

Multimodal signalfusjon er en teknikk som involverer kombinasjonen av flere fysiologiske signaler for å forbedre nøyaktigheten i emosjonsklassifisering. Dette er spesielt viktig i sammenhenger der ulike fysiologiske signaler, som elektrodermale respons (GSR), hjertefrekvensvariabilitet (HRV) fra EKG, elektroencefalografi (EEG) og muskelaktivitet (EMG), kan bidra med unike innsikter i menneskelige emosjonelle tilstander. Den nøyaktige oppdagelsen av menneskelige emosjoner krever en dyptgående forståelse av hvordan disse signalene samhandler og hvilken informasjon hver enkelt bringer til klassifiseringen.

Forskning har vist at enkelte fysiologiske signaler kan være mer effektive for spesifikke aspekter av emosjonell vurdering. For eksempel er GSR kjent for å korrelere godt med aktivitetsnivå (arousal), men har en svakere forbindelse til valens, som refererer til graden av positiv eller negativ følelse. På den annen side er hjertefrekvensvariabilitet (HRV) målt fra EKG et pålitelig mål for autonomt nervesystem og har vist seg effektiv i oppdagelsen av emosjonelle tilstander, spesielt relatert til arousal. Ved å kombinere flere fysiologiske signaler, kan vi oppnå mer pålitelige resultater som går utover hva et enkelt signal kan oppnå alene.

En betydelig studie som analyserte emosjoner gjennom multimodal signalanalyse, kombinerte EEG, GSR, EMG og respiratoriske signaler (RES) for å evaluere både valens og arousal. Resultatene viste at bruken av multimodale fysiologiske data kunne gi mer pålitelige klassifikasjoner sammenlignet med enveis signaler. Dette er i tråd med tidligere funn, som for eksempel Bota et al. (2020), som fant at multimodal dataanalyse forbedret nøyaktigheten i å klassifisere emosjoner basert på både valens og arousal.

Studier som Goshvarpour et al. (2017) og Cimtay et al. (2020) utvidet bruken av multimodal signalfusjon til å inkludere både fysiske signaler som GSR og EEG, samt ansiktsbevegelser, for å få en mer helhetlig representasjon av emosjoner. Dette har vært et gjennombrudd i feltet, da det gir en mer kompleks og nøyaktig forståelse av hvordan menneskelige emosjoner manifesteres i forskjellige fysiske former.

I vårt arbeid har vi undersøkt effekten av å kombinere flere fysiologiske signaler fra to forskjellige datasett, DEAP og MAHNOB-HCI. I analysene fra DEAP-datasettet ble det funnet at den beste klassifiseringen for både valens og arousal ble oppnådd ved å kombinere EEG, GSR, EMG og RES, og for MAHNOB-HCI-datasettet var kombinasjonen av EEG, GSR, RES og EKG den mest nøyaktige. Denne fremgangen kan tilskrives vår spesifikke tilnærming til å først ekstrakte funksjoner fra de forskjellige signalene før de mates inn i et hyperforsterket læringssystem. Denne metoden reduserer behovet for høyere beregningskapasitet og løser utfordringer knyttet til modellens overtilpasning.

Dataene fra MAHNOB-HCI-datasettet viste at EKG alene ga de beste resultatene på arousal-skalaen, med en nøyaktighet på 74,7 %. GSR signalene oppnådde også høye nøyaktigheter, spesielt for arousal (74,2 %), mens EEG ga lavere resultater sammenlignet med GSR og EKG på samme skala. Kombinasjonen av flere signaler viste seg imidlertid å være langt mer effektiv. Når alle fire signalene (EEG, GSR, RES, EKG) ble kombinert i én multimodal tilnærming, ble nøyaktigheten hevet betydelig til 76,2 % for valens og 78,8 % for arousal, som viste seg å være overlegne de tidligere resultatene oppnådd fra enkelt- og to-modesignalene.

Resultatene av disse eksperimentene viser den sterke fordelene ved multimodal signalfusjon i emosjonsgjenkjenning. Det er imidlertid viktig å merke seg at det er en balanse mellom nøyaktighet og beregningskostnad. For å unngå problemer som overtilpasning, har vårt system blitt utviklet for å optimalisere beregningsressurser gjennom forbedret funksjonsekstraksjon og læringssystemer.

En annen viktig innsikt er at forskjellige fysiologiske signaler ikke bare må kombineres tilfeldig, men de må også tas i betraktning i forhold til hva de måler. For eksempel, mens GSR er svært effektivt for å måle fysiologisk respons knyttet til emosjonell intensitet, har EKG en mer direkte kobling til emosjonell valens gjennom hjertefrekvensvariabiliteten. Ved å bruke spesifikke signaler for ulike aspekter av emosjonen – som arousal og valens – kan nøyaktigheten i emosjonsklassifisering betydelig forbedres.

For å oppnå optimal ytelse er det også viktig å forstå hvordan forskjellige signaler interagerer og hvordan de bidrar til det samlede resultatet. Fremtidige studier bør undersøke hvordan disse signalene kan behandles på forskjellige nivåer og hvordan deres interaksjon kan modelleres for å få enda mer presise klassifikasjoner. Endringer i fysiologiske signaler kan gi innsikt i emosjonelle tilstander som ikke bare er relatert til generell intensitet eller arousal, men også til spesifikke følelsesmessige kvaliteter, som frykt, glede eller tristhet.

Jak si připravit dokonalé zákusky pro každou příležitost: Tipy a triky na domácí pečení
Jak rozeznat pravdu v mezilidských vztazích a jak zvládat nejistotu v životě
Jak správně řídit testování v DevOps a minimalizovat rizika?