Результат интеллектуальной деятельности: СПОСОБ ОЦЕНКИ ФУНКЦИОНАЛЬНОГО И МЕТАБОЛИЧЕСКОГО СОСТОЯНИЯ НЕРВНОЙ ТКАНИ

Предлагаемое изобретение относится к медицине, а именно к неврологии, психопатологии, нейрохирургии, нейрофизиологии и экспериментальной нейробиологии, а также психофизиологии и предназначено для определения функционального и метаболического состояния нервной ткани в норме и при патологии.

Известен способ определения функционального и метаболического состояния нервной ткани путем проведения позитронно-эмиссионной томографии мозга [Buchsbaum MS, Gillin JC, Wu J, Hazlett E, Sicotte N, Dupont RM, Bunney WE Jr. Regional cerebral glucose metabolic rate in human sleep assessed by positron emission tomography // Life Sci 1989; 45(15): 1349-56]. Недостатком этого способа является сложность реализации, высокие экономические затраты и использование дорогостоящего оборудования для проведения исследования, необходимость предварительной подготовки пациентов к исследованию. Недостатками способа являются также невозможность проведения динамического контроля над состоянием мозга во время медицинских манипуляций в клинике, сложность и неудобство для реализации в экспериментальных исследованиях на мелких лабораторных животных.

Известен способ определения функционального и метаболического состояния нервной ткани путем регистрации суммарной медленной электрической активности мозга с поверхности головы (ЭЭГ) [Биопотенциалы мозга человека. Математический анализ. // Под ред. Русинова B.C. М.: Медицина, 1987, 254 с.]. Известно, что активационные процессы в нервной системе сопровождается депрессией альфа-активности. Развитие патологических состояний в связи с нарушением метаболизма, как при ишемии мозга, связано с появлением медленноволновой активности тета- и дельта-диапазонов. Угнетение функционального состояния при углублении гипоксии и ишемии приводит к депрессии ЭЭГ. Несмотря на наличие у данного способа ряда положительных свойств, он не позволяет тонко дифференцировать многие физиологические и патологические функциональные состояния (ФС).

Ближайшим аналогом является способ определения функционального и метаболического состояния нервной ткани / Патент РФ №2245673, A61B 5/04, A61B 5/0476, 2005 г./, включающий одновременную регистрацию электроэнцефалограммы (ЭЭГ) и уровня постоянного потенциала (УПП). При негативном сдвиге УПП и увеличении мощности ЭЭГ определяют деполяризационную активность нейронов и усиление метаболизма; при негативном сдвиге УПП и уменьшении мощности ЭЭГ - деполяризационное торможение нейронов и угнетение метаболизма; при позитивации УПП и увеличении мощности ЭЭГ - реполяризационную или гиперполяризационную активизацию нейронов и усиление метаболизма; при позитивации УПП и уменьшении мощности ЭЭГ - гиперполяризационное торможение нейронов и снижение метаболизма нервной ткани. Однако известный способ определяет лишь изменение потребности клеток нервной ткани с качественной точки зрения, не характеризуя функциональное и метаболическое состояние клеток с количественной стороны, что не позволяет сравнивать изменения функционального состояния при различных однонаправленных воздействиях, например для оценки действия нейротропных препаратов. Отсутствие количественных показателей в оценке изменений функционального и метаболического состояния нервной ткани снижает достоверность и точность определения функционального состояния нервной ткани.

Заявляемый способ направлен на достижение технического результата, состоящего в вычислении количественных показателей, а также повышении достоверности и точности определения функционального и метаболического состояния нервной ткани.

Поставленная задача достигается тем, что в известном способе определения функционального и метаболического состояния нервной ткани, включающем одновременную регистрацию ЭЭГ и УПП, по изменениям УПП и ЭЭГ при различных внешних воздействиях с использованием математической модели , где [W] - значения изменений амплитуды ЭЭГ, [P] - значение УПП, рассчитывают значение максимального уровня энергетического метаболизма [E_m], коэффициента метаболической активности [r] и исходного уровня поляризации нервной ткани [C] и по численному значению вычисленных показателей количественно определяют изменение параметров функционального и метаболического состояния нервной ткани.

Математическая модель, описывающая взаимоотношения УПП и ЭЭГ, на основании которой возможно качественное и количественное определение функционального и метаболического состояния нервной ткани, может быть построена при предположении, что уровень энергетического метаболизма зависит от степени поляризации нервной ткани.

В простейшем случае изменение энергетического метаболизма (dE) при изменении степени поляризации ткани (dP), интегративным показателем которой является УПП, может быть выражено уравнением:

где, [k] - коэффициент, отражающий изменение уровня энергетического метаболизма на единицу изменения потенциала.

Максимальный уровень энергетического метаболизма всегда реально ограничен некоторым пределом (E_m), который может быть связан как с запасами макроэргических соединений, так и с максимальной скоростью накопления и распада АТФ в биологической ткани. Отсюда:

где, [r] - коэффициент метаболической активности.

Решением уравнения (2) будет логистическая функция:

где [C] - коэффициент, характеризующий исходный сдвиг уровня поляризации нервной ткани [Р0]. При деполяризации интенсивность энергетического метаболизма будет первоначально быстро возрастать, а затем, при приближении к пределу [E_m], начнет замедляться. Изменение функциональной активности биологической ткани [W], показателем которой может быть амплитуда ЭЭГ, будет зависеть от интенсивности энергетического метаболизма и может быть определена как производная от выражения (3):

Параметр [C] определяет исходный уровень функциональной и метаболической активности. Коэффициент метаболической активности [r] связан с максимальной скоростью метаболических реакций. Скорость синтеза и распада АТФ в клетках не может превышать определенной величины, что ограничивает скорость энергозависимых биохимических реакций определенным уровнем. Увеличение коэффициента метаболической активности [r] связывается с низкой скоростью синтеза и распада АТФ, что приводит к замедлению деполяризационных процессов. Третий параметр - максимальный уровень энергетического метаболизма [E_m] - связан с максимально возможными потребностями нервной ткани в энергетических субстратах (АТФ). Уровень потребления субстратов (макроэргов) будет определяться скоростью метаболических процессов, общими энергетическими запасами ткани и количеством клеточных элементов биологической ткани. Параметр [E_m] зависит от максимальной амплитуды оцениваемой биоэлектрической активности.

Сущность изобретения поясняется диаграммами, представленными на фиг.1-2. На фиг.1 показана колоколобразная функция, построенная на основании экспериментальных и теоретических вычислений по результатам регрессионного анализа амплитуды отдельных частотных диапазонов ЭЭГ и изменений УПП головного мозга с использованием математической модели (линии - теоретические кривые, точки - экспериментальные данные). На фиг.2 изображены экспериментальная и теоретическая кривые изменения суммарной мощности ЭЭГ во времени, теоретические изменения ЭЭГ вычислены по реальным данным изменения УПП.

Способ осуществляют следующим образом.

У объекта исследования неполяризующимися (хлорсеребряными) электродами с помощью усилителя постоянного тока проводят одновременную регистрацию уровня постоянного потенциала и суммарной медленной электрической активности в исследуемой нервной ткани при различных воздействиях (фотостимуляция, электростимуляция, гипоксия, гипервентиляция, ишемия и пр.). С использованием методов нелинейного регрессионного анализа и математической модели , где [W] - значение амплитуды ЭЭГ, [P] - значение УПП, рассчитывают значение максимального уровня энергетического метаболизма [E_m], коэффициента метаболической активности [r] и исходного уровня поляризации нервной ткани [C]. Данные параметры позволяют количественно оценить изменения функциональной и метаболической активности нервной ткани, которые можно использовать для оценки эффектов различных физических или фармакологических внешних воздействий на нервную ткань.

Пример.

Для оценки функционального и метаболического состояния нервной ткани по предлагаемому способу было проведено исследование УПП и ЭЭГ при моделировании острой фокальной ишемии головного мозга. Предварительно за 2-3 дня до опыта беспородным белым крысам массой 150-200 г обоего пола (n=12) под нембуталовым наркозом под кости черепа над лобной корой правого и левого полушарий вживлялись хлорсеребряные электроды. Индифферентный хлорсеребряный электрод размещался в костях над лобными пазухами. Выводы электродов крепились к черепу быстрозатвердевающей пластмассой. После этого крыс оперировали под нембуталовым наркозом (40 мг/кг) по поводу моделирования ишемии. Регистрацию биоэлектрической активности головного мозга по униполярной методике начинали до введения наркоза и продолжали на протяжении всего эксперимента с помощью многоканального усилителя постоянного тока с входным сопротивлением 1 МОм и полосой пропускания частот 0-40 Гц. Данные оцифровывались (100 Гц) и для дальнейшей обработки вводились в компьютер. Определение спектра ритмов и его мощности проводили с помощью Фурье-преобразования. При этом выделяли пять диапазонов: дельта-1-(0,2-1 Гц), дельта-2-(1-4 Гц), тета-(4-8 Гц), альфа-(8-13 Гц) и бета-(13-30 Гц) ритм. УПП усредняли за периоды, соответствующие эпохам анализа ЭЭГ. Для нахождение параметров [r], [E_m] и [C] математической модели использовали нелинейный регрессионный анализ. В качестве параметра, определяющего функциональную активность нервной ткани [W], использовали значение амплитуды различных частотных диапазонов ЭЭГ, в качестве показателя уровня поляризации нервной ткани [P] использовалось значение УПП. В таблице 1 показаны вычисленные параметры предложенной математической модели, полученные при анализе экспериментальных данных. Как видно из таблицы, параметры [r] и [C] являются относительно постоянными и не зависят от частоты ЭЭГ спектра, параметр [E_m] пропорционален максимальной амплитуде ЭЭГ для данного частотного диапазона и уменьшается по экспоненциальному закону при увеличении частоты спектра.

На фиг.1 показаны графики зависимостей изменения различных частотных диапазонов ЭЭГ от степени поляризации нервной ткани, построенные на основании полученных параметров. Видно, что при электроотрицательном изменении УПП происходит первоначальное повышение электрической активности нервной ткани, при дальнейшем увеличении степени деполяризации происходит снижение электрической активности. При этом в начальный период отмечается большая активация быстрых ритмов ЭЭГ, в последующем амплитуда этих ритмов снижается быстрее, чем амплитуда медленных ритмов ЭЭГ. На фиг.2 показана экспериментальная и теоретическая кривые изменения суммарной мощности ЭЭГ во времени. Теоретические изменения ЭЭГ вычислены по реальным данным изменения УПП. Как видно, теоретическая модель очень хорошо описывает экспериментальные данные (R=0,84; P<0,01).

Результаты представленных экспериментов продемонстрировали высокие диагностические возможности предлагаемого способа. По отдельности ни ЭЭГ, ни УПП не позволяют провести тонкую дифференцировку функционального и метаболического состояния нервной ткани. Преимуществом является также относительная простота методики. Предлагаемый способ позволяет регистрировать и дифференцировать переход одного функционального и метаболического состояния в другое, тем самым повышает точность диагностики патологических и физиологических состояний, позволяет проводить адекватную лекарственную терапию патологических состояний, например, при ишемии, направленную на восстановление функционального и метаболического состояния нервной ткани, и определять прогноз и правильность лечения после той или иной терапии, а также изучать действие экстремальных факторов на организм человека.

Таким образом, предложенный способ дает возможность точно количественно определять функциональное и метаболическое состояние нервной ткани, адекватно дифференцировать физиологические и патологические состояния, регистрировать переход из одного функционального и метаболического состояния в другое, что повышает точность диагностики и высокую информативность способа и позволяет правильно определять тактику лечения в неврологии, психопатологии, нейрохирургии и нейрофизиологии, а также позволяет проводить разработку новых патогенетических нейропротекторных препаратов и изучать механизмы патологических и физиологических состояний в эксперименте.