Дорогие друзья и коллеги!

Мы рады представить вам ноябрьский обзор последних научных публикаций для ЭНМГ-специалиста. Итак, давайте взглянем, о чём же писали за последний месяц.

В будущее возьмут не всех: ИИ-анализ нативной игольчатой ЭМГ с распознаванием артефактов и оценкой параметров ПДЕ

Применение ИИ и машинного обучения без сомнения вскоре довольно серьезно изменит нейрофизиологический ландшафт за счёт автоматизации процессов, что сейчас выполняются исследователем вручную. Электронейромиография конечно же не исключение, и новые данные о применении ИИ приходят практически каждый месяц. Так, например, уже есть работы по классификации различных видов электрической мышечной активности, есть по различению нормальных, нейрогенных и миопатических ПДЕ, есть и другие. В то же время стоит помнить о том, что все предыдущие исследования были основаны на анализе предварительно очищенной от артефактов ЭМГ-записи, что так или иначе требовало непосредственного участия человека.

Работа нового типа опубликована в последнем Clinical Neurophysiology. D.Huberts и соавт. представили результаты исследования, в которой перед разработанной авторами искусственной нейронной сетью было поставлено две задачи: сперва выделить из сырой ЭМГ-записи состояние покоя, мышечные сокращения и артефакты записи, а после — классифицировать обнаруженные ПДЕ на нормальные, со сниженной и с увеличенной длительностью. В первой части исследования всё отлично, точность определения 96%, а вот с анализом длительности ПДЕ дело обстоит несколько сложнее — от 67 до 83% (в зависимости от модели). Надо сказать, это несколько ниже, чем в других работах по классификации ПДЕ, на что авторы отмечают, что оригинальность и новизна их исследования в том, то впервые был проведен ИИ-анализ именно сырой ЭМГ-записи, и, следовательно, некоторое снижение точности в сравнении с предшествующими работами в целом ожидаемо.

MScanFit-MUNE в оценке индекса расщеплённой кисти у пациентов с БАС

Еще одна интересная публикация в том же выпуске посвящена исследованию индекса расщеплённой кисти (split hand index, SI) у пациентов с БАС. Напомним, феномен расщеплённой кисти характерен для пациентов с боковым склерозом и заключается в том, что денервационные изменения в мышцах кисти, иннервируемых локтевым нервом, значительно раньше возникают и в целом более выражены в латеральной группе (m. I-st dors. interosseus, DI) в сравнении с медиальной (m. add. digiti minimi, ADM). Феномен был впервые описан A.J. Willbourn в 1992 г., и в последующем неоднократно привлекал внимание исследователей. На момент верификации диагноза БАС он встречается у 70% пациентов, что говорит о высокой диагностической значимости данного показателя.

Новая работа N.Pavey с соавт. посвящена оценке нейрофизиологических изменений в мышцах тенара и гипотенара у пациентов с БАС (n=36) и контрольной группы (n=26) по данным анализа моторных ответов (CMAP), MUNIX и MScanFit-MUNE. Последняя методика представляет собой относительно недавно описанный способ исследования MUNE (MScanFit-MUNE), показавший большую чувствительность в сравнении с MUNIX. Расчет SI проводился по следующим формулам (рис. 1).

Основной вывод, которые предлагают нам авторы статьи, состоит в том, что чувствительность показателей SI-CMAP и SI-MScanFit-MUNE превышает чувствительность с SI-MUNIX при проведении дифференциальной диагностики между БАС и контрольной группой (рис.2).

Типичный ЭМГ-паттерн при синдроме Исаакса

Синдром Исаакса (или нейромиотония) — редкое нервно-мышечное заболевания, сопровождающееся гипервозбудимостью периферических нервов с клиническими проявлениями в виде мышечной скованности, болезненности и спазмов. Природа заболевания обусловлена аутоиммунными или паранеопластическими причинами, нередко на фоне тимомы. Аутоиммунный механизм часто обусловлен поражением потенциал-зависимых калиевых каналов антителами anti-VGKC.
‍
Свежий систематический обзор публикаций по теме синдрома Исаакса опубликован в Journal of Clinical Neuromuscular Disease. В обзор включены 61 кейс-репорт и 4 публикации с группой случаев, всего 70 участников со средним возрастом 42,5±18 лет. В работе проанализированы различные клинические, лабораторные и инструментальные признаки заболевания, и среди прочего — частота выявления феноменов спонтанной электрической активности по данным игольчатой ЭМГ. Как и ожидалось, наиболее частые нейрофизиологические находки были представлены фасцикуляциями (30%), миокимическими (31,4%) и нейромиотоническими (27,1%) разрядами.

Сочетанное использование УЗИ мышц и игольчатой ЭМГ в диагностике нервно-мышечных болезней

Как УЗИ мышц, так и игольчатая ЭМГ могут применяться для верификации заболеваний нейромышечного аппарата, однако сравнительный анализ этих двух методик ранее не проводился. Данной теме посвящена работа J. Wijntjes с соавт., опубликованная в октябрьском Muscle&Nerve.
В исследование были включены данные 218 пациентов (как здоровых, так и с различными нервно-мышечными заболеваниями), а всего с помощью УЗИ и игольчатой ЭМГ было обследовано 796 мышц. По результатам ЭМГ электрогенез мышцы описывали как нормальный, миогенный, нейрогенный или другой. УЗИ-данные оценивали как визуально по 4-балльной шкале Heckmatt, так и с помощью количественной оценки серой шкалы по методике, предложенной ранее S.Pillen.

Сравнение методик показало следующие результаты. В мышцах, имеющих признаки нейрогенной перестройки по данным ЭМГ (n=455), результаты УЗ-исследования чаще были нормальными, чем имели признаки патологии. При этом в случае выраженной денервации патологические изменения согласно шкале Heckmatt выявлялись уже в 87,5% случаев, что говорит о том, что именно лёгкая и умеренная денервация является основной слепой зоной для УЗИ мышц у данных пациентов (рис. 3).

Что же касается миопатического поражения, но здесь чувствительность УЗИ (42,6%) лишь немного уступает игольчатой ЭМГ (58,5%). Пациенты с неопределённым или неизвестным поражением имели отклонения на игольчатой ЭМГ в 71,8% и на УЗИ в 38,5% случаев. Примечательно также то, что около 38,2% из группы здоровых имели те или иные отклонения при УЗ-исследовании мышц. В целом сравнение оценки УЗИ-изображения мышцы с помощью Z-score и шкалой Heckmatt показывает большую чувствительность последней в каждой из групп испытуемых. Суммирующие данные по выявлению отклонений на иЭМГ и УЗИ у субкатегорий испытуемых приведены в таблице 1.

В итоге авторы предлагают к обсуждению следующие выводы:

1. Сопоставимость результатов игольчатой ЭМГ и УЗИ мышц при верификации нервно-мышечного поражения на данный момент слабая
‍
2. Определённая корреляция между выраженностью данных ЭМГ и УЗ-изменений при нейрогенном поражении всё же имеется, и она тем больше, чем больше выраженность поражения

3. УЗИ мышц обладает в целом низкой чувствительностью для верификации острого денервационного отека и для минимальных нейрогенных изменений, когда на фоне раннего срока либо быстрой реиннервации не произошло атрофии мышечной ткани

4. Данные УЗИ и иЭМГ при нейрогенном поражении больше коррелируют между собой в краниальных мышцах, чем мышцах конечностей.

Таким образом был проведён сравнительный анализ чувствительности нейрофизиологических и ультразвуковых показателей у пациентов с миопатическим и нейрогенным поражением, а также у здоровых лиц. Что ж, единственного и исчерпывающего метода диагностики нервно-мышечных болезней видимо по-прежнему не существует, и ближайшее время мы будем всё так же использовать набор различных инструментов для решения разнообразных задач.