SZKOLENIE DEDYKOWANE LEKARZOM, PEDAGOGOM, PSYCHOLOGOM I LOGOPEDOM
Zaburzenia koncentracji, pamięci roboczej i tempa przetwarzania informacji towarzyszą depresji częściej niż wynika to ze standardowych procesów diagnostycznych. Szacuje się, że klinicznie istotne deficyty poznawcze występują u zdecydowanej większości pacjentów zmagających się z dużym zaburzeniem depresyjnym (MDD, z ang. major depressive disorder). U części pacjentów utrzymują się one także po ustąpieniu objawów związanych z zaburzeniami nastroju.
W najnowszym artykule, autorstwa specjalistki neurokognitywistyki Weroniki Redos, przyglądamy się temu, co QEEG mówi o zaburzeniach koncentracji i pamięci w kontekście depresji. Omawiamy jakie wskaźniki bioelektryczne korelują z zaburzeniami uwagi i pamięci, jak można je wykorzystać w planowaniu terapii i dlaczego mgła poznawcza w depresji zasługuje na indywidualne podejście kliniczne.
Zaburzenia poznawcze w depresji – rzadziej rozpoznawany wymiar choroby
Badania oceniają częstość występowania klinicznie istotnych zaburzeń poznawczych u pacjentów z MDD na ponad 50% wszystkich przypadków. Mimo to ten aspekt choroby często bywa niedodiagnozowany. Częściowo dlatego, że pacjenci nie zawsze spontanicznie mówią o swoich dolegliwościach w tym obszarze. A częściowo dlatego, że standardowa diagnostyka koncentruje się na objawach związanych z nastrojem.
Tymczasem deficyty poznawcze w depresji mają realne znaczenie kliniczne. Są one jednym z głównych czynników upośledzających funkcjonowanie zawodowe i społeczne pacjenta, często mogą utrzymywać się po ustąpieniu epizodu depresyjnego (nawet u pacjentów z MDD, u których wystąpiła pełna remisja), a także mogą okazać się przydatne w przewidywaniu odpowiedzi na leczenie przeciwdepresyjne.
QEEG w kontekście funkcji poznawczych w depresji – najważniejsze wskaźniki aktywności bioelektrycznej mózgu
QEEG nie mierzy pamięci ani uwagi bezpośrednio. Mierzy natomiast aktywność bioelektryczną mózgu, która koreluje z funkcjami poznawczymi. W kontekście depresji i deficytów poznawczych kluczowe są następujące wskaźniki:
Moc fal theta w okolicach czołowych
Nadmierna aktywność fal theta w spoczynku koreluje z osłabioną uwagą i spowolnieniem poznawczym. W depresji stosunek fal theta jest często zaburzony w okolicach czołowych, co może odzwierciedlać trudność z aktywacją i wykorzystaniem funkcji wykonawczych.
Potencjały wywołane (ERP)
Kluczowym wskaźnikiem jest również składowa P300, której amplituda i latencja odzwierciedlają szybkość przetwarzania informacji i alokację zasobów uwagi. Badania wykazują obniżoną amplitudę P300 lub jej wydłużoną latencję u pacjentów z MDD, co może odpowiadać subiektywnym odczuciom pacjenta związanym z trudnościami z pamięcią i koncentracją.
Obniżona aktywność alfa i podwyższona theta w okolicach skroniowo–czołowych
Zaburzenia w aktywności rytmu alfa i theta korelują z zaburzeniami pamięci roboczej. Zakłócenie stosunku między tymi falami w okolicach przedczołowych może korelować z osłabioną uwagą, spowolnieniem poznawczym i z utrudnioną aktywacją procesów wykonawczych.
Indywidualna szczytowa częstotliwość alfa
Obniżona indywidualna szczytowa częstotliwość rytmu alfa (IAPF, z ang. individual alpha peak frequency) może wpływać negatywnie na tempo przetwarzania informacji i procesów poznawczych. IAPF jest również badana jako potencjalny marker starzenia się mózgu i deficytów uwagi.
Mgła poznawcza post–covidowa a QEEG – co pokazują badania i jakie ma to znaczenie dla pacjentów z MDD?
Na przestrzeni ostatnich lat szczególnie interesujące stały się doniesienia dotyczące mgły poznawczej u pacjentów, którzy chorowali na COVID–19. Badanie opublikowane przez Kopańską i in. (2022) wykazało, że u osób z post–covidową mgłą poznawczą obserwuje się zwiększoną aktywność theta i alfa oraz asymetrię SMR między półkulami w porównaniu z zapisami pochodzącymi sprzed pandemii. Wyjątkowość tego badania polega na jego konstrukcji. Uczestnicy, będący pracownikami naukowymi jednej z uczelni, dysponowali zapisami QEEG wykonanymi jeszcze przed pandemią. Pozwoliło to porównać aktywność bioelektryczną tych samych osób przed zachorowaniem oraz po wystąpieniu objawów mgły poznawczej, potwierdzonych klinicznie przez specjalistę.
Zbliżony profil odchyleń – podwyższone fale alfa, theta i beta2 przy jednoczesnym obniżeniu SMR – opisano również w późniejszym badaniu pilotażowym z udziałem pilotów zawodowych, którzy po przebytym COVID–19 skarżyli się na zaburzenia koncentracji. Fakt, że tak różne grupy zawodowe wykazują porównywalny obraz aktywności bioelektrycznej mózgu, wzmacnia przypuszczenie, że subiektywnie odczuwalna mgła poznawcza posiada czytelne korelaty neurofizjologiczne. Chociaż mgła post–covidowa i depresja różnią się etiologicznie, część objawów poznawczych, a także wskaźników QEEG, nakłada się na siebie w obu zaburzeniach. To właśnie ta zbieżność sprawia, że obserwacje z badań nad mgłą post–covidową bywają użyteczne w zrozumieniu podłoża deficytów poznawczych w innych stanach klinicznych, w tym również w depresji.
Rola QEEG w zaburzeniach nastroju
U pacjentów z MDD obraz bioelektryczny jest bardziej złożony, ale również dobrze udokumentowany w badaniach naukowych. Przeglądy systematyczne i metaanalizy wskazują, że pacjenci z MDD częściej niż osoby zdrowe wykazują podwyższoną moc fal wolnych (delta i theta) oraz szybkich (beta), zmienioną aktywność w paśmie alfa, a także charakterystyczną czołową asymetrię alfa. Co istotne, odchylenia w pasmach theta i beta bywają powiązane nie tylko z nasileniem objawów emocjonalnych, lecz również z deficytami pamięci i uwagi.
QEEG jest również badane jako narzędzie prognostyczne i monitorujące postępy terapii. Niektóre wskaźniki, jak przedczołowa kordancja, analizuje się pod kątem przewidywania odpowiedzi na leczenie farmakologiczne. Natomiast porównanie zapisów przed serią sesji i po niej pozwala śledzić obiektywne zmiany aktywności mózgu również w sferze poznawczej, która w standardowej ocenie klinicznej często umyka uwadze.
Warto przy tym zachować ostrożność interpretacyjną. Wyniki poszczególnych badań bywają niejednorodne, a różnice w metodologii, doborze grup i warunkach rejestracji utrudniają ich bezpośrednie porównywanie. Z tego powodu QEEG traktuje się dziś jako narzędzie uzupełniające obraz kliniczny, a nie samodzielny test diagnostyczny w zaburzeniach nastroju.
Praktyczne implikacje dla terapeuty i klinicysty
Dla praktyka klinicznego badanie QEEG w kontekście zaburzeń poznawczych w depresji ma kilka zastosowań. Może uzupełnić diagnozę o neurofizjologiczne korelaty zaburzeń, które pacjent jest w stanie opisać tylko subiektywnie. Może ponadto pomóc w planowaniu protokołów terapeutycznych – np. w sytuacji gdy u pacjenta dominują nadmierne fale theta w okolicach czołowych, terapeuta może dobrać protokół EEG Biofeedback nakierowany na redukcję theta i wzmocnienie SMR lub alfa w celu wsparcia funkcji związanych z uwagą. QEEG może również służyć do monitorowania efektów terapii, dzięki porównaniu wyników przed i po serii sesji, pozwalającym ocenić obiektywne zmiany w aktywności bioelektrycznej.
Aby skutecznie wykorzystać QEEG w praktyce klinicznej, niezbędne jest odpowiednie przeszkolenie personelu. AKSON Centrum Edukacji prowadzi dedykowane szkolenia z zakresu QEEG, obejmujące prowadzenie badania, interpretację wyników oraz dobór protokołów terapeutycznych dopasowanych do indywidualnych potrzeb pacjenta z deficytami poznawczymi towarzyszącymi zaburzeniom nastroju.
Nie ignoruj mgły poznawczej w depresji
Zaburzenia koncentracji i pamięci w depresji to nie uboczny efekt choroby. To jej integralna część, która ma swoje neurofizjologiczne podłoże i która wymaga indywidualnego podejścia terapeutycznego. QEEG jest jednym z narzędzi, które pomaga zobaczyć to, czego sam wywiad kliniczny i standaryzowane skale nie zawsze pokażą. Klinicysta, który umie czytać wyniki badania QEEG, ma pełniejszy obraz stanu zdrowia pacjenta i większy wachlarz możliwości terapeutycznych.
Zapraszamy do zapoznania się z ofertą szkoleniową z zakresu QEEG w AKSON Centrum Edukacji i kontaktu ws. najbliższych terminów: marketing@akson–edu.pl.
WIEDZA, KTÓRA POMAGA.
AUTORKA: Dr n. biol. Weronika Dębowska – doktor neurobiologii i uznana dydaktyk, specjalizująca się w klinicznym zastosowaniu TMS. Ukończyła akredytowane szkolenia międzynarodowe (UEMS, EACCME), potwierdzające jej biegłość w najnowszych protokołach terapeutycznych i standardach bezpieczeństwa.
BIBLIOGRAFIA
Groves, S. J., Douglas, K. M., & Porter, R. J. (2018). A Systematic Review of Cognitive Predictors of Treatment Outcome in Major Depression. Frontiers in psychiatry, 9, 382. https://doi.org/10.3389/fpsyt.2018.00382
Kopańska, M., Ochojska, D., Muchacka, R., Dejnowicz-Velitchkov, A., Banaś-Ząbczyk, A., & Szczygielski, J. (2022). Comparison of QEEG Findings before and after Onset of Post-COVID-19 Brain Fog Symptoms. Sensors (Basel, Switzerland), 22(17), 6606. https://doi.org/10.3390/s22176606
Kopańska, M., Ochojska, D., Sarzyńska, I., Bartkowska, O., & Szczygielski, J. (2025). Quantitative and qualitative electroencephalography in the diagnosis and monitoring of depression. A modern approach to clinical neurophysiology. Frontiers in human neuroscience, 19, 1624434. https://doi.org/10.3389/fnhum.2025.1624434
Kopańska, M., Rydzik, Ł., Błajda, J., Sarzyńska, I., Jachymek, K., Pałka, T., Ambroży, T., & Szczygielski, J. (2023). The Use of Quantitative Electroencephalography (QEEG) to Assess Post-COVID-19 Concentration Disorders in Professional Pilots: An Initial Concept. Brain sciences, 13(9), 1264. https://doi.org/10.3390/brainsci13091264
Liu, J., Chen, Y., Xie, X., Liu, B., Ju, Y., Wang, M., Dong, Q., Lu, X., Sun, J., Zhang, L., Guo, H., Zhao, F., Li, W., Zhang, L., Li, Z., Liao, M., Li, L., & Zhang, Y. (2023). The percentage of cognitive impairment in patients with major depressive disorder over the course of the depression: A longitudinal study. Journal of affective disorders, 329, 511-518. https://doi.org/10.1016/j.jad.2023.02.133
Ragguett, R. M., Cha, D. S., Kakar, R., Rosenblat, J. D., Lee, Y., & McIntyre, R. S. (2016). Assessing and measuring cognitive function in major depressive disorder. Evidence-based mental health, 19(4), 106-109. https://doi.org/10.1136/eb-2016-102456
Rock, P. L., Roiser, J. P., Riedel, W. J., & Blackwell, A. D. (2014). Cognitive impairment in depression: a systematic review and meta-analysis. Psychological medicine, 44(10), 2029-2040. https://doi.org/10.1017/S0033291713002535
Tarasi, L., & Romei, V. (2024). Individual Alpha Frequency Contributes to the Precision of Human Visual Processing. Journal of cognitive neuroscience, 36(4), 602-613. https://doi.org/10.1162/jocn_a_02026
Tripathi, S. M., Mishra, N., Tripathi, R. K., & Gurnani, K. C. (2015). P300 latency as an indicator of severity in major depressive disorder. Industrial psychiatry journal, 24(2), 163-167. https://doi.org/10.4103/0972-6748.181726
Voetterl, H.T.S., Sack, A.T., Olbrich, S. et al. (2023). Alpha peak frequency-based Brainmarker-I as a method to stratify to pharmacotherapy and brain stimulation treatments in depression. Nat. Mental Health 1, 1023-1032. https://doi.org/10.1038/s44220-023-00160-7