BLOG
EEG/QEEG w psychiatrii
aparatura ELMIKO w diagnostyce zaburzeń nastroju
Diagnoza w psychiatrii wciąż opiera się przede wszystkim na wywiadzie lekarskim, obserwacji klinicznej i standaryzowanych skalach. To narzędzia niezastąpione, ale mające jedną wspólną cechę. Bazują one na subiektywnych odczuciach pacjenta i tym, co pacjent potrafi i chce zakomunikować. W zaburzeniach nastroju bywa to szczególnie trudne i ograniczające. Objawy takie jak spowolnienie poznawcze, trudności z koncentracją czy zaburzenia uwagi bywają przez pacjentów pomijane w wywiadzie, mimo że mają realny wpływ na ich funkcjonowanie i przebieg leczenia.
EEG, a zwłaszcza ilościowe EEG (QEEG), od kilku dekad rozwijają się jako metody, która mogą dostarczyć lekarzowi coś, czego nie dostarczy sam wywiad – obiektywny, mierzalny obraz aktywności bioelektrycznej mózgu. Wartość tego obrazu zależy przede wszystkim od kompetencji osoby prowadzącej badanie oraz od jakości aparatury, na której zapis został wykonany. W tym artykule przyglądamy się temu, co dobra aparatura EEG wnosi do diagnostyki zaburzeń nastroju i dlaczego w przypadku QEEG odpowiedni sprzęt jest niezbędny w pracy z pacjentami.
Badania nad elektrofizjologią depresji prowadzone są od kilku dekad, a ich wyniki są coraz bardziej obiecujące. Przeglądy systematyczne i metaanalizy identyfikują kilka wzorców bioelektrycznych, które umożliwiają statystyczne rozróżnienie pacjentów z MDD (duże zaburzenie depresyjne, z ang. major depressive disorder) od osób zdrowych. Należą do nich, między innymi:
- Czołowa asymetria alfa (frontal alpha asymmetry, FAA)
Czołowa asymetria alfa (FAA) to wzorzec, w którym aktywność spoczynkowej fali alfa w lewej okolicy czołowej jest względnie wyższa od aktywności po prawej stronie. Metaanaliza opublikowana w npj Mental Health Research w 2025 potwierdza rolę FAA jako biomarkera MDD o umiarkowanej wielkości efektu. Podkreśla jednocześnie, że jako samodzielny marker diagnostyczny FAA ma ograniczoną wartość, ale może stanowić użyteczne uzupełnienie oceny klinicznej. - Zmiany w mocy fal wolnych theta i delta
Przeglądy systematyczne i metaanalizy wskazują na zwiększenie lub zmniejszenie mocy fal theta i delta u pacjentów z MDD w porównaniu z grupami kontrolnymi, szczególnie w obszarach czołowych. - Podwyższona aktywność beta
Badania naukowe wskazują, że wartość bezwzględna mocy fal beta stanowi pomocny wskaźnik w wykrywaniu depresji. Ponadto, niektóre wyniki sugerują wyższą dokładność klasyfikacji dla pasma beta niż innych pasm w QEEG opartym na uczeniu maszynowym – chociaż badanie to było prowadzone na osobach z łagodną postacią depresji, a nie na pacjentach z MDD. - Kordancja czołowa (frontal cordance)
Kordancja czołowa to miara łącząca bezwzględną i względną moc spektralną. Badania wskazują, że obniżona kordancja przedczołowa może prognozować odpowiedź na leczenie farmakologiczne u pacjentów z MDD.
Osobnym, coraz szerzej przebadanym obszarem zastosowań QEEG jest wykorzystanie go do badania deficytów poznawczych towarzyszących depresji. Według szacunków, ponad 50% pacjentów z MDD zmaga się z deficytami poznawczymi, które potrafią utrzymywać się nawet po remisji zaburzeń nastroju. Podwyższona aktywność theta w okolicach czołowych, zmiany w amplitudzie i latencji składowej P300 czy obniżona indywidualna szczytowa częstotliwość alfa (IAPF) mogą być powiązane z trudnościami w koncentracji i pamięci. Wszystkie te wskaźniki oferują specjaliście dostęp do wymiaru choroby, który łatwo przegapić w trakcie wywiadu z pacjentem.
Żaden z tych wzorców nie jest na tyle specyficzny, by umożliwić postawienie diagnozy dotyczącej zaburzeń nastroju wyłącznie w oparciu o niego. QEEG nie zastępuje oceny klinicznej, a jedynie uzupełnia ją o warstwę informacji, której obserwacja behawioralna nie jest w stanie dostarczyć.
„Wszystkie te wskaźniki oferują specjaliście dostęp do wymiaru choroby, który łatwo przegapić w trakcie wywiadu z pacjentem. (…) QEEG nie zastępuje oceny klinicznej, a jedynie uzupełnia ją o warstwę informacji, której obserwacja behawioralna nie jest w stanie dostarczyć.”
QEEG różni się fundamentalnie od klasycznego, jakościowego odczytu EEG. W klasycznym EEG doświadczony neurolog interpretuje zapis jakościowo, a pojedynczy artefakt czy chwilowe pogorszenie jakości sygnału zwykle nie zniekształca całościowej oceny badania. W QEEG każdy fragment zapisu jest przekształcany przy użyciu zaawansowanych modeli matematycznych i statystycznych. Następnie wyniki badania porównywane są z bazą normatywną (pomiarem osób zdrowych, w zbliżonym do pacjenta wieku) i przedstawiane w czytelnej formie map aktywności mózgowej (w formacie 2D lub 3D), liczbowych wskaźników, itp. Wykorzystanie złożonej analizy ilościowej oznacza, że sygnał słabej jakości nie jest już tylko niedogodnością odczytu, lecz bezpośrednio zniekształca wynik pomiaru, na którym opiera się interpretacja kliniczna.
International QEEG Certification Board (IQCB) w swoich wytycznych dotyczących minimalnych wymagań technicznych dla klinicznego QEEG (2025) jasno wskazuje, że wiarygodność metryk QEEG zależy od standaryzacji akwizycji sygnału zgodnej z wytycznymi American Clinical Neurophysiology Society (ACNS). Kluczowe jest właściwe zarządzanie artefaktami, w tym upewnienie się, że impedancja elektrod jest na tyle zbalansowana, by wzmacniacz mógł skutecznie odróżnić sygnał pochodzący z mózgu od zakłóceń w pomiarze. IQCB podkreśla jednocześnie rolę wizualnej oceny jakości sygnału EEG przez doświadczonego neurologa przed przystąpieniem do analizy oraz określa minimalną długość oczyszczonego sygnału poddanego analizie na 1 minutę (ale optymalnie powinno się obrabiać sygnał trwający od 2 do 5 minut).
Ponadto istotna jest również kwestia liczby kanałów wykorzystanych do przeprowadzenia badania. Wytyczne ACNS i IQCB jako standard wskazują wybór elektrod w oparciu o międzynarodowy system 10-20. Podstawowe badanie EEG/QEEG powinno być przeprowadzone z wykorzystaniem 19 elektrod, ale dla analiz wymagających wyższej rozdzielczości przestrzennej rekomendowane są układy o większej liczbie kanałów. Więcej elektrod oznacza dokładniejsze mapowanie topograficzne aktywności i większą możliwość zlokalizowania, z którego obszaru kory pochodzi obserwowane odchylenie.
Dla specjalisty planującego wdrożenie EEG/QEEG do swojej praktyki klinicznej, opisane uprzednio wymagania przekładają się na kilka konkretnych pytań, które warto zadać przy wyborze aparatury:
- Czy liczba kanałów wystarczy do zamierzonych analiz?
Standardowy montaż 19-elektrodowy wystarcza do podstawowej analizy mocy pasm i map topograficznych, ale bardziej skomplikowane analizy sygnału (np. LORETA) i ocena łączności funkcjonalnej między obszarami korzystają zazwyczaj z układów o większej liczbie elektrod (takich jak te dostępne w systemach EEG od ELMIKO). - Czy system ułatwia zarządzanie artefaktami?
Ponieważ jakość sygnału bezpośrednio przekłada się na wynik ilościowy badania, oprogramowanie wspierające automatyczną lub półautomatyczną detekcję artefaktów mięśniowych, ruchowych i związanych z ruchem gałek ocznych realnie skraca czas potrzebny na przygotowanie zapisu do analizy i zmniejsza ryzyko błędu interpretacyjnego. - Czy oprogramowanie integruje analizę QEEG z bazą normatywną w jednym środowisku?
Przenoszenie danych między osobnym systemem akwizycji sygnału EEG a zewnętrznym oprogramowaniem do analizy ilościowej wydłuża proces diagnostyczny i wprowadza dodatkowe ryzyko błędów przy eksporcie i imporcie danych.
W ofercie ELMIKO dostępne są systemy diagnostyczne EEG w trzech konfiguracjach dopasowanych do różnych modeli pracy placówki: jednostanowiskowy system EEG do gabinetu prowadzącego badania na miejscu, mobilny system EEG umożliwiający rejestrację bezpośrednio przy łóżku pacjenta lub w warunkach domowych oraz wielostanowiskowy system EEG dla ośrodków prowadzących równolegle kilka badań. Wszystkie systemy umożliwiają konfigurację w oparciu o 32–kanałową głowicę EEG, co ma szczególne znaczenie przy analizach wymagających wyższej rozdzielczości przestrzennej.
Dla placówek zajmujących się prowadzeniem terapii neurofeedback dostępny jest również system ELMIKO EEG Biofeedback – certyfikowany wyrób medyczny klasy IIa z wbudowanym modułem QEEG. Dzięki temu badanie ilościowe, jego analiza, tworzenie protokołów terapeutycznych oraz prowadzenie sesji neurofeedback mogą odbywać się w ramach jednego urządzenia i oprogramowania, bez konieczności przenoszenia danych między systemami.
Wybór między samodzielnym systemem diagnostycznym EEG a systemem z wbudowanym modułem neurofeedback zależy od profilu placówki. Dla ośrodków prowadzących wyłącznie diagnostykę psychiatryczną i neurologiczną wystarczające jest dedykowane urządzenie diagnostyczne. Natomiast placówki łączące diagnostykę z terapią neurofeedback zyskują na możliwości pracy w ramach jednego systemu.
Nawet najbardziej zaawansowany sprzęt do QEEG nie rozwiązuje wszystkich ograniczeń tej metody. Odchylenia wykrywane w QEEG pozostają niespecyficzne – te same wzorce bioelektryczne mogą towarzyszyć różnym jednostkom klinicznym, od depresji przez zaburzenia lękowe po ADHD czy wczesne etapy zaburzeń poznawczych. Jakość zapisu jest warunkiem koniecznym do przeprowadzenia analizy, ale nie wystarczającym. Równie istotna jest umiejętność interpretacji wyniku w kontekście pełnego obrazu klinicznego pacjenta, czego żaden system, niezależnie od liczby kanałów, nie jest w stanie zastąpić.
Dlatego jakościową aparaturę warto traktować jako wstęp do rzetelnej diagnostyki QEEG, a nie jej gwarancję. Reszta zależy od kompetencji specjalisty, który ten zapis odczytuje.
Interpretacja zapisu QEEG w kontekście zaburzeń nastroju wymaga wiedzy z zakresu neurofizjologii, znajomości aktualnej literatury dotyczącej biomarkerów EEG oraz doświadczenia w łączeniu wyniku ilościowego z obrazem klinicznym pacjenta. AKSON Centrum Edukacji prowadzi dedykowane szkolenia z zakresu diagnostyki QEEG w zastosowaniu klinicznym oraz warsztaty praktyczne QEEG, skierowane do lekarzy, psychologów, pedagogów i terapeutów neurofeedback. Pełna oferta szkoleń dostępna jest na stronie AKSON Centrum Edukacji.
Jeśli szukasz miejsca, w którym wykonasz badanie EEG/QEEG u doświadczonych specjalistów, zapraszamy do zapoznania się z ofertą gabinetu NEURODIAGNOSTYKI.
QEEG ma dziś realne miejsce w diagnostyce zaburzeń nastroju – nie jako zamiennik oceny klinicznej, lecz jako dodatkowa, obiektywna warstwa informacji, wspierająca zarówno rozpoznanie, jak i planowanie oraz monitorowanie leczenia. Wartość diagnostyki QEEG jest zależna od jakości danych, na których analiza się opiera. Wiarygodny zapis EEG pochodzący z wystarczającej liczby kanałów, wysoka jakość sygnału, integracja z narzędziami analitycznymi to fundament, bez którego nawet najbardziej zaawansowana analiza ilościowa traci sens.
Pełna oferta systemów diagnostycznych i terapeutycznych EEG dostępna jest na stronie ELMIKO.
Tworzymy, żeby pomagać.
📧 elmiko@elmiko.pl | 📞 +48 22 644 37 37, +48 606 440 808 | 🌐 elmiko.pl
Bibliografia:
Arıkan, M. K., Gıca, Ş., İlhan, R., Orhan, Ö., Kalaba, Ö., & Günver, M. G. (2025). Monitoring the Response of Treatment in Major Depressive Disorder with EEG: Could it be an Indicator of Returning to Health in Responders. Clinical EEG and neuroscience, 56(6), 487-496. https://doi.org/10.1177/15500594241310949
Bares, M., Brunovsky, M., Kopecek, M., Stopkova, P., Novak, T., Kozeny, J., & Höschl, C. (2007). Changes in QEEG prefrontal cordance as a predictor of response to antidepressants in patients with treatment resistant depressive disorder: a pilot study. Journal of psychiatric research, 41(3-4), 319-325. https://doi.org/10.1016/j.jpsychires.2006.06.005
Bruder, G. E., Sedoruk, J. P., Stewart, J. W., McGrath, P. J., Quitkin, F. M., & Tenke, C. E. (2008). Electroencephalographic alpha measures predict therapeutic response to a selective serotonin reuptake inhibitor antidepressant: pre- and post-treatment findings. Biological psychiatry, 63(12), 1171-1177. https://doi.org/10.1016/j.biopsych.2007.10.009
Collura, T., Cantor, D., Chartier, D., Crago, R., Hartzoge, A., Hurd, M., Kerson, C., Lubar, J., Nash, J., Prichep, L. S., Surmeli, T., Thompson, T., Tracy, M., & Turner, R. (2025). International QEEG Certification Board Guideline Minimum Technical Requirements for Performing Clinical Quantitative Electroencephalography. Clinical EEG and neuroscience, 56(5), 391-399. https://doi.org/10.1177/15500594241308654
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
Ip, C. T., Olbrich, S., Ganz, M., Ozenne, B., Köhler-Forsberg, K., Dam, V. H., Beniczky, S., Jørgensen, M. B., Frokjaer, V. G., Søgaard, B., Christensen, S. R., & Knudsen, G. M. (2021). Pretreatment qEEG biomarkers for predicting pharmacological treatment outcome in major depressive disorder: Independent validation from the NeuroPharm study. European neuropsychopharmacology : the journal of the European College of Neuropsychopharmacology, 49, 101-112. https://doi.org/10.1016/j.euroneuro.2021.03.024
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. Front. Hum. Neurosci. 19:1624434. https://doi.org/10.3389/fnhum.2025.1624434
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
Luo, Y., Tang, M. & Fan, X. (2025). Meta analysis of resting frontal alpha asymmetry as a biomarker of depression. npj Mental Health Res 4, 2. https://doi.org/10.1038/s44184-025-00117-x
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
Sinha, S. R., Sullivan, L., Sabau, D., San-Juan, D., Dombrowski, K. E., Halford, J. J., Hani, A. J., Drislane, F. W., & Stecker, M. M. (2016). American Clinical Neurophysiology Society Guideline 1: Minimum Technical Requirements for Performing Clinical Electroencephalography. Journal of clinical neurophysiology : official publication of the American Electroencephalographic Society, 33(4), 303-307. https://doi.org/10.1097/WNP.0000000000000308
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
