Event-related potential

ข้อมูลเพิ่มเติม: Evoked potential

รูปคลื่นแสดงองค์ประกอบของ ERP หลายอย่าง รวมทั้ง N100 (ขึ้นป้ายว่า N1) และ P300 (ขึ้นป้ายว่า P3) ให้สังเกตว่า ERP วาดให้ศักย์ลบอยู่ด้านบน นี่เป็นข้อปฏิบัติที่สามัญแม้จะไม่สากลในงานวิจัยเกี่ยวกับ ERP

event-related potential (ตัวย่อ ERP) หรือ ศักย์ไฟฟ้าสมองสัมพันธ์กับเหตุการณ์ เป็นค่าการตอบสนองของสมอง เป็นผลโดยตรงต่อเหตุการณ์ทางการรับรู้ความรู้สึก ทางประชาน หรือทางระบบสั่งการ โดยรูปนัย มันเป็นการตอบสนองทางสรีรวิทยาไฟฟ้าแบบเป็นพิมพ์เดียวกัน (stereotyped) ต่อตัวกระตุ้น วิธีนี้ช่วยให้สามารถประเมินการทำงานของสมองโดยไม่ต้องผ่าต้องเจาะสรีระร่างกาย

ERP สามารถวัดโดยการบันทึกคลื่นไฟฟ้าสมอง (EEG) ส่วนการวัดสัญญาณที่เสมอกับ ERP คือ event-related field (ERF) ซึ่งทำด้วยการบันทึกสนามแม่เหล็กในสมอง (magnetoencephalography, ตัวย่อ MEG) evoked potential และ induced potential เป็นรูปแบบย่อยของ ERP

ประวัติ

ในปี 1924 จิตแพทย์ชาวเยอรมัน นพ.ฮานส์ เบอร์เกอร์ แสดงว่า สามารถบันทึกการทำงานทางไฟฟ้าของสมองมนุษย์โดยติดอิเล็กโทรดที่หนังศีรษะแล้วขยายสัญญาณ เป็นวิธีที่เรียกว่า การบันทึกคลื่นไฟฟ้าสมอง (electroencephalogram ตัวย่อ EEG) คือความเปลี่ยนแปลงทางศักย์ไฟฟ้าสามารถแสดงเป็นกราฟตามเวลา หมอให้ข้อสังเกตว่า ศักย์ไฟฟ้าได้รับอิทธิพลภายนอกเช่นการกระตุ้นประสาทสัมผัส EEG ในทศวรรษต่อ ๆ จึงใช้บันทึกคลื่นไฟฟ้าของสมอง แต่การบันทึกคลื่นสมองที่สัมพันธ์กับกระบวนการทางประสาทโดยเฉพาะ ๆ ซึ่งเป็นประเด็นของการศึกษาทางประสาทวิทยาศาสตร์ประชาน (cognitive neuroscience) ก็ยังเป็นเรื่องยาก เพราะข้อมูล EEG อย่างเดียวไม่สามารถแยกแยะกระบวนการทางประสาทโดยเฉพาะ ๆ

ERP จึงเป็นวิธีที่ดีกว่าเพื่อดึงข้อมูลทางความรู้สึก ทางประชาน และทางระบบประสาทสั่งการโดยเฉพาะ ๆ ด้วยเทคนิคการเฉลี่ยที่ทำง่าย ๆ ในระหว่างปี 1935-1936 คู่นักสรีรวิทยาชาวอเมริกัน (Hallowell Davis และภรรยาคือ Pauline Davis) เป็นพวกแรกที่ได้บันทึก ERP ในมนุษย์ที่ตื่นอยู่แล้วตีพิมพ์ผลงานในปี 1939 แต่เพราะสงครามโลกครั้งที่สอง จึงไม่มีงานทดลองต่อจากนั้นในช่วงคริสต์ทศวรรษ์ 1940 แต่งานวิจัยเกี่ยวกับการรับรู้ความรู้สึกก็กลับเพิ่มขึ้นอีกในช่วงคริสต์ทศวรรษ 1950 ในปี 1964 นักประสาทสรีรวิทยาชาวอังกฤษเกรย์ วอลเตอร์ และผู้ร่วมงานได้เริ่มงานศึกษาที่แสดงองค์ประกอบ (component) ของ ERP เมื่อรายงานองค์ประกอบ ERP ทางประชานเป็นอย่างแรก ที่เรียกว่า contingent negative variation (CNV) งานศึกษาในปี 1965 สร้างความก้าวหน้าเมื่อค้นพบองค์ประกอบ P3 ที่เกิดเมื่อตัดสินใจ ต่อมาอีก 15 ปี งานวิจัยเกี่ยวกับองค์ประกอบ ERP ก็เป็นเรื่องนิยมเพิ่มขึ้นเรื่อย ๆ ในคริสต์ทศวรรษ 1980 การมีคอมพิวเตอร์ที่ราคาไม่แพง ก็ได้เปิดประตูใหม่ให้แก่งานวิจัยทางประสาทวิทยาศาสตร์ปริชาน

ปัจจุบัน ERP เป็นวิธีที่ใช้มากที่สุดในสาขาประสาทวิทยาศาสตร์ปริชานเพื่อศึกษาสหสัมพันธ์ทางสรีรวิทยา (physiological correlate) ของการรับความรู้สึก การรับรู้ และปริชาน กับการแปลผลข้อมูล

การคำนวณ

ERP สามารถวัดอย่างน่าเชื่อถือได้ด้วยการบันทึกคลื่นไฟฟ้าสมอง (EEG) ซึ่งใช้อิเล็กโทรดติดหนังศีรษะบันทึกคลื่นสมองตามเวลา คลื่น EEG สะท้อนการทำงานของกระบวนการในสมองเป็นพัน ๆ ที่เกิดพร้อมกัน ซึ่งก็หมายความว่า การตอบสนองของสมองต่อตัวกระตุ้นเดี่ยว ๆ หรือเหตุการณ์ที่เป็นเป้าหมายปกติจะมองไม่เห็นในค่า EEG ที่บันทึกคราวเดียว ดังนั้น เพื่อให้เห็นการตอบสนองของสมองต่อสิ่งเร้า จึงต้องทำการทดลองหลายรอบแล้วหาค่าเฉลี่ยของผลที่ได้ ซึ่งลบสัญญาณการทำงานของสมองที่เป็นไปโดยสุ่มออกไปได้ เหลือแต่รูปแบบคลื่นที่เป็นประเด็นคือ ERP

สัญญาณรบกวนที่เป็นค่าสุ่มรวมทั้งการทำงานของสมองพื้นหลังบวกกับสัญญาณทางชีวภาพอื่น ๆ (เช่น electrooculography, คลื่นไฟฟ้ากล้ามเนื้อ, คลื่นไฟฟ้าหัวใจ) และสัญญาณรบกวนทางไฟฟ้าแม่เหล็ก (เช่น ในสายหลอดไฟเรืองแสง) ล้วนแต่ทำให้สัญญาณที่ต้องการคือ ERP ไม่ชัด จากมุมมองทางวิศวกรรม สามารถนิยามอัตราสัญญาณต่อสัญญาณรบกวน (SNR) ของ ERP ที่บันทึก เหตุผลที่การทำค่าเฉลี่ยเพิ่ม SNR ของ ERP คือทำให้ชัดขึ้นและตีความหมายได้ มีคำอธิบายง่าย ๆ ทางคณิตศาสตร์ถ้าสมมุติปัจจัยบางอย่างให้ง่าย ๆ ได้ ข้อสมมุติก็คือ

1. สัญญาณที่สนใจเป็นชุด ERP ที่ล็อกอยู่กับเหตุการณ์ (event-locked) โดยมีเวลาการตอบสนอง (latency) และรูปคลื่นที่ไม่เปลี่ยน
2. สัญญาณรบกวน (noise) สามารถประมาณได้ด้วยการแจกแจงปรกติที่มีค่าเฉลี่ยเป็น 0 มีค่าความแปรปรวน (variance) เป็น $\sigma ^{2}$ ซึ่งไม่สัมพันธ์กับกันและกันระหว่างการทดลองและไม่ได้ล็อกเวลา (time-locked) กับเหตุการณ์ แต่ข้อสมมุตินี้ก็ละเมิดได้ง่าย ยกตัวอย่างเช่น ถ้าผู้ร่วมการทดลองขยับลิ้นเล็ก ๆ น้อย ๆ เมื่อนับสิ่งที่เป็นเป้าหมายในการทดลอง

ถ้ากำหนดลำดับการทดลองเป็น $k$ กำหนดเวลาที่ผ่านไปหลังเหตุการณ์ $k$^th เป็น $t$ ค่าบันทึกของการทดลองแต่ละการทดลอง ๆ สามารถกำหนดเป็น $x(t,k)=s(t)+n(t,k)$ โดย $s(t)$ ก็คือสัญญาณ ERP ที่ต้องการและ $n(t,k)$ ก็คือสัญญาณรบกวน (noise) ให้สังเกตว่า ตามข้อสมมุติที่ว่ามาแล้ว สัญญาณไม่ได้ขึ้นกับการทดลองใดทดลองหนึ่ง แต่สัญญาณรบกวนจะขึ้น

ค่าเฉลี่ยของการทดลอง $N$ ครั้งก็คือ

${\bar {x}}(t)={\frac {1}{N}}\sum _{k=1}^{N}x(t,k)=s(t)+{\frac {1}{N}}\sum _{k=1}^{N}n(t,k)$

ค่าคาดหมายของ ${\bar {x}}(t)$ (ตามที่หวัง) ก็คือสัญญาณ ERP เองซึ่งก็คือ $\operatorname {E} [{\bar {x}}(t)]=s(t)$

ความแปรปรวน (variance) ของมันก็คือ

$\operatorname {Var} [{\bar {x}}(t)]=\operatorname {E} \left[\left({\bar {x}}(t)-\operatorname {E} [{\bar {x}}(t)]\right)^{2}\right]={\frac {1}{N^{2}}}\operatorname {E} \left[\left(\sum _{k=1}^{N}n(t,k)\right)^{2}\right]={\frac {1}{N^{2}}}\sum _{k=1}^{N}\operatorname {E} \left[n(t,k)^{2}\right]={\frac {\sigma ^{2}}{N}}$

เพราะเหตุนี้ แอมพลิจูดสัญญาณรบกวนของค่าเฉลี่ยการทดลอง $N$ ครั้งจึงคาดหมายว่าจะเบี่ยงเบนไปจากค่ามัชฌิม (mean) ซึ่งก็คือ $s(t)$ โดยน้อยกว่าหรือเท่ากับ $\sigma /{\sqrt {N}}$ ในกรณี 68% คือโดยเฉพาะ ค่าเบี่ยงเบนในกรณี 68% จะเป็น $1/{\sqrt {N}}$ ของค่าเบี่ยงเบนที่ได้ในการทดลองเดี่ยว ๆ (คือ $\sigma /{\sqrt {N}}$) โดยค่าเบี่ยงเบนที่ใหญ่กว่าคือ $2\sigma /{\sqrt {N}}$ จึงคาดได้ว่าจะครอบคลุม 95% ของแอมพลิจูดสัญญาณรวบกวนที่เป็นไปได้

สัญญาณรบกวนที่มีแอมพลิจูดกว้าง (เช่น สัญญาณเนื่องกับการกะพริบตาหรือการเคลื่อนไหว) บ่อยครั้งใหญ่กว่าสัญญาณ ERP ที่ต้องการมาก จึงต้องเอาออกก่อนทำการเฉลี่ย ซึ่งทำได้ด้วยมือ (คือใช้ตาตรวจ) หรือใช้ระบบอัตโนมัติที่อาศัยขีดแบ่งตายตัวที่กำหนดไว้ล่วงหน้า (เช่น จำกัดแอมพลิจูดมากสุดหรือจำกัดความชัน) หรือขีดแบ่งที่เปลี่ยนไปตามเวลาที่ได้จากสถิติของชุดการทดลอง

การตั้งชื่อองค์ประกอบ

รูปคลื่น ERP ประกอบด้วยคลื่นศักย์ไฟฟ้าในทางบวกและทางลบ โดยมีชุด "องค์ประกอบ" (component) เป็นมูลฐาน แม้องค์ประกอบ ERP บางอย่างจะเรียกเป็นอักษรย่อ (เช่น CNV, ERN) โดยมากก็เรียกด้วยอักษรตัวเดียว (N/P) ซึ่งระบุขั้ว (ลบ/บวก) ตามด้วยตัวเลขซึ่งระบุเวลาที่ล่วงไปหลังการแสดงตัวกระตุ้น (latency) มีหน่วยเป็นมิลลิวินาที หรือตามด้วยตัวเลขระบุอันดับในรูปคลื่น ยกตัวอย่างเช่น ยอดในทางลบซึ่งเป็นยอดสำคัญแรกในรูปคลื่นและเกิดที่ 100 มิลลิวินาทีหลังจากแสดงตัวกระตุ้น บ่อยครั้งเรียกว่า N100 (ซึ่งระบุว่าเกิด 100 มิลลิวินาทีหลังตัวกระตุ้นและมีค่าลบ) หรือ N1 (ระบุว่ามันเป็นยอดแรกและมีค่าลบ) ยอดแรกนี้มักตามด้วยยอดบวกซึ่งปกติเรียกว่า P200 หรือ P2 เวลาหลังจากตัวกระตุ้นขององค์ประกอบ ERP มักจะต่าง ๆ กัน โดยเฉพาะองค์ประกอบหลัง ๆ ที่สัมพันธ์กับการแปลทางประชาน ยกตัวอย่างเช่น องค์ประกอบ P300 อาจมียอดในพิสัย 250-700 มิลลิวินาที

ข้อดีข้อเสีย

เทียบกับการวัดพฤติกรรม

เทียบกับวิธีการวัดทางพฤติกรรม ERP ให้ข้อมูลการแปลผลของระบบประสาทอย่างต่อเนื่องระหว่างเวลาที่แสดงสิ่งเร้ากับการตอบสนอง ทำให้สามารถระบุได้ว่า การเปลี่ยนปัจจัยต่าง ๆ ทางการทดลองมีผลต่อการแปลผลระยะไหน ข้อดีอีกอย่างเหนือวิธีการวัดทางพฤติกรรมก็คือ อาจให้ข้อมูลการแปลผลตัวกระตุ้นแม้พฤติกรรมจะไม่ได้เปลี่ยนไป แต่เพราะ ERP มีขนาดเล็กมาก จึงต้องทำการทดลองเป็นจำนวนมากเพื่อให้วัดมันได้อย่างถูกต้อง

เทียบกับการวัดทางประสาทสรีรภาพอื่น ๆ

การต้องเจาะต้องผ่า

ไม่เหมือนกับการวัดด้วยไมโครอิเล็กโทรดซึ่งต้องสอดเข้าไปในสมอง และการถ่ายภาพรังสีระนาบด้วยการปล่อยโพซิตรอน (PET) ที่ต้องฉายรังสี ERP ใช้การบันทึกคลื่นไฟฟ้าสมองซึ่งเป็นหัตถการที่ไม่ต้องตัดต้องผ่า (non-invasive)

รายละเอียดเชิงพื้นที่และเวลา

ERP ให้รายละเอียดเชิงเวลาได้ดี เพราะความเร็วการบันทึกจำกัดด้วยอัตราการชักตัวอย่างที่อุปกรณ์บันทึกสามารถทำได้ เทียบกับการวัดอาศัยเลือด (เช่น fMRI, PET และ fNIRS) ที่จำกัดเพราะการเปลี่ยนแปลงของออกซิเจนในเลือดเนื่องกับการทำงานของเซลล์ประสาทคือ Blood-oxygen-level dependent (BOLD) เป็นไปช้ากว่า ถึงกระนั้น รายละเอียดเชิงพื้นที่จะแย่กว่าวิธีการวัดอาศัยเลือด เพราะจริง ๆ แล้วการระบุต้นกำเนิดของสัญญาณ ERP เป็นการหาเหตุจากรายละเอียดที่สังเกตเห็น (inverse problem) ที่ทำไม่ได้อย่างแน่นอนเพียงแต่ประมาณได้ ดังนั้น ERP จึงให้คำตอบได้ดีถ้าเป็นคำถามเกี่ยวกับความเร็วของประสาท แต่ไม่ค่อยเหมาะเพื่อระบุตำแหน่งประสาทที่ทำงาน

ค่าใช้จ่าย

งานวิจัยที่ใช้ ERP มีค่าใช้จ่ายน้อยกว่างานที่ต้องใช้การสร้างภาพวิธีอื่น ๆ เช่น fMRI, PET และ MEG เพราะการซื้อและการบำรุงรักษาเครื่อง EEG มีค่าใช้จ่ายน้อยกว่า

ERP ในการตรวจรักษา

แพทย์และประสาทแพทย์บางครั้งจะใช้ภาพกระดานหมากรุกที่กะพริบเป็นตัวกระตุ้นทางตาเพื่อตรวจความเสียหายหรือการบาดเจ็บในระบบการเห็น ในคนปกติ นี้จะก่อการตอบสนองเป็นอย่างดีในเปลือกสมองส่วนการเห็นปฐมภูมิ (primary visual cortex หรือ V1) ในสมองกลีบท้ายทอย

ความผิดปกติขององค์ประกอบ ERP ได้พบในงานวิจัยทางการแพทย์เมื่อมีปัญหาทางประสาทเช่น

• โรคซนสมาธิสั้น (ADHD)
• ภาวะสมองเสื่อม (dementia)
• โรคพาร์คินสัน
• โรคปลอกประสาทเสื่อมแข็ง (MS)
• การบาดเจ็บที่ศีรษะ
• โรคหลอดเลือดสมอง
• โรคย้ำคิดย้ำทำ (OCD)

ERP ในงานวิจัย

ERP ใช้อย่างกว้างขวางในสาขาประสาทวิทยาศาสตร์ จิตวิทยาปริชาน (cognitive psychology) ประชานศาสตร์ และจิตสรีรวิทยา (psychophysiology) นักจิตวิทยาเชิงทดลอง (experimental psychology) และนักประสาทวิทยาศาสตร์ได้ค้นพบสิ่งเร้าหลายอย่างที่ก่อการตอบสนองของ ERP ที่เชื่อถือได้จากผู้ร่วมการทดลอง เวลาการตอบสนองเช่นนี้เชื่อว่า เป็นค่าวัดระยะการสื่อสารหรือระยะแปลผลในสมอง ในตัวอย่างกระดานหมากรุกที่กล่าวด้านบนในบุคคลปกติ การตอบสนองของเปลือกสมองส่วนการเห็นปฐมภูมิอยู่ที่ราว ๆ 50-70 มิลลิวินาที นี่ดูเหมือนจะบ่งเวลาที่ใช้เพื่อถ่ายโอนตัวกระตุ้นทางตาคือแสงที่เข้ามาในตาให้เป็นกระแสประสาทแล้วส่งไปถึงเปลือกสมอง

อีกอย่างหนึ่ง การตอบสนองที่เรียกว่า P300 จะเกิดราว ๆ 300 วินาทีในการทดลองที่ให้ตัวกระตุ้นซ้ำ ๆ โดยขัดไม่ค่อยบ่อยด้วยตัวกระตุ้นที่ผิดไป (ซึ่งเรียกว่า oddball paradigm) ไม่ว่าตัวกระตุ้นจะเป็นทางไหน เช่น ทางตา ทางสัมผัส ทางหู ทางจมูก ทางการรู้รส เป็นต้น เพราะนี่เป็นความไม่แปรเปลี่ยนโดยทั่วไปไม่ว่าจะมีตัวกระตุ้นเช่นไร จึงเข้าใจว่า องค์ประกอบ P300 สะท้อนการตอบสนองทางประชานในระดับการแปลผลที่สูงขึ้นต่อตัวกระตุ้นที่ไม่คาดหวังหรือที่เด่น (salient) การตอบสนอง P300 ยังได้ศึกษาในเรื่องการตรวจหาข้อมูลและความจำในสมอง เพราะ P300 คงเส้นคงวามากต่อตัวกระตุ้นใหม่ ๆ จึงสามารถสร้างตัวต่อประสานระหว่างสมองกับคอมพิวเตอร์อาศัยมันได้ เช่น เมื่อบุคคลมองที่ตัวอักษรที่ต้องการเป็นลำดับต่อ ๆ กันในเมทริกซ์ แล้วจัดให้แถวและสดมภ์ของเมทริกซ์กะพริบโดยสุ่ม การตอบสนองแบบ P300 จะเกิดเมื่อแถวหรือสดมภ์ซึ่งมีอักษรที่กำลังมองกะพริบ ซึ่งในที่สุดทำให้คอมพิวเตอร์ระบุอักษรที่ต้องการได้

องค์ประกอบ ERP อื่น ๆ ที่ใช้บ่อย ๆ ในงานวิจัยโดยเฉพาะในสาขาภาษาศาสตร์ประสาทวิทยารวมทั้ง ELAN, N400 และ P600/SPS

ดูเพิ่ม

• Evoked potential
• Somatosensory evoked potential

แหล่งข้อมูลอื่น

• Steven J. Luck: An Introduction to the Event-Related Potential Technique, Second edition เก็บถาวร 2018-03-17 ที่ เวย์แบ็กแมชชีน. Cambridge, Massachusetts: The MIT Press, 2014. ISBN 9780262525855.
• Todd C. Handy: Event-Related Potentials : A Methods Handbook. Cambridge, Massachusetts: The MIT Press (B&T), 2004.
• Luck, S.J., and Kappenman, E.S., ed. (2012). The Oxford Handbook of Event-Related Potential Components. Oxford University Press. pp. 664. ISBN 9780195374148.
• Fabiani, Monica; Gratton, Gabriele; Federmeier, Kara D. (2007). "Event-Related Brain Potentials: Methods, Theory, and Applications". ใน Cacioppo, John T.; Tassinary, Louis G.; Berntson, Gary G. (บ.ก.). Handbook of Psychophysiology (3rd ed.). Cambridge: Cambridge University. pp. 85–119. ISBN 978-0-521-84471-0.
• Polich, John; Corey-Bloom, Jody (2005-12-01). "Alzheimers Disease and P300: Review and Evaluation of Task and Modality". Current Alzheimer Research. 2 (5): 515–25. doi:10.2174/156720505774932214. PMID 16375655.
• Zani A. & Proverbio A.M. (2003) Cognitive Electrophysiology of Mind and Brain. Academic Press/Elsvier.
• Kropotov J. (2009)" Quantitative EEG, Event-Related Potentials and Neurotherapy" Academic Press/Elsvier.

แหล่งข้อมูลอื่น

• [1] - ERP Summer School 2017 was held in The School of Psychology, Bangor University from 25-30 June 2017
• EEGLAB Toolbox - A freely available, open-source, Matlab toolbox for processing and analyzing EEG data
• ERPLAB Toolbox - A freely available, open-source, Matlab toolbox for processing and analyzing ERP data
• The ERP Boot Camp เก็บถาวร 2016-11-28 ที่ เวย์แบ็กแมชชีน - A series of training workshops for ERP researchers led by Steve Luck and Emily Kappenman
• Virtual ERP Boot Camp - A blog with information, announcements, and tips about ERP methodology