اختلال نقص توجه و بیش فعالی، یا ADHD، یک وضعیت روانپزشکی است که با ناتوانی در تمرکز، تکانشگری یا حرکات بیش از حد (بیش‌فعالی) مشخص می‌شود. باوجوداینکه این وضعیت نسبتاً شایع است، علل نوروبیولوژیکی ADHD به طور کامل تعریف نشده‌اند. به همین دلیل، محققان در حال کار بر روی تکنیک‌هایی هستند تا این اختلال را بهتر درک کرده و درمان کنند. در ادامه، ما به استراتژی‌های متداول در مدیریت ADHD و همچنین رویکردهای نوآورانه‌تری که از فناوری عصبی برای تشخیص و درمان این وضعیت استفاده می‌کنند، می‌پردازیم.
ADHD چیست؟
ADHD یک اختلال نورودولتی است که معمولاً در دوران کودکی بروز می‌کند و می‌تواند به اشکال مختلفی ظاهر شود. علائم اولیه ممکن است شامل فراموشی، تکان‌خوردن بیش از حد، مشکل در نوبت‌گیری یا بی‌احتیاطی باشد. اگرچه تحقیقات نشان می‌دهد که ADHD تا حدی تحت‌تأثیر عوامل ژنتیکی قرار دارد، اما علل زیرساختی این وضعیت به طور کامل مشخص نشده است. همچنین ADHD با زایمان زودرس، آسیب مغزی و وزن کم هنگام تولد مرتبط است. اگرچه گاهی اوقات به‌عنوان یک وضعیت مربوط به کودکان در نظر گرفته می‌شود، ADHD همچنین بزرگسالان را تحت‌تأثیر قرار می‌دهد و اغلب در این جمعیت تشخیص داده نمی‌شود.
پزشکانی که اختلال نقص توجه و بیش‌فعالی (ADHD) را تشخیص می‌دهند، این وضعیت را به یکی از سه نوع زیر نسبت می‌دهند:
۱. نوع بی‌توجه: علائم حول مسائل مربوط به توجه متمرکز می‌شوند (مانند ناتوانی در تمرکز بر روی مدرسه یا کار، مشکل در سازماندهی وظایف، فراموشی).
۲. نوع بیش‌فعالی/تکانشگری: علائم عمدتاً به بیش‌فعالی مربوط می‌شوند (مانند تکان‌خوردن بیش از حد، صحبت‌کردن در زمان‌های نامناسب، ناتوانی در نشستن آرام).
۳. نوع ترکیبی: ترکیبی از موارد فوق.
برای تشخیص و طبقه‌بندی اختلال نقص توجه و بیش‌فعالی (ADHD)، پزشک معمولاً از بیمار (والدین بیمار) یک سری سؤالات می‌پرسد. از طریق این مصاحبه، پزشک تعیین می‌کند که آیا بیمار معیارهای تشخیصی خاصی را دارد یا خیر. چنین مصاحبه‌هایی ممکن است توسط روان‌شناس، روانپزشک، نورولوژیست یا پزشک عمومی انجام شود. اگرچه این نوع ارزیابی‌ها استاندارد طلایی برای تشخیص ADHD هستند، برخی از پزشکان اکنون به دنبال استفاده از فناوری‌های عصبی برای تکمیل تکنیک‌های سنتی هستند.
الکتروانسفالوگرام، یا EEG، روشی غیرتهاجمی است که برای اندازه‌گیری فعالیت الکتریکی در مغز استفاده می‌شود. این روش نخستین‌بار در سال ۱۹۲۹ اختراع شد و اکنون در اشکال مختلفی وجود دارد و برای اهداف متنوعی از جمله آزمایش‌های تشخیصی، تحقیقات علمی، نقشه‌برداری مغز و تعداد فزاینده‌ای از کاربردهای مصرفی استفاده می‌شود.
نمودارهای EEG شامل مجموعه‌ای از خطوط موج‌دار هستند که نمایانگر ولتاژهای بالا و پایین در گروه‌های مختلف نورون‌ها هستند. این امواج که اغلب به‌عنوان “امواج مغزی” شناخته می‌شوند، در هرتز یا چرخه در ثانیه اندازه‌گیری می‌شوند و بر اساس فرکانسشان طبقه‌بندی می‌شوند. دسته‌های امواج مغزی شامل: امواج دلتا (۰.۵-۴ هرتز)، امواج آلفا (۸-۱۲ هرتز)، امواج بتا (۱۲-۳۵ هرتز)، امواج تتا (۴۰-۸ هرتز) و امواج گاما (۳۲-۱۰۰ هرتز) هستند.
ازآنجاکه EEG فعالیت مغز را به‌صورت آنی ثبت می‌کند، این تکنیک می‌تواند در تشخیص برخی شرایط عصبی، مانند صرع و اختلالات خواب، یا برای شناسایی وجود تومور مغزی مفید باشد. علاوه بر این کاربردهای متعارف، محققان اکنون در حال بررسی پتانسیل EEG برای تقویت تشخیص برخی شرایط روانپزشکی، از جمله ADHD هستند.
استفاده از EEG برای تشخیص ADHD
به دلیل ماهیت ذهنی مصاحبه‌های بالینی، پزشکان و محققان مدت‌هاست به دنبال راهی برای تقویت تشخیص ADHD از طریق ارزیابی عینی مغز بوده‌اند. EEG یک وسیله امیدوارکننده برای انجام این کار است؛ زیرا این تکنیک نسبتاً مقرون‌به‌صرفه، سریع و غیرتهاجمی است.
درحالی‌که آزمایش‌های EEG برای ADHD همچنان موردبحث و جدل هستند، محققان چندین استراتژی برای گنجاندن این تکنولوژی در تشخیص پیشنهاد داده‌اند. یکی از تکنیک‌های شناخته‌شده‌تر، استفاده از EEG برای ارزیابی نسبت امواج مغزی کند که به آن امواج تتا گفته می‌شود، به امواج سریع‌تر که به آن‌ها امواج بتا گفته می‌شود، می‌باشد. این روش ناشی از این دیدگاه است که افراد مبتلا به ADHD نسبت تتا – بتای نسبتاً بالایی (TBR) دارند. تحت عنوان سیستم کمک تشخیصی مبتنی بر EEG روانپزشکی (NEBA)، این تکنیک توسط FDA برای استفاده در تشخیص ADHD نوجوانان تأیید شده است. بااین‌حال، بسیاری از کارشناسان دقت تشخیص با استفاده از NEBA را زیر سؤال می‌برند؛ برخی دیگر پتانسیل آن را شناسایی می‌کنند، اما هشدار می‌دهند که EEG به‌تنهایی نمی‌تواند به طور قطعی ADHD را تشخیص دهد.
به طور تاریخی، بخش عمده‌ای از تحقیقات TBR بر روی ADHD کودکان متمرکز بود. به دنبال بررسی کاربرد EEG برای تشخیص بزرگسالان، یک گروه تحقیقاتی به‌تازگی یک متا – تحلیل از ۲۱ مطالعه در این زمینه انجام داد. اگرچه محققان برخی تفاوت‌ها در فعالیت امواج تتا و آلفا در میان بزرگسالان مبتلا به ADHD پیدا کردند، اما آن‌ها این یافته‌ها را به‌اندازه کافی سازگار ندانستند که به‌عنوان یک معیار تشخیصی استفاده شوند. مهم‌تر اینکه، محققان هیچ تفاوت معناداری در TBR در میان بزرگسالان مبتلا به ADHD پیدا نکردند.
درحالی‌که آزمایش‌های EEG برای تشخیص ADHD (اختلال کم‌توجهی – بیش‌فعالی) همچنان بحث‌برانگیز است، پژوهشگران چندین استراتژی برای ادغام این فناوری در تشخیص پیشنهاد کرده‌اند. یکی از تکنیک‌های شناخته‌شده‌تر از EEG برای ارزیابی نسبت امواج مغزی آهسته، به نام امواج تتا، به امواج سریع‌تر، به نام امواج بتا، استفاده می‌کند. این روش از دیدگاهی ناشی می‌شود که افراد مبتلا به ADHD نسبت تتا – بتا (TBR) نسبتاً بالایی دارند. تحت نام سیستم کمک تشخیصی EEG مبتنی بر روانپزشکی (NEBA)، این تکنیک برای استفاده در تشخیص ADHD نوجوانان تأییدیه FDA را دریافت کرده است. بااین‌حال، بسیاری از کارشناسان دقت تشخیص با استفاده از NEBA را مورد سؤال قرار می‌دهند؛ دیگران پتانسیل آن را شناسایی می‌کنند، اما هشدار می‌دهند که EEG به‌تنهایی نمی‌تواند به طور قطعی ADHD را تشخیص دهد.
تاریخچه تحقیق در مورد TBR عمدتاً بر روی ADHD دوران کودکی متمرکز بوده است. به‌منظور بررسی کارایی EEG برای تشخیص بزرگسالان، یک گروه تحقیقاتی اخیراً یک متا – تحلیل از ۲۱ مطالعه در این زمینه انجام داد. هرچند پژوهشگران تفاوت‌هایی در فعالیت امواج تتا و آلفا در بزرگسالان مبتلا به ADHD یافتند، اما این یافته‌ها را به‌اندازه کافی منسجم ندانستند تا به‌عنوان یک معیار تشخیصی استفاده شود. به طور مهم، پژوهشگران تفاوت معناداری در TBR میان بزرگسالان مبتلا به ADHD پیدا نکردند.
درحالی‌که رویکردهایی مانند سیستم NEBA عملکرد کلی مغز را ارزیابی می‌کنند، تکنیک‌های دیگری نیز وجود دارند که نحوه پاسخ مغز به رویدادهای خاص را بررسی می‌کنند. به‌عنوان‌مثال، پژوهشگران ممکن است به این بپردازند که مغز چگونه در حین انجام یک وظیفه شناختی ساده، مانند شناسایی شماره ۶ در میان دریایی از ۹ ها رفتار می‌کند. در میلی‌ثانیه‌های پس از چنین چالشی، EEG می‌تواند تغییرات مرتبط با وظیفه در مغز را که به‌عنوان پتانسیل‌های وابسته به رویداد (ERPs) شناخته می‌شوند، شناسایی کند. برخی پژوهشگران پیشنهاد کرده‌اند که مغز افراد مبتلا به ADHD هنگام انجام چنین وظایفی تفاوت‌هایی در ERPS نشان می‌دهد.
به‌طورکلی، استفاده از EEG برای تشخیص ADHD همچنان بحث‌برانگیز است. بااین‌حال، تمایل زیادی برای ابزارهایی که دقت تشخیص را افزایش دهند وجود دارد و تحقیقات در این زمینه ادامه دارد.
درمان ADHD
درمان استاندارد ADHD شامل مشاوره و درمان رفتاری است که غالباً به همراه دارو انجام می‌شود. پزشکان معمولاً داروهای محرک، از جمله آمفتامین‌ها (مانند آدرال) یا متیل‌فنیدات‌ها (مانند کانسرتا، ریتالین) را تجویز می‌کنند. مانند هر داروی تجویزی دیگری، این داروها نیز ممکن است عوارض جانبی داشته باشند، مانند مشکلات روانی و قلبی؛ بنابراین، با وجود اثربخشی ثابت شده این درمان‌ها، برخی از بیماران ممکن است از درمان دارویی هراس داشته باشند.
مشاوره، چه به‌تنهایی و چه به همراه دارو، می‌تواند در اشکال مختلفی ارائه شود. به‌منظور تکمیل روان‌درمانی حرفه‌ای، کودکان مبتلا به ADHD ممکن است در خانه آموزش‌های رفتاری دریافت کنند. علاوه بر این، معلمان با مهارت‌های مناسب می‌توانند برنامه درسی یا تکنیک‌های تدریس خود را برای کمک به دانش‌آموزان آسیب‌دیده تعدیل کنند.
علاوه بر رویکردهای فوق، تعداد فزاینده‌ای از راه‌حل‌های فناوری برای کودکان و بزرگسالان مبتلا به ADHD وجود دارد. این موارد شامل:
بازی‌های کامپیوتری: شواهد جدید نشان می‌دهد که تعامل با برخی بازی‌های ویدئویی ممکن است به کودکان در غلبه بر برخی از علائم ADHD کمک کند. البته، این موضوع شامل هر بازی ویدئویی قدیمی نمی‌شود، بلکه به برنامه‌هایی اشاره دارد که به طور خاص برای مدیریت این وضعیت طراحی شده‌اند. به‌ویژه، بازی‌ای به نام EndeavorRxTM ادعا می‌کند که از تحریک حسی و وظایف حرکتی سفارشی‌شده برای فعال‌سازی نواحی مغزی مرتبط با توجه استفاده می‌کند. این بازی بر اساس عملکرد کاربر، باهدف شخصی‌سازی تجربه درمان تغییر می‌کند. اگرچه این رویکرد هنوز نسبتاً جدید است، آزمایش‌های اولیه نشان می‌دهند که چهار هفته بازی ساختاریافته می‌تواند بهبودهایی در توجه ایجاد کند.
بازی‌های عمومی‌تر “تمرین مغز” (مانند Lumosity) نیز ممکن است به‌عنوان یک نوع درمان تحریک شناختی مورداستفاده قرار گیرند. این رویکرد مدت‌هاست که در قالب کتاب‌های کار دنبال شده است که به کاربران اجازه می‌دهد تا به طور مکرر یک وظیفه شناختی خاص را تمرین کنند. درحالی‌که تکرار این کتاب‌ها ممکن است برای برخی بیماران جذاب نباشد، بازی‌های تمرین مغز یک گزینه جایگزین جذاب‌تر ارائه می‌دهند. بااین‌حال، اثربخشی این فناوری برای مدیریت ADHD هنوز مشخص نیست، زیرا مزایا به نظر می‌رسد محدود به بهبود عملکرد در وظایف داخل بازی باشد.
نوروفیدبک: بر اساس فرضیه TBR، محققان تکنیکی را توسعه داده‌اند که به دنبال رسیدگی به ADHD با تقویت امواج بتا خاص است. این رویکرد که به‌عنوان نوروفیدبک شناخته می‌شود، از EEG برای شناسایی و پاداش‌دادن به الگوهای مغزی مطلوب (مانند افزایش امواج بتا و کاهش امواج تتا) استفاده می‌کند.
نوروفیدبک معمولاً به این صورت عمل می‌کند: بیمار نوعی دستگاه EEG را به همراه دارد و در حین انجام یک سری از وظایف روی کامپیوتر یا در مقابل آن، فعالیت می‌کند. وقتی که مغز بیمار الگوی موردنظر را تولید می‌کند، او نوعی پاداش صوتی یا بصری دریافت می‌کند، مانند تغییر در موسیقی که تأیید می‌کند مغز به هدف خود دست‌یافته است. هدف این فرایند کمک به مغز برای یادگیری نحوه تولید هدف عصبی به طور مستقل است. البته، نوروفیدبک همچنین می‌تواند به مدل‌های ADHD فراتر از TBR اعمال شود و سیستم هر الگوی مغزی که به بهبود علائم کمک می‌کند را تقویت کند.
نوروفیدبک مبتنی بر BCI مدرن ما برای تقویت شناختی، یعنی Elevvo Medical، در یک مطالعه اکتشافی نشان داده است که عملکرد شناختی را در کودکان مبتلا به ADHD بهبود می‌بخشد.
توان‌بخشی شناختی که بر اساس فناوری نوروتکنولوژی رابط مغز و کامپیوتر (BCI) است، می‌تواند به برخی از شرایط روانی و روان‌شناختی علاوه بر ADHD کمک کند، مانند افسردگی. علاوه بر این، هر فردی که نیاز پزشکی ندارد نیز می‌تواند قابلیت‌های شناختی طبیعی مانند حافظه یا توجه را تقویت کند.
نتایج
ADHD بیشتر از یک نقص ساده در تمرکز است و می‌تواند به طور قابل‌توجهی بر کیفیت زندگی هم در کودکان و هم در بزرگسالان تأثیر بگذارد. دشواری‌های شناختی اغلب عملکرد مدرسه یا کار را مختل می‌کنند و مشکلات رفتاری می‌توانند روابط اجتماعی را تحت‌تأثیر قرار دهند. به همین دلیل، افراد مبتلا به ADHD اغلب دچار اضطراب یا افسردگی می‌شوند. باتوجه‌به این چالش‌ها، تلاش‌های اولیه برای درمان‌های رفتاری یا دارویی ممکن است موفقیت‌آمیز نباشد. به همین دلیل، محققان به طور فعال در حال بررسی درمان‌های جدید یا ترکیبی از آن‌ها برای مدیریت مؤثر این وضعیت هستند.
