ทำไมต้องใช้ EEG สำหรับการวิจัย?

ลองนึกภาพว่าคุณสร้างวิดีโอสั้น ๆ และต้องการทราบว่าส่วนใดของวิดีโอที่ผู้คนสนใจ โดยทั่วไปแล้ว คุณจะถามพวกเขาโดยตรง หรืออาจใช้การสำรวจความคิดเห็น แต่คำตอบทั่วไปอาจเป็น "ฉันไม่แน่ใจแน่ชัด" หรือ "ฉันจำไม่ได้" การวิจัยเกี่ยวกับการรับรู้ของมนุษย์โดยใช้มาตรการแบบอ主วัตถุอาจพบกับความไม่แน่นอนที่การวัดการตอบสนองทางประสาทฟิสิกส์อาจเสนอวิธีแก้ปัญหาได้ อุปกรณ์ EEG นั้นมีตำแหน่งที่โดดเด่นเป็นเครื่องมือที่เข้าถึงได้ง่ายและคุ้มค่าในการเสริมการวิจัยที่เกี่ยวข้องกับการรับรู้ของมนุษย์. ด้วยเหตุนี้ จึงกลายเป็นเครื่องมือสำคัญในสาขาจิตวิทยา, neuromarketing และ BCI อย่างรวดเร็ว.

EEG คืออะไร?

Electroencephalography (EEG) คือการวัดกิจกรรมไฟฟ้าที่เกิดขึ้นโดยเซลล์ประสาท ซึ่งเรียกว่า neuron เป็นวิธีที่ปลอดภัยและไม่เป็นอันตรายซึ่งใช้ตัววัดที่วางบนหนังศีรษะ อุปกรณ์ EEG ที่ใช้เพื่อจุดประสงค์นี้สามารถมีตั้งแต่อุปกรณ์เชิงพาณิชย์ที่ใช้ช่องสัญญาณเดียวไปจนถึงระบบระดับการแพทย์ 256 ช่องสัญญาณ คุณสามารถอ่านรายละเอียดเพิ่มเติมเกี่ยวกับ EEG และอุปกรณ์ EEG ที่ต่างกัน ที่นี่.

ประโยชน์ของ EEG คืออะไร?

ความละเอียดเชิงเวลา (Temporal Resolution) สูง

ด้วยความละเอียดเชิงเวลาที่สูง EEG สามารถระบุขบวนการที่เกิดขึ้นก่อนที่เราจะรู้ตัว

จุดแข็งที่สุดของ EEG เหนือวิธี neuroimaging อื่น ๆ คือความละเอียดเชิงเวลา นั่นคือ ความสามารถในการวัดการตอบสนองของสมองอย่างรวดเร็วในระดับมิลลิวินาที วิธีการวิจัยสมองอื่น ๆ เช่น fMRI (functional magnetic resonance imaging) ต้องใช้เวลาหลังจากการตั้งตัวกระตุ้นอย่างน้อยหนึ่งวินาทีหรือนานกว่านั้น นอกจากนี้ ภารกิจเชิงพฤติกรรมที่ออกแบบมาเพื่อลดความไม่แน่นอนในคำตอบที่อิงตามอ主วัตถุ มักพึ่งการตอบสนองเวลาและการกดปุ่มที่สามารถใช้เวลานานถึงหนึ่งวินาที ซึ่งช้ามากเมื่อพิจารณาว่าสมองสามารถผลิตขบวนการทางประสาทฟิสิกส์ที่ซับซ้อนในระดับมิลลิวินาทีได้ ดังนั้น ด้วยความละเอียดเชิงเวลาที่สูง EEG สามารถระบุขบวนการที่เกิดขึ้นก่อนที่เราจะรู้ตัวซึ่งจะไม่ได้รับการยอมรับหากใช้การรายงานตนเองและภารกิจที่อิงคำตอบเท่านั้น

ความคุ้มค่าและการเคลื่อนย้าย

วิทยาศาสตร์การกีฬา: Paxton Lynch ถูกทดสอบแรงกดดันด้วย Emotiv Insight EEG Headset.

อุปกรณ์ EEG ได้กลายเป็นที่คุ้มค่าและไร้สาย ทำให้นักวิจัยสามารถทำการวิจัยในสนามได้แทนที่จะต้องนำผู้เข้าร่วมมาที่ห้องปฏิบัติการ ขณะที่ทั้ง EEG และ MEG (Magnetoencephalography) มีความละเอียดเชิงเวลาสูง EEG เป็นเครื่องมือวิจัยที่เข้าถึงได้มากกว่าเนื่องจากมีต้นทุนต่ำ และสามารถเคลื่อนย้ายได้ ซึ่งทำให้พฤติกรรมมนุษย์สามารถศึกษาภายใต้สภาวะที่ควบคุมหรือธรรมชาติได้ วิธีการ neuroimaging ทางเลือก (เช่น MEG, MRI และ PET) ต้องการค่าบำรุงรักษาที่สูงและผู้เข้าร่วมต้องถูกนำเข้ามาในโรงพยาบาลหรือห้องปฏิบัติการเพื่อตรวจสอบต่าง ๆ ในทางตรงกันข้าม เกือบทุกสถานที่สามารถแปลงเป็น "ห้องแล็บ" EEG ได้ (ดู รีวิวของ Park et al. เกี่ยวกับวิธีการใช้ EEG เคลื่อนที่ในการปรับปรุงประสิทธิภาพการกีฬาในสนาม)

การศึกษาในบ้านหรือนอกสถานที่

EEG ไม่จำเป็นต้องอยู่ภายใต้การวิจัยในห้องปฏิบัติการเดียวอุปกรณ์ ด้วยความก้าวหน้าในอุปกรณ์ EEG เชิงพาณิชย์ที่คุ้มราคา ผู้ใช้ที่บ้านสามารถบันทึก EEG ด้วยตัวเองได้ แพลตฟอร์ม EmotivLABS ช่วยให้นักวิจัยสามารถดำเนินการทดลองของพวกเขาได้ทางออนไลน์ด้วยหูฟัง EMOTIV ซึ่งได้รับการรับรองเทียบเท่ากับอุปกรณ์ระดับการวิจัย²³ อ่านเกี่ยวกับการศึกษาทดลอง EEG ออนไลน์ของเราที่ ที่นี่ หรืออ่านเกี่ยวกับหนึ่งในความร่วมมือของเราที่ผู้ใช้ EMOTIV มีส่วนร่วมในการศึกษาที่บ้านเพื่อประเมินซอฟต์แวร์การนำเสนอ ที่นี่.

เราสามารถวัดอะไรได้บ้างด้วย EEG?

ส่วนใหญ่แล้ว นักวิจัยจะใช้แอมพลิจูดของแรงดันไฟฟ้าที่จุดเวลาที่สำคัญหลังจากการเริ่มต้นของตัวกระตุ้น (หรือเรียกว่า event-related potentials, ERPs) หรือจำนวนของการสั่นซ่อน (คลื่นสมอง) ใน EEG ต่อวินาที (หรือเรียกว่า time-frequency analysis).

โดเมนทั้งสองนี้อนุญาตให้เราตอบคำถามการวิจัยต่าง ๆ ที่เกี่ยวข้องกับพฤติกรรม นอกจากนี้ ด้วยการพัฒนาของอัลกอริธึม machine learning ที่ซับซ้อน เราสามารถเริ่มถอดรหัสสภาวะทางจิตใจที่ตอบสนองต่อสิ่งกระตุ้นได้ ยกตัวอย่าง เช่น กับการพัฒนาของอัลกอริธึมที่ได้รับการรับรองสำหรับความใส่ใจ เราสามารถตอบคำถามได้อย่างง่ายดายว่า “ส่วนใดของวิดีโอของฉันที่ดึงดูดความใส่ใจมากที่สุด”

ข้อจำกัดที่ควรพิจารณา

เป็นสิ่งสำคัญที่ต้องจำไว้ว่า เราไม่สามารถอ่านความคิดได้อย่างชัดเจนด้วย EEG ดังนั้น สิ่งที่กำลังเปรียบเทียบอุดมคติจะต้องจับคู่ในทุกๆ ด้านยกเว้นตัวแปรที่สนใจ ดังนั้น การออกแบบการทดลองที่ดีเป็นรากฐานของการวิจัย EEG ที่ดี อย่างที่สอง อุปกรณ์ EEG สามารถดักจับการแทรกแซงจากอุปกรณ์ไฟฟ้าและ EEG อาจอ่อนไหวต่อการเคลื่อนที่ซึ่งสามารถนำเสนอบทคัดย่อที่ไม่ต้องการเข้าสู่การบันทึกได้ ดังนั้น EEG ที่ดิบจะแสดงผลการตอบสนองของสมองทั้งหมดที่ต้องถูกทำความสะอาดและประมวลผลก่อนที่จะมีการสรุปที่เกี่ยวข้องกับการรับรู้ของสิ่งกระตุ้น.

นอกจากนี้ กิจกรรมสมองที่อิเล็กโทรดเดียวบันทึกสามารถทำได้จากสมองทั้งที่และตำแหน่งของมันไม่ได้บ่งบอกถึงแหล่งที่มาของกิจกรรมโดยตรง (เช่น การเพิ่มของกิจกรรมที่อิเล็กโทรดส่วนหน้าจะไม่หมายความว่าไซลไบร์ที่ส่วนหน้าได้เกิดขึ้น) วิธีการเช่นการสร้างภาพแหล่งที่มาของ EEG สามารถใช้เพื่อวัตถุประสงค์นี้เพื่อกำหนดแหล่งที่มาระดับหนังศีรษะ เพื่อกำหนดแหล่งที่มาลึก ๆ ด้วยความมั่นใจมากขึ้น วิธีการ neuroimaging เช่น MEG หรือ fMRI ร่วมกับ EEG อาจพิจารณาใช้.

EEG ในการวิจัยปัจจุบัน

EEG ปัจจุบันถูกใช้อย่างหลากหลาย ช่วยให้นักวิจัยไม่เพียงในด้านจิตวิทยาและการแพทย์เท่านั้น แต่ยังในเทคโนโลยีสัญญาณสมอง (BCI), การป้อนกลับจากระบบประสาท และการเข้าใจพฤติกรรมผู้บริโภคในสาขาเช่น neuromarketing.

Neuroscience ด้านการแพทย์หรือทางคลินิก

EEG ส่วนใหญ่ถูกใช้ในด้านการแพทย์เพื่อปรับปรุงการวินิจฉัยและการรักษา ตัวอย่างเช่น การใช้ EEG ที่พบเห็นบ่อยที่สุดคือในการวินิจฉัยโรคลมชักและการตรวจหาชัก⁵ และในศึกษาการนอนหลับเพื่อตรวจจับความผิดปกติในการนอน⁶ ในสาขาจิตเวชและประสาทศาสตร์ทางคลินิก EEG กำลังถูกใช้เพื่อระบุเครื่องหมายวัตถุที่เป็นตัวบ่งชี้ของโรคที่มักพึ่งการประเมินทางคลินิกเชิงอุปนัย เทคนิคเช่น quantitative EEG (qEEG) ที่คำนวณและแผนที่การสั่นของสมองเหนือหนังศีรษะกำลังถูกใช้เพื่อบ่งบอกถึงการเปลี่ยนแปลงในสมองที่เกิดจากโรคจิตเวชต่าง ๆ⁷ การใช้ machine learning ในการแยกสมองที่มีสุขภาพดีและผิดปกติก็กำลังทำเส้นทางให้นำเสนอวิธีการที่เป็นวัตถุของ การวินิจฉัย⁸ˈ⁹.

Neuromarketing

แน่นอน การเข้าใจพฤติกรรมผู้บริโภคเป็นจุดเริ่มต้นของ Neuromarketing การใช้ EEG ที่พบมากที่สุดในสาขานี้คือการระบุส่วนที่ไม่ชัดเจนและน่าสนใจน้อยของโฆษณา¹⁰, ผลิตภัณฑ์หรือบริการโดยมีวัตถุประสงค์ในการปรับปรุง.

EMOTIV x Neuromarketing - อนาคตของพฤติกรรมผู้บริโภคในห้องปฏิบัติการตรวจสอบของ L’Oreal.

การสั่นของ EEG ยังถูกใช้เพื่อระบุว่ามีการระลึกถึงแบรนด์/ผลิตภัณฑ์ใดๆ แบบจิตใต้สำนึก¹¹ การใช้งานอื่น ๆ รวมถึง neuropricing ซึ่งใช้ภารกิจพฤติกรรมกับ EEG เพื่อค้นหากลยุทธ์การตั้งราคาที่เหมาะสมที่สุดสำหรับผลิตภัณฑ์¹².

EMOTIV x Neuromarketing - วิธีที่สมองตอบสนองต่อข้อเสนอแนะการตั้งราคาที่ต่างกัน.

การวิจัยประสาทศาสตร์ทั่วไป

การวิจัยประเภทนี้รวมถึงการทำความเข้าใจว่าการทำงานของสมองเป็นอย่างไร (เช่น การที่สมองของเราประมวลผลสิ่งกระตุ้นทางภาพหรือการฟัง) และการสื่อสารระหว่างส่วนต่างๆ ของสมองอย่างไร นอกจากนี้ยังรวมถึงความเข้าใจในความสัมพันธ์ระหว่างสมองและโรคต่าง ๆ (เช่น ความผิดปกติของสเปกตรัมออทิสติกหรือโรคจิตเภท) นี่รวมถึงหลายสนามที่ประกอบไปด้วยทางสังคม, ทางอารมณ์, ทางคอมพิวเตอร์ และทางความคิด

ระบบคอมพิวเตอร์สัญญาณสมอง (BCI)

การวิจัย BCI มีเป้าหมายในการแปลคำสั่งทางจิตออกเป็นการกระทำภายนอก โดยการบูรณาการ EEG กับอุปกรณ์คอมพิวเตอร์ การใช้คำสั่งทางจิตเพื่อพิมพ์เอกสารในเวิร์ด เพื่อเคลื่อนเก้าอี้ล้อเลื่อน และแม้แต่เคลื่อนแขนเทียมเป็นการพัฒนาปัจจุบันใน BCI ที่ใช้เพื่อปรับปรุงคุณภาพชีวิตของผู้คนที่มีความพิการ¹³.

ระบบคอมพิวเตอร์สัญญาณสมอง (BCI) - สิ่งที่น่าทึ่งจาก John เด็กชายอายุ 8 ขวบที่มีภาวะกล้ามเนื้ออ่อนแรงที่ brainpaintbyjohn บน Instagram

อีกการปฏิวัติหนึ่งอยู่ในอุตสาหกรรมดนตรีที่นักดนตรี/นักร้องใช้ความคิดของพวกเขาในการสร้างดนตรี (ดูโพสต์ที่เกี่ยวข้องของเรา ที่นี่)

ระบบคอมพิวเตอร์สัญญาณสมอง (BCI) - หูฟัง EPOC ของ EMOTIV & เครื่องสังเคราะห์เสียง TONTO ที่มีชื่อเสียงเป็นคู่ที่เหมาะสม.

โดยรวม การใช้ EEG เสนอคำมั่นที่จะก้าวล้ำขึ้นจากการเข้าใจพฤติกรรมมนุษย์ในระดับพื้นผิว ความคุ้มค่าและการเข้าถึงสูงทำให้เป็นเครื่องมือที่มีประโยชน์ในหลายสาขา ที่ซึ่งกระบวนการซึ่งครอบคลุมตั้งแต่การปรับปรุงประสบการณ์ของผู้ใช้ไปจนถึงการก้าวหน้าในด้านการบำบัดสามารถทำได้ด้วยการลงลึกมากกว่าการรายงานตนเองอีจี๊ซึ่งเป็นไปตามความเข้าใจของพฤติกรรมมนุษย์อยู่อย่างเป็นไปตามวัตถุประสงค์

ระบบคอมพิวเตอร์สัญญาณสมอง (BCI) - EMOTIV x Rodrigo Hubner Mendes, ขับรถ F1 โดยใช้คำสั่งทางจิต

บทความโดย
Roshini Randeniya, เจ้าหน้าที่วิจัย, EMOTIV Research Pty. Ltd

การอ้างอิง

1. Park, J. L., Fairweather, M. M. & Donaldson, D. I. ทำคดีสำหรับความรู้ความเข้าใจเคลื่อนที่: EEG และประสิทธิภาพการกีฬา Neurosci. Biobehav. Rev. 52, 117–130 (2015).

2. Kotowski, K., Stapor, K., Leski, J. & Kotas, M. การรับรอง Emotiv EPOC+ สำหรับการใช้ ERP กับการประมวลผลสื่อหน้าจออารมณ์ Biocybern. Biomed. Eng. 38, 773–781 (2018).

3. Badcock, N. A. et al. การรับรองระบบ Emotiv EPOC EEG สำหรับการวิจัยคุณภาพความคิดเหตุการณ์ที่เกี่ยวข้องกับการเสียงในเด็ก PeerJ 3, e907 (2015).

4. Michel, C. M. et al. การสร้างภาพแหล่งที่มาของการตอบสนอง EEG Clin. Neurophysiol. 115, 2195–2222 (2004).

5. Noachtar, S. & Rémi, J. บทบาทของ EEG ในโรคลมชัก: การทบทวนวิจารณ์ Epilepsy Behav. 15, 22–33 (2009).

6. Aldrich, M. S. & Jahnke, B. ค่าการวินิจฉัยของ video‐EEG polysomnography Neurology 41, 1060–1060 (1991).

7. Prichep, L. S. & John, E. R. QEEG โปรไฟล์ของโรคจิตเวช Brain Topogr. 4, 249–257 (1992).

8. Khodayari-Rostamabad, A., Reilly, J. P., Hasey, G. M., de Bruin, H. & MacCrimmon, D. J. วิธีการ machine learning ใช้ข้อมูล EEG เพื่อคาดคะเนการตอบสนองต่อการรักษา SSRI สำหรับโรคซึมเศร้ารุนแรง Clin. Neurophysiol. 124, 1975–1985 (2013).

9. Čukić, M., López, V. & Pavón, J. การจำแนกโรคซึมเศร้าซึ่งพักอยู่ในระดับที่ไม่เคลื่อนไหว EEG เป็นจุดปฏิบัติศักยภาพใหม่ในจิตเวช: การทบทวน J. Med. Internet Res. 22, e19548 (2020).

10. Ohme, R., Reykowska, D., Wiener, D. & Choromanska, A. การวิเคราะห์ปฏิกิริยาทางประสาทฟิสิกส์ต่อสิ่งกระตุ้นโฆษณาด้วยวิธีการ EEG และการตอบสนองผิวหนังเกลียว J. Neurosci. Psychol. Econ. 2, 21–31 (2009).

11. Shaari, A., Syafiq, M. Mikami, O. & M.A, M. K. การประยุกต์ใช้ EEG ใน Neuromarketing-สำรวจจิตใต้สำนึก การประยุกต์ใช้ใน Neuromarketing 14, (2020). (Neuromarketing)

12. Nigdelis, V. & Tsolaki, M. Neuropricing: มุมมองของการตอบสนองของสมองต่อการโดนการตั้งราคาคล้ายกัน. Hell. J. Nucl. Med. 20, 196–203 (2017).

13. Abiri, R., Borhani, S., Jiang, Y. & Zhao, X. การถอดรหัสคำสั่งทางจิตออกมาเป็นการกระทำภายนอกใช้ข้อมูล EEG Clin. Neurophysiol. 124, 1975–1985 (2013).