Not All Entropy Is Equal: Parameter Sensitivity, Ordinal Blindness, and the Case for Sample Entropy in Dementia EEG

Lo studio dimostra che la Permutation Entropy applicata all'EEG nella demenza è inaffidabile e sensibile ai parametri, risultando cieca alle strutture di regolarità che distinguono i segnali patologici, mentre la Sample Entropy si rivela una misura superiore e complementare all'analisi spettrale per la diagnosi.

L'essenziale

Immagina di voler ascoltare il ritmo del cuore di una persona per capire se sta bene o se ha un problema. In questo caso, invece del cuore, stiamo ascoltando il cervello attraverso un elettroencefalogramma (EEG), che è come un microfono che registra le onde elettriche dei neuroni.

Per anni, i ricercatori hanno cercato un "segreto" nascosto in queste onde per diagnosticare l'Alzheimer e altre forme di demenza. Hanno usato uno strumento matematico chiamato Entropia di Permutazione (PE). L'idea era semplice: più il cervello è caotico, più la malattia è grave.

Ma questo studio, scritto da Victor Edmonds, ha scoperto una cosa sconvolgente: non tutte le misurazioni dell'entropia sono uguali. Anzi, a seconda di come imposti lo strumento, puoi ottenere risultati completamente opposti!

Ecco la spiegazione semplice, con qualche analogia per chiarire le idee.

1. Il problema del "Righello Flessibile"

Immagina di dover misurare la lunghezza di un'onda del mare.

• Se usi un righello che misura solo 10 centimetri (un parametro sbagliato), potresti contare solo le piccole increspature e dire: "L'onda è molto irregolare!".
• Se usi un righello che misura 1 metro (il parametro giusto), vedi l'onda intera e dici: "È un'onda regolare e potente".

Gli scienziati stavano usando il "righello sbagliato" (i parametri sbagliati) per misurare le onde cerebrali.
Lo studio ha preso 1.177 registrazioni EEG di persone sane, con lievi problemi di memoria e con demenza. Hanno applicato lo stesso calcolo matematico (PE) ma cambiando solo due numeri (come cambiare la lente di un microscopio).

Il risultato è stato folle:

• Con una lente, il cervello malato sembrava molto più caotico di quello sano.
• Con un'altra lente, il cervello malato sembrava molto più ordinato di quello sano.
• Con la lente "giusta" (quella che guarda l'intero ciclo dell'onda), non c'era alcuna differenza.

È come se, cambiando solo il modo in cui guardi un quadro, un giorno vedessi un'opera d'arte e il giorno dopo un pasticcio di colori, pur guardando lo stesso quadro!

2. Perché succede? L'analogia della "Pista da Corsa"

Per capire perché il metodo vecchio (PE) fallisce, immagina di guardare una pista da corsa:

• Il metodo vecchio (PE) guarda solo l'ordine in cui i corridori passano: "Primo, secondo, terzo". Non si cura di quanto velocemente corrono o di quanto sono vicini tra loro. Se due corridori cambiano posto di un millimetro, per questo metodo è tutto cambiato.
• Il metodo nuovo (Entropia Campionaria o SE) guarda invece la distanza tra i corridori. Se i corridori sono tutti raggruppati e corrono a passo di marcia (cervello sano), il metodo lo vede. Se si disperdono e corrono a scatti (cervello malato), il metodo lo vede subito.

Il cervello sano produce un'onda ritmica e regolare (come un metronomo). Il cervello malato perde questo ritmo e diventa frammentato.
Il vecchio metodo (PE) è "cieco" alla regolarità del ritmo perché guarda solo l'ordine dei numeri, ignorando la forma dell'onda. È come cercare di capire se una melodia è bella guardando solo l'ordine delle note, senza ascoltare l'armonia.

3. La soluzione: Ascoltare la "Regolarità"

Lo studio ha scoperto che un altro strumento, chiamato Entropia Campionaria (SE), funziona molto meglio.

• Questo strumento è come un orecchio che sente la fluidità del movimento.
• Quando il cervello invecchia o si ammala, l'onda diventa "sgranata" e irregolare.
• L'Entropia Campionaria cattura perfettamente questo cambiamento, indipendentemente da quanto è forte il segnale.

Inoltre, lo studio ha confermato che la cosa più semplice da guardare rimane il rapporto tra le onde lente e veloci (potenza spettrale). Ma combinando questo con l'Entropia Campionaria, si ottiene una diagnosi ancora più precisa, quasi come un medico che usa sia la febbre che il battito cardiaco per fare una diagnosi.

4. Cosa significa per il futuro?

Questo studio è un grande "stop" per la ricerca futura:

1. Smettete di usare i vecchi parametri: Se continuate a usare il vecchio metodo (PE) con i vecchi numeri, state misurando cose che non esistono o che sono solo errori matematici.
2. Attenzione all'età: Le persone anziane hanno un cervello che cambia naturalmente. Bisogna fare attenzione a non confondere l'invecchiamento normale con la malattia.
3. Usate il metodo giusto: Per vedere la vera "regolarità" del cervello, dobbiamo usare strumenti che misurano la forma e la distanza delle onde (come l'Entropia Campionaria), non solo l'ordine dei numeri.

In sintesi

Immagina di cercare un tesoro (la diagnosi di demenza) in una foresta.
Per anni, tutti hanno usato una mappa sbagliata (il vecchio metodo PE) che li faceva vedere il tesoro in posti diversi a seconda di come la tenevano in mano.
Questo studio ci dice: "Ehi, quella mappa non funziona! Se la ruoti di un grado, il tesoro sparisce o appare da un'altra parte".
La nuova mappa (Entropia Campionaria + analisi delle onde) ci dice dove cercare davvero, basandosi sulla struttura reale del terreno, non su un'illusione ottica matematica.

È un passo fondamentale per rendere le diagnosi di demenza più affidabili e meno soggette a errori di calcolo.

Sommario tecnico

1. Il Problema

L'Entropia di Permutazione (PE) è sempre più studiata come biomarcatore EEG per il morbo di Alzheimer e le demenze correlate. Tuttavia, la PE richiede la specificazione di due parametri liberi: l'ordine di embedding (numero di valori consecutivi confrontati) e il ritardo (spaziatura tra i campioni). Questi parametri, interagendo con la frequenza di campionamento, determinano la scala temporale fisica misurata.
Il problema centrale identificato dall'autore è che:

• Non esiste nella letteratura PE-demenza una verifica della robustezza dei risultati rispetto alla scelta dei parametri.
• La scelta dei parametri è spesso arbitraria e non giustificata in termini fisici (es. relazione con il ciclo dell'onda alfa).
• Esiste il rischio di un "problema dei gradi di libertà nascosti": i ricercatori potrebbero selezionare involontariamente parametri che producono risultati favorevoli, mentre altre scelte potrebbero portare a risultati nulli o addirittura invertiti.
• La PE, basata sul solo ordinamento dei valori (rank-order), potrebbe essere strutturalmente inadatta a catturare la perdita di regolarità ritmica tipica della patologia, poiché scarta tutte le informazioni sulle distanze tra i valori.

2. Metodologia

Lo studio ha utilizzato un approccio rigoroso su un ampio dataset clinico, confrontando diverse misure di complessità.

• Dataset:
  • Dataset di Validazione (CAUEEG): 1.177 EEG clinici (457 Normocognitivi, 414 MCI, 306 Demenza) registrati a 200 Hz.
  • Dataset di Scoperta (ds004504): 88 partecipanti (OpenNeuro) per la validazione preliminare della complessità di Lempel-Ziv (LZC).
• Pre-elaborazione del segnale:
  • Estrazione esclusiva di segmenti a occhi chiusi (standardizzazione della condizione).
  • Esclusione rigorosa degli artefatti (movimento, battito di ciglia, ecc.).
  • Filtraggio a banda stretta (Alfa: 8-12 Hz; Theta: 4-8 Hz) utilizzando filtri FIR a fase zero.
  • Calcolo dell'entropia per segmento (prima della media) per evitare artefatti di confine e pattern ordinali artificiali.
• Parametrizzazione della PE:
  Sono state testate quattro configurazioni di PE sulla banda alfa, con diverse scale temporali:
  1. pe_o5d5 (Primaria): Ordine 5, Ritardo 5 (Finestra 100 ms, copre un intero ciclo alfa).
  2. pe_o3d10: Ordine 3, Ritardo 10 (Finestra 100 ms, ma solo 6 stati ordinali).
  3. pe_o7d3: Ordine 7, Ritardo 3 (Finestra 90 ms, 5.040 stati ordinali, spazio di stato ricco).
  4. pe_o3d1 (Originale/Sub-cycle): Ordine 3, Ritardo 1 (Finestra 10 ms, copre solo il 10% di un ciclo alfa).
• Misure di confronto:
  • Entropia di Campionamento (Sample Entropy - SE) con metrica di Chebyshev.
  • Complessità di Lempel-Ziv (LZC).
  • Analisi spettrale di base (rapporto di potenza relativa Alfa/Theta).
• Analisi Statistica:
  • Confronti di gruppo con test t di Welch e dimensione dell'effetto (Cohen's d).
  • Correzione per l'età tramite regressione (residui) e analisi su sottogruppi abbinati per età (70-80 anni).
  • Modelli predittivi combinati (Logistica) con convalida incrociata.

3. Risultati Chiave

A. Sensibilità Estrema dei Parametri della PE

Il risultato più sconvolgente è che la stessa misura (PE) sugli stessi dati ha prodotto effetti diametralmente opposti a seconda dei parametri scelti:

• pe_o3d1 (Sub-cycle, 10 ms): $d = -0.700$ (La PE diminuisce nella demenza).
• pe_o3d10 (Coarse, 100 ms): $d = +0.709$ (La PE aumenta nella demenza).
• pe_o5d5 (Primaria, 100 ms, 120 stati): $d = -0.025$ (Risultato nullo, $p=0.73$).
• pe_o7d3 (Spazio ricco): $d = +0.013$ (Risultato nullo).

Ciò dimostra che la direzione e l'entità dell'effetto della PE dipendono interamente dalla scelta dei parametri, non dalla patologia.

B. Limiti Strutturali della PE

• La PE con parametri "sub-cycle" (ordine 3, ritardo 1) misura in realtà la curvatura locale dell'onda filtrata o la distribuzione della fase istantanea, non la complessità del pattern ordinale. È essenzialmente una funzione non lineare del contenuto spettrale.
• La PE con parametri "appropriati" (finestra che copre un ciclo completo) è cieca alla patologia. Questo perché la PE scarta le informazioni sulle distanze tra i valori; due segnali con la stessa sequenza di ranghi ma forme d'onda diverse (es. un'onda sinusoidale regolare vs. un segnale frammentato) producono lo stesso valore di PE.

C. Superiorità dell'Entropia di Campionamento (SE)

• La Sample Entropy (SE) nella banda alfa ($SE_\alpha$) ha mostrato l'effetto più forte tra le misure di entropia ($d = 0.519$, AUC = 0.720).
• La $SE_\alpha$ è rimasta significativa anche dopo la correzione per l'età ($d = 0.373$).
• Indipendenza Spettrale: A differenza della PE e della LZC, la $SE_\alpha$ è quasi indipendente dalla potenza spettrale ($r = -0.043$). Questo indica che cattura informazioni genuine sulla regolarità strutturale del segnale, non solo sui cambiamenti di ampiezza o frequenza.

D. Confronto con LZC e Potenza Spettrale

• Il rapporto LZC Alfa/Theta ha mostrato un effetto moderato ($d = 0.471$), ma condivide il 52% della sua varianza con il rapporto di potenza spettrale, suggerendo che misura principalmente il contenuto spettrale.
• Il rapporto di potenza spettrale (Alfa/Theta) ha avuto l'effetto più alto in assoluto ($d = -0.727$, AUC = 0.739), confermando che il rallentamento spettrale è il segnale dominante.

E. Modello Predittivo Combinato

La combinazione di due feature ortogonali (Rapporto di Potenza Spettrale + $SE_\alpha$) in un modello bivariato ha raggiunto un AUC di 0.786 per la rilevazione della demenza, superando le singole misure e dimostrando che l'entropia basata sulla distanza (SE) fornisce informazioni complementari a quelle spettrali.

4. Contributi e Significato

1. Critica Metodologica alla PE: Lo studio dimostra che i risultati della PE nella letteratura sulla demenza non sono comparabili tra studi diversi a meno che i parametri e le frequenze di campionamento non corrispondano esattamente. La pratica corrente di scegliere un singolo set di parametri senza test di robustezza è scientificamente insostenibile.
2. Spiegazione Teorica: Viene fornito un meccanismo analitico che spiega perché la PE "sub-cycle" su segnali a banda stretta si riduce a una misura della fase istantanea, rendendo i suoi risultati artefatti della geometria dell'onda piuttosto che indicatori di complessità dinamica.
3. Limiti Intrinseci della PE: Viene evidenziato che la PE è strutturalmente inadatta a rilevare la "disregolazione della regolarità oscillatoria" (frammentazione dell'onda alfa) perché ignora le distanze tra i valori.
4. Proposta di Alternativa: Si sostiene che le misure di entropia basate sulla distanza (come la Sample Entropy), che preservano le informazioni sulla similarità della forma d'onda, sono superiori per questo specifico compito diagnostico.
5. Raccomandazioni Pratiche:
   • Segnalare sempre la scala temporale fisica (in ms) e non solo ordine/ritardo.
   • Testare almeno due parametrizzazioni su scale temporali diverse.
   • Utilizzare segmenti a occhi chiusi per l'analisi della banda alfa.
   • Applicare rigorosamente correzioni per l'età, dato che l'età è un confondente potente per le misure di entropia.

In conclusione, il paper invita a una rivalutazione fondamentale dell'uso della Permutation Entropy nella ricerca sui biomarcatori EEG, suggerendo che le misure basate sulla distanza (come la Sample Entropy) dovrebbero avere la priorità quando la patologia target coinvolge la perdita di regolarità ritmica.