При изменении спектра мультифрактала для динамики ЭЭГ мозга, за счет влияния когнитивной нагрузки на ритмы мозга и на количество и связь независимых генераторов в мозге, у здорового человека ширина окна поиска решения задачи повышается [27] (рис. 2). Талант человека может скачками меняться к большему таланту в ходе решения задач. Мозг ремонтируется (расширяется ширина полосы на новой рабочей частоте, которая у талантов может повышаться (быстромыслие, охват большого материала скоро), задачи успешно за счет этого решаются). Этот «ремонт» мозга хорошо известен на нашумевшем примере нобелевского лауреата Дж. Нэша, заболевшего шизофренией и улучшившего своё состояние постепенной вработкой в творчество, решение задач. У шизофреника вариации частот в прорывную область получения решения, высокие частоты ограничены болезнью (рис. 2, уровень буквы «Ш», поиск начинается с хорошим размахом частот, но для завершения задачи недостает мощности, и размах частот снижается, понижается фрактальная размерность (ФР) мультифрактала ЭЭГ), динамика мозга может регрессировать на базальный уровень частоты, не решив задачи (рис. 2, стрелка, показывающая возвращение с частоты f1 на почти что частоту отдыха мозга fi)). Иногда при этом делается попытка заменить свое решение у кого-то подсмотренным чужим, чтобы как-то «выкарабкаться». В этом причина парадоксальной гениальности некоторых шизофреников. Она в их находчивости, желании выкарабкаться. Дж. Нэш опирался на свои прежние решения. На подсмотр у самого себя. Что катастрофы изменения ФР исключительно важны в определении диагноза шизофрении и предсказании прогноза её развития, экспериментально показано в [31; 50]. Запредельные скачки у временного спектра ФР у гипертоников вызывают кризы [13]. Подобные явления характерны для различных нейродегенеративных заболеваний (болезнь Альцгеймера, болезнь Паркинсона, деменция, эпилепсия) [31], сердечно-сосудистых заболеваний [13], диабета, аллергий, катаракты и глаукомы, болезней печени, желудка, кишечника, костных и эндокринных заболеваний и т.п. Тема разрешения загадок вреда и пользы хаоса, фракталов, высокой размерности мультифракталов не является простой, ведь эти же феномены присущи и здоровым людям, при неврозах [17], особенно при психопатии. Автор видит ответ на все эти вопросы в том, что если ФР повышается за счет перегрузки одного отдела мозга или сердца, то это ведет к патологии, в то время как при оптимальном воздействия на больных методами адаптивной медицины возникает синергичная взаимоподдержка отделов и рост ФР ЭЭГ мозга за этот счет, что ведет к выздоровлению и улучшению когнитивной успешности, а у талантливых людей происходит за счет нее рост таланта. Параметрами, отвечающими за выздоровление и талант, являются уровни соотношении про- и противооксидантов, про- и противовоспалительных факторов [27], пептидов, «хороших» и «плохих» инфекций в организме, «задор» в характере в сочетании с гибкостью (для умных временных уступок). Следует продолжить изучение проблемы роли «хаоса» часов при различных заболеваниях.
Выводы
1. Хотя нелинейные процессы в динамике сердца и мозга в значительной степени каким-то образом были «видны» уже классическими методами изучения ритмов ЭКГ и ЭЭГ (альтернации ритмов ЭКГ, задержки в ритме ЭКГ, вариабельность ритмов ЭКГ; у ЭЭГ это мог быть сдвиг рабочих частот и окон флуктуаций частот около рабочих частот, изменения амплитуд для левых и правых окон частот для частот альфа-ритма, бета-ритма, дельта-ритма - в ходе постепенного увеличения когнитивной нагрузки [15; 36]), но эти классические методы лучше подходили для изучения реакции сердечно-сосудистой системы на однократные короткие или длительные стрессы. В реальной жизни, и особенно на промежутках времени часы, дни, недели, сезоны, имеет место возмущение организма и его ключевых систем множеством переходных процессов в природе и для личностных фрустраций человека. Именно эти случаи лучше описываются на языке фракталов и мультифракталов и бифуркационных переходов между ними. В области адаптивной медицины, как видим, именно такой подход более четко моделирует реальную среду и ее воздействия. В том числе он адекватен для контроля «качества» уровней у изучаемых в адаптивной медицине параметров адаптивности организма и его ключевых органов.
2. Изучение фрактальных и мультифрактальных показателей, в дополнение к классическому анализу ЭКГ и ЭЭГ, ценно не только для изучения пассивной адаптации организма и для диагностики нарушений в сердечно-сосудистой системе и мозге, но и для изучения эффективности и «лоции» мимо «мелей» для повышающих адаптивность организма методов адаптивной медицины, в частности для методов снижения оксидантного стресса и снижения десинхронозов. Здесь у этих маркеров хорошие информативные возможности и большое будущее. Польза «фрактальных» моделей часов [7; 27; 28], в связи с этим, также будет расти.
Изучение характеристик фракталов и мультифракталов может дать информацию, дополнительную к классической информации при изучении ЭКГ и ЭЭГ. Это информация о предсказании резкого ухудшения или значительного улучшения функций сердца и мозга. Литературные данные, согласно обзору, как бы накапливали предпосылки для таких выводов и доказывают их. Эта информация дает новые возможности в клинике. Она может помогать врачу предугадывать значительные ухудшения или улучшения у больных, а в адаптивной медицине это дает новые возможности разработки методов окситерапии и других методов под надежным контролем высокоинформативных маркеров прогноза результативности лечебного воздействия. сердечный фрактальный оксистресс лечебный
Список литературы
1. Goldberger A.L. Nonlinear dynamics, fractals, cardiac physiology and sudden death // Temporal disorder in human oscillatory systems / Ed. L. Rensing. N.Y., 1986. P. 118-125.
2. Goldberger A.L., West B.J. Fractals in physiology and medicine. Yale Journal of Biology and Medicine. 1987. Vol.60. P. 421-435.
3. Henriques T.S., Mariani S., Burykin A., Rodrigues F., Silva T.F., Goldberger A.L. Multiscale Poincarй plots for visualizing the structure of heartbeat time series. BMC Medical Informatics and Decision Making. 2016. V. 16. Р. 17. DOI: 10.1186/s12911-016-0252-0.
4. Малинецкий Г.Г., Потапов А.Б. Современные проблемы нелинейной динамики. М.: Эдиториал УРСС, 2000. 336 с.
5. Алдонин Г.М. Методы и технические средства оценки состояния организма человека на основе нелинейных динамических моделей и комплексного анализа физиологических параметров: дис. ... докт. тех. наук. Санкт-Петербург, 2011. 314 с.
6. Goldberger A. Non-linear dynamics for clinicians: chaos theory, fractal and complexity at bedside. Lancet. 1996. Vol. 347. P. 1312-1314.
7. Taranenko A.M. Sequences of limit cycles in a model of a biochemical oscillator with subsrate depot. Studia biophysica. 1981. Vol. 83. № 1. P. 19-26.
8. Тараненко А.М. Новая парадигма «адаптивной» биомедицины для «омоложения» заболеваний и логарифмический во времени ход исцелений как ее основной закон // Изв. МАНВШ. 2006. 36, № 2. C. 199-211.
9. Тараненко А.М. Временной гомеостазис на фрактальном эффекте и его роль при купировании стресса, патологий, тренинге и выздоровлении // Биофизика. 2007. Т. 52. №2. С. 362-366.
10. Тараненко А.М. Применение депо-подхода из биоинформатики для проблемы предотвращения перехода стадии адаптации при стрессе в стадию дизадаптации // Естественные и технические науки. 2010. №3. C.123-126.
11. Флейшман А.Н., Кораблина Т.В., Петровский С.А., Мартынов И.Д. Сложная структура и нелинейное поведение very low frequency вариабельности ритма сердца: модели анализа и практические приложения // Изв. вузов «ПНД». 2014. Т. 22. № 1. C. 55-70. DOI: 10.18500/0869-6632-2014-22-1-55-70.
12. Лоллини В.А., Науменко А.А. Нестатистические подходы к анализу сердечного ритма. // Вестник ВГМУ. 2017. Том 16. №1. С. 44-49. vVGMU_2017_1_44-49.pdf
13. Лебедев Д. Ю. Исследование свойств мгновенного сердечного ритма на основе модели мультифрактальной динамики: дис. ... канд. физико-матем. наук. Тверь, 2018. 135 с.
14. Чепенко В. Современные возможности анализа поведения альтернаций амплитуд R/S зубцов ЭКГ как нелинейной динамической системы // Cardiometry. 2016. вып.8. С.33-38. DOI: 10.12710/ cardiometry.2016.8.3035.
15. Шульц Е.В., Бабурин И.Н., Караваева Т.А., Карвасарский Б.Д., Слезин В.Б. Особенности фрактальной динамики ЭЭГ a-ритма у больных с невротическими и неврозоподобными расстройствами // Журнал неврологии и психиатрии. 2011. № 10. С. 5153.
16. Зуева М.В., Цапенко И.В., Манько О.М., Смолеевский А.Е. Нарушения физиологических ритмов при нейродегенеративных заболеваниях: проблемы и перспективы световой терапии // Клин. мед. 2016. Т.94, № 6. С. 427- 432. DOI 10. 18821/0023-2149-201694-6-427-432
17. Чирков В. А. Влияние гипербарической оксигенации на течение неврозоподобных расстройств у больных с резидуальной церебрально-органической недостаточностью: дис. . канд. мед. наук. Москва, 2007.145 с.
18. Благинин А.А., Жильцова И.И., Михеева Г.Ф. Гипоксическая тренировка как метод коррекции пограничных функциональных состояний организма операторов сложных эргатических систем. Нижневартовск: Изд-во Нижневарт. гос. ун-та, 2015. 106 с.
19. Величко Т.И. Свободно-радикальные процессы и возможное проявление оксидативного стресса в условиях физических нагрузок // Вестник Волжского университета имени В.Н. Татищева. 2015. № 4 (19). С. 286-293.
20. Кудинов О.Б., Марченко С.А. Мультифрактальный анализ электрокардиограмм // Современные проблемы радиотехники и телекоммуникаций РТ-2013: материалы 9-й Международной молодёжной научно-технической конференции. Севастополь, 2013. С. 337.
21. Accardo A., Affinito M., Carrozzi M., Bouquet F. Use of the fractal dimension for the analysis of electroencephalographic time series. Biol. Cybern. 1997. Vol. 77 no.5. P. 339-350. DOI: 10.1007/s004220050394.
22. Allegrini P., Menicucci D., Bedini R., Fronzoni L., Gemignani A., Grigolini P., West B.J., Paradisi P. Spontaneous brain activity as a source of ideal 1/f noise. Physical Revier. 2009. V.80. Р. 061914. DOI: 10.1103/PhysRevE.80.061914.
23. Омельченко В.П., Михальчич И.О. Нелинейный анализ ритмических составляющих электроэнцефалограммы человека в норме // Известия ЮФУ. Технические науки. 2014. №10. C. 52-59.
24. Зиганшин А.Р. Мультифрактальный анализ динамики нелинейных систем: дис. ... канд. физико-матем. наук. Саратов, 2005. 139 с.
25. Урицкий В.М. Фрактальная диагностика нарушения альфа-ритма при эпилепсии // Биофизика. 1999. Т.44. №6. С.1109-1114.
26. Debdeep Sikdar, Rinku Roy, Manjunatha Mahadevappaa. Epilepsy and seizure characterisation by multifractal analysis of EEG Subbands. Biomedical Signal Processing and Control. 2018. V. 41. P. 264-270. DOI: 10.1016/j.bspc.2017.12.006.
27. Тараненко А.М. Перекрестная адаптация при сочетанной терапии резонансными и фрактальными колебаниями // Естественные и технические науки. 2018. № 11. С. 410-414. DOI: 10.25633/ETN.2018.11.23.
28. Тараненко А.М. Биоинформационная модель управления окном “лечащего” фрактального поведения (управление метаболическим хаосом) // Естественные и технические науки. 2017. №9. С. 77-82.
29. Тараненко А.М. Фрактальные технологии и их важное преимущество перед классической метаболической регуляцией - успехи в лечении атопических заболеваний // Естественные и технические науки. 2015. №12. С.134-137.
30. Тараненко А.М. Фрактальная медицина подсказывает успешные сценарии восстановительной медицине // Здоровье и образование в XXI веке. 2016. №2. С.700-704.
31. Korn H., Faure P. Is there chaos in the brain? II. Experimental evidence and related models. Neurosciences, C. R. Biologies. 2003. V. 326. P. 787-840. DOI: 10.1016/j.cvri.2003.09.011.
32. Souza L. G., Josй F., Miranda G. V., Leite M., Sharma N. K., Walker M.C., Lemieux L., and Wang Y. Fractal and multifractal properties of electrographic recordings of human brain activity: toward its use as a signal feature for machine learning in clinical applications. Front. Physiol. 2018. Р. 01767. DOI: 10.3389/fphys.2018.01767.
33. Тараненко А.М., Сельков Е.Е. Система реакций, угнетаемая конечным продуктом, как механизм виртуального депонирования: генерация многообходных циклов // Биофизика. 1998. Вып.2. Т.43. С. 403-411.
34. Тараненко А.М. Новый путь нелинейной биомедицины - адаптациогенез вместо компенсаторности // Наука-производство-технологии-экология: м-лы Всерос. научно-технич. конф. Киров: ВятГУ, 2005. С. 210-212.
35. Майоров О.Ю., Фенченко В.Н. Мультифрактальный анализ в исследовании биоэлектрической активности мозга // Кибернетика и вычисл. техника. 2015. Вып. 181. C. 81-93.
36. Sharma M., Pachori R.B., Acharya U.R. A new approach to characterize epileptic seizures using analytic time-frequency flexible wavelet transform and fractal dimension. Journal Pattern Recognition Letters. July 2017. Volume 94. Issue C. P. 172-179. DOI: 10.1016/j.patrec.2017.03.023.
37. Ефремова Т.М., Куликов М.А., Резвова И.Р. Участие нелинейных динамических процессов в формировании высокочастотной ЭЭГ кролика // Журнал высшей нервной деятельности. 1991. Т. 41. С. 998-1006.
38. Чуркин А.А. Применение гипербарической оксигенации в психиатрической практике. [Электронный ресурс]. URL: http://ncpz.ru/lib/1/book/112/chapter/4 (дата обращения: 12.12.2019).
39. Лукьянова Л.Д., Кирова Ю.И., Сукоян Г.В. Новое о сигнальных механизмах адаптации к гипоксии и их роли в системной регуляции // Патогенез. 2011, Т. 9. №3. С. 4-14.
40. Оксидативный стресс и воспаление: патогенетическое партнерство: монография / Под ред. О.Г. Хурцилавы, Н.Н. Плужникова, Я.А. Накатиса. СПб.: Изд-во СЗГМУ им. И.И. Мечникова, 2012. 340 с.
41. Щербак Н.С., Галагудза М.М., Шляхто Е.В. Роль индуцируемого гипоксией фактора-1 (HIF-1) в реализации цитопротекторного эффекта ишемического и фармакологического посткондиционирования // Российский кардиологический журнал. 2014. 11 (115). C. 70-75. DOI 10.15829/1560-4071-2014-11 -70-75
42. Солкин А.А., Белявский Н.Н., Кузнецов В.И., Николаева А.Г. Основные механизмы формирования зашиты головного мозга при адаптации к гипоксии // Вестник ВГМУ. 2012. Т. 11. №1. С.6-14.
43. Johanssona A.-S., Owe-Larsson B., Hettab J., Lundkvista G. B. Altered circadian clock gene expression in patients with schizophrenia. Schizophrenia Research. 2016. Vol. 174. Issues 1-3. P. 17-23. DOI: 10.1016/j.schres.2016.04.029.
44. Karatsoreos I.N. Links between circadian rhythms and psychiatric disease. Front. Behav. Neurosci. 2014. no.8. Р. 162. DOI: 10.3389/fnbeh.2014.00162.
45. Майоров О.Ю., Фенченко В.Н. О выявлении нейродинамических систем мозга методами многоразмерного спектрального анализа и детерминистского хаоса по ЭЭГ сигналам // Кибернетика и вычисл. техника. 2009. Вып. 156. С. 3-9.
46. Филатова О.Е., Яхно В.Г., Яхно Т.А., Самсонов И.Н. Хаос нейросетей мозга - признак гомеостатичности // Сложность. Разум. Постнеклассика. 2017. №3. С. 42-50. DOI: 10.12737/article_59df74be8bc611.71429249.