Tiivistelmä. Toiminnallisen kytkennällisyyden mittaaminen perustuu aivojen eri osista mitattujen signaalien tai tapahtumien tilastolliseen riippuvuuteen toisistaan. Aivosähkökäyriä saadaan aikaan mittaamalla aivosolujen toimiessaan tuottamien sähköisten potentiaalien muutoksia ajan suhteen eri puolilta aivoja. Aivosähkökäyriä kutsutaan myös elektroenkefalogrammiksi. Niitä voidaan helposti mitata aivojen ulkopuolelta ihon pinnalta. Toiminnallista kytkennällisyyttä voidaan mitata muun muassa aivosähkökäyristä. Anestesia on tila, jossa kohde ei pysty havaitsemaan tai tuntemaan mitään. Usein se saadaan aikaan jonkin aineen avulla hallitusti. Anestesia on siis hallittu tapa saada aivot johonkin muuhun tilaan kuin missä ne ovat hereilläolon aikana. Anestesiaa käytetään hyvin yleisesti potilaan saattamiseksi tiedottomaan tilaan lääketieteellisten toimenpiteiden aikana.

Tämän kirjallisuuskatsauksen tarkoituksena on tutkia, minkälaisia menetelmiä tällä hetkellä käytetään toiminnallisen kytkennällisyyden mittaamiseksi aivosähkökäyristä anestesian aikana. Anestesian avulla tapahtuva aivojen hallittu siirtäminen tilasta toiseen mahdollistaa aivojen toiminnan vertailun eri tiloissa, mikä on olennaista toiminnallisen kytkennällisyyden tutkimiseksi. Näin ollen kyseinen yhdistelmä on kiinnostava tutkimuskohde. Lähdeaineistona on käytetty varsin laajaa julkaistujen tutkimusten joukkoa työn aiheeseen liittyen. Katsauksessa esitellään ensin taustatietoa aiheen ymmärtämiseksi ja sitten syvennytään varsin laajaan ja kirjavaan joukkoon menetelmiä.

Tutkimusten perusteella tavoitteena on ymmärtää aivojen toimintaa eri tietoisuuden tiloissa. Käytännössä tätä ymmärrystä sovelletaan ainakin anestesian syvyyden mittarien kehittämisessä lääketieteellisiin tarkoituksiin leikkauspotilaan turvallisuuden ja toimenpiteestä toipumisen varmistamiseksi. Menetelmissä ollaan siirrytty kohtalaisen yksinkertaisista signaalien tilastollisen riippuvuuden tarkasteluun perustuvista menetelmistä epälineaarisiin menetelmiin, kytkennällisyyden monimuotoisuuden tarkasteluun ja toiminnallisten verkkojen rakenteen tarkasteluun.Functional connectivity measures from the EEG during anaesthesia. Abstract. Functional connectivity measures are based on the statistical dependence of signals or events measured from different parts of the brain. Electroencephalogram measures the temporal evolution of the electrical potentials, produced by the brain neurons, from different parts of the brain. Electroencephalogram can be easily measured from outside the brain, on top of the skin. Functional connectivity can be measured amongst others from that. Anaesthesia is a state in which the target is not able to observe or feel anything. Usually it is induced with some anaesthetic agent in a controlled manner. Anaesthesia is therefore a controlled way to get the brain to some other state from the state in which it is during wakefulness. Anaesthesia is commonly used to get the patient into an unconscious state during medical operations.

The purpose of this literature review is to research what kind of methods are currently used to measure functional connectivity from electroencephalogram data during anaesthesia. The controlled transition of the brain from a state to another with anaesthesia makes it possible to compare the functionality of the brain in different states, which is vital for researching functional connectivity. Therefore this combination is an interesting target for research. A rather large group of research publications relating to the topic of this thesis has been used as the source material. The review first introduces some background information for understanding the topic and then concentrates on a rather large variety of methods.

Based on the research, the purpose is to understand the workings of the brain in different states of consciousness. In practice this understanding is applied at least when developing measures of the depth of anaesthesia for medical purposes, to ensure the safety and proper recovery from the operation of a patient. The focus in the methods has been shifted from relatively simple methods based on observing the statistical dependency between signals to nonlinear methods, observing the diversity of connectivity, and observing the structure of functional networks.