Índices de la Red de Electroencefalografía como biomarcadores de deterioro de las extremidades superiores en el ictus crónico

Resumen

El protocolo experimental demuestra el paradigma para adquirir y analizar las señales de electroencefalografía (EEG) durante el movimiento de las extremidades superiores en individuos con accidente cerebrovascular. La alteración de la red funcional de las bandas de frecuencia del EEG de baja beta se observó durante el movimiento del miembro superior deteriorado y se asoció con el grado de deterioro motor.

Resumen

La alteración de las señales de electroencefalografía (EEG) durante el movimiento específico de la extremidad dañada se ha descrito como un biomarcador potencial para la gravedad de la discapacidad motora y para la predicción de la recuperación motora en individuos con accidente cerebrovascular. Al implementar experimentos de EEG, se requieren paradigmas detallados y protocolos de experimentos bien organizados para obtener resultados sólidos e interpretables. En este protocolo, ilustramos un paradigma específico de la tarea con el movimiento de las extremidades superiores y los métodos y técnicas necesarios para la adquisición y el análisis de datos de EEG. El paradigma consiste en 1 min de descanso seguido de 10 ensayos que comprenden alternando 5 s y 3 s de estados de reposo y tarea (extensión de la mano), respectivamente, a lo largo de 4 sesiones. Las señales de EEG se adquirieron utilizando 32 electrodos Ag/AgCl en el cuero cabelludo a una frecuencia de muestreo de 1.000 Hz. Se realizaron análisis de perturbaciones espectrales relacionadas con eventos asociados con el movimiento de las extremidades y análisis de redes funcionales a nivel global en la banda de frecuencia beta baja (12-20 Hz). Los resultados representativos mostraron una alteración de la red funcional de las bandas de frecuencia de EEG de baja beta durante el movimiento de la extremidad superior deteriorada, y la red funcional alterada se asoció con el grado de deterioro motor en los pacientes con accidente cerebrovascular crónico. Los resultados demuestran la viabilidad del paradigma experimental en las mediciones de EEG durante el movimiento de las extremidades superiores en individuos con ictus. Se necesita más investigación utilizando este paradigma para determinar el valor potencial de las señales de EEG como biomarcadores de deterioro motor y recuperación.

Introducción

El deterioro motor de las extremidades superiores es una de las consecuencias más comunes del accidente cerebrovascular y está relacionado con limitaciones en las actividades de la vida diaria ^1,2. Se sabe que los ritmos de banda alfa (8-13 Hz) y beta (13-30 Hz) están estrechamente asociados con los movimientos. En particular, los estudios han demostrado que la alteración de la actividad neuronal en las bandas de frecuencia alfa y beta inferior (12-20 Hz) durante el movimiento de una extremidad deteriorada se correlaciona con el grado de deterioro motor en individuos con accidente cerebrovascular ^3,4,5. Con base en estos hallazgos, la electroencefalografía (EEG) ha surgido como un biomarcador potencial que refleja tanto la gravedad del deterioro motor como la posibilidad de recuperación motora ^6,7. Sin embargo, los biomarcadores basados en EEG desarrollados anteriormente han demostrado ser inadecuados para investigar las características de la discapacidad motora en individuos con accidente cerebrovascular, en gran parte debido a su dependencia de los datos de EEG en estado de reposo en lugar de los datos de EEG inducidos por la tarea ^8,9,10. El procesamiento complejo de la información relacionado con las deficiencias motoras, como la interacción entre los hemisferios ipsilesionales y contralesionales, solo puede revelarse a través de los datos del EEG inducido por la tarea, no del EEG en estado de reposo. Por lo tanto, no solo se requieren más estudios para explorar la relación entre las actividades neuronales y las características de la discapacidad motora y para aclarar la utilidad del EEG generado durante el movimiento de la parte del cuerpo deteriorada como un biomarcador potencial para la discapacidad motora en individuos con accidente cerebrovascular¹¹.

La implementación del EEG para evaluar los efectos conductuales requiere paradigmas y protocolos específicos para cada tarea. Hasta la fecha, se han sugerido varios protocolos de EEG¹², en los que los individuos con accidente cerebrovascular realizan movimientos imaginarios o reales para inducir actividades cerebrales relacionadas con el movimiento^11,13. En el caso de los movimientos imaginados, alrededor del 53,7% de los participantes no podían imaginar definitivamente un movimiento correspondiente (llamado "analfabetismo") y, por lo tanto, no inducían actividades cerebrales relacionadas con el movimiento¹⁴. Además, es difícil para las personas con un accidente cerebrovascular grave mover toda la extremidad superior, y existe la posibilidad de artefactos innecesarios durante la adquisición de datos debido a movimientos inestables. Por lo tanto, se requiere una orientación basada en el conocimiento experto para adquirir datos de EEG de alta calidad relacionados con la tarea y resultados neurofisiológicamente interpretables. En este estudio, diseñamos de manera integral un paradigma experimental para que las personas con accidente cerebrovascular realicen una tarea de movimiento de la mano relativamente simple y proporcionamos un procedimiento experimental con una guía detallada.

Al esbozar el protocolo experimental visualizado en este artículo, pretendemos ilustrar los conceptos y métodos específicos utilizados para la adquisición y el análisis de las actividades neuronales relacionadas con el movimiento de la extremidad superior mediante un sistema de EEG. Al demostrar la diferencia en las actividades neuronales a través del EEG entre las extremidades superiores paréticas y no paréticas en participantes con accidente cerebrovascular hemipléjico, este estudio tuvo como objetivo presentar la viabilidad del EEG utilizando el protocolo descrito como un biomarcador potencial para la gravedad de la discapacidad motora en individuos con accidente cerebrovascular en un contexto transversal.

Protocolo

Todos los procedimientos experimentales fueron revisados y aprobados por la Junta de Revisión Institucional del Hospital Bundang de la Universidad Nacional de Seúl. Para los experimentos de este estudio, se reclutaron 34 participantes con accidente cerebrovascular. Se obtuvo el consentimiento informado firmado de todos los participantes. Se obtuvo un consentimiento informado firmado de un representante legal si un participante cumplía con los criterios pero no podía firmar el formulario de consentimiento debido a una discapacidad.

1. Configuración experimental

1. Reclutamiento de pacientes
   1. Realice el proceso de selección utilizando los siguientes criterios de inclusión:
      Tener entre 18 y 85 años de edad con la presencia de deterioro de las funciones de las extremidades superiores;
      Primer accidente cerebrovascular isquémico o hemorrágico confirmado por tomografía computarizada cerebral o resonancia magnética;
      Capacidad del participante para seguir las instrucciones para la evaluación clínica y el estudio de EEG;
      Ausencia de antecedentes de otras enfermedades psiquiátricas o neurológicas, excepto accidente cerebrovascular.
   2. Excluya a los pacientes en función de lo siguiente:
      Enfermedad previa que afecte el sistema nervioso central (por ejemplo, lesión cerebral traumática, tumor cerebral, enfermedad de Parkinson);
      Incapacidad para usar el gorro de EEG; y
      Incapacidad para seguir las instrucciones de la evaluación clínica y del estudio EEG.
      NOTA: Los criterios de inclusión y exclusión fueron elegidos para seleccionar a los participantes capaces de participar en el experimento y para regular los factores demográficos que podrían influir en los resultados.
   3. Proporcionar a todos los participantes reclutados información sobre los detalles del procedimiento experimental.
2. Sistema experimental: EEG
   1. Utilice un sistema de EEG que consta de 32 electrodos de Ag/AgCl en el cuero cabelludo, un gorro de EEG textil y un software de registro de EEG para el registro de datos.
   2. Utilice una computadora personal (PC) con software de registro de EEG instalado y conecte la PC al dispositivo de EEG a través de Bluetooth.
   3. Utilice otro PC con una aplicación de software de programación y análisis numérico para ingeniería (consulte la tabla de materiales).
   4. Para la presentación de estímulos, conecte la PC a una caja de disparo dedicada (Figura 1).
      NOTA: Las especificaciones detalladas de las dos PC se proporcionan en la Tabla de materiales.
3. Paradigma experimental basado en software de programación
   NOTA: Los participantes realizaron una tarea de extensión de la mano utilizando las manos afectadas y no afectadas, durante la cual se midieron los datos del EEG. En la Figura 2 se muestra el paradigma experimental de este estudio.
   1. Presentar dos estímulos visuales, CLOSE y OPEN, durante 30 s cada uno, en el centro de un monitor para medir los datos de EEG en estado de reposo basal, durante los cuales el participante cierra y abre los ojos.
      NOTA: Debido a que los datos del EEG en estado de reposo están relativamente menos contaminados por artefactos fisiológicos no deseados, son útiles para verificar la calidad de los datos del EEG e identificar las características individuales del EEG con respecto al estado de reposo.
   2. Presente una imagen de movimiento de la mano durante 3 segundos para indicar al participante que realice un movimiento de extensión de la mano, seguido de una marca de fijación durante 5 segundos para descansar.
      NOTA: Este procedimiento se consideró como una prueba y se repitió 10 veces en una sola sesión. Cada participante se sometió a 4 sesiones para cada mano. El participante tenía un descanso siempre que quería después de realizar cada sesión para evitar la fatiga excesiva.

Figura 1: Esquema de la configuración del equipo. Un PC (PC1) que presentaba estímulos experimentales se conectó a una caja de disparo, y otro PC (PC2) se conectó a un amplificador de EEG. Los eventos de estimulación generados en PC1 se enviaron al amplificador de EEG a través de la caja de disparo conectada a PC1. Haga clic aquí para ver una versión más grande de esta figura.

Figura 2: Paradigma experimental utilizado en este estudio. Un solo ensayo consistió en un movimiento de extensión de la mano de 3 s seguido de una relajación de 5 s. Este patrón se repitió 10 veces en una sola sesión. Se realizaron un total de ocho sesiones; Cuatro sesiones involucraron el movimiento de la mano afectado, mientras que las otras cuatro involucraron el movimiento de la mano no afectado. Esta figura fue adaptada de Shim et ^al.17 con permiso de Mary Ann Liebert, Inc. Haga clic aquí para ver una versión más grande de esta figura.

2. Registro de datos de EEG relacionados con el movimiento

1. Configuración del EEG
   1. Siente al participante en un sillón cómodo frente a un monitor.
      NOTA: La distancia entre el participante y el monitor debe ser de al menos 60 cm para evitar la fatiga ocular. Sin embargo, se debe evitar una distancia excesiva (p. ej., >150 cm) porque podría distraer la concentración del participante.
   2. Para usar con precisión el gorro para la medición de EEG, defina la ubicación Cz en función del sistema internacional 10-20 utilizando la intersección de la línea longitudinal que conecta el nasion y el inion y la línea transversal que conecta la parte superior de ambas aurículas.
      NOTA: Es posible que no se requiera un gorro de EEG dependiendo del equipo de medición de EEG. En tal caso, los electrodos de EEG se adhieren directamente al cuero cabelludo de acuerdo con el sistema internacional 10-20¹⁵.
   3. Para una medición precisa del EEG, utilice un gorro de EEG del tamaño adecuado de acuerdo con el tamaño de la cabeza del participante y colóquelo de modo que la posición del electrodo Cz se coloque en la ubicación Cz individual.
   4. Fije la correa de la barbilla con la tensión adecuada; Esto evitará que el participante se sienta incómodo durante la deglución y el parpadeo en el experimento. Después de eso, confirme que las posiciones de los electrodos T9 y T10 del gorro de EEG estén en la región temporal por encima de ambas aurículas, y que la posición del electrodo Fpz del gorro de EEG esté ubicada en el medio de la frente.
      NOTA: Si esos electrodos están fuera de la ubicación designada, considere cambiar la tapa. En nuestro estudio se utilizaron tres tamaños de gorro de EEG (54 cm: pequeño, 56 cm: mediano, 58 cm: grande).
   5. Después de colocar correctamente el gorro de EEG, coloque 32 electrodos de Ag/AgCl en el cuero cabelludo de acuerdo con el sistema internacional extendido 10-10, con los electrodos de tierra y de referencia en Fpz y FCz, respectivamente¹⁶.
      NOTA: La ubicación del electrodo de referencia (FCz) está relativamente menos influenciada por varios artefactos fisiológicos, como los de la electrooculografía, la electromiografía y la electrocardiografía, porque se encuentra alrededor del área central (Cz) del cuero cabelludo.
   6. Ajuste el nivel de impedancia entre los electrodos de EEG y el cuero cabelludo con gel conductor, y fije el cabello con el gel para evitar cualquier obstrucción entre los electrodos de EEG y el cuero cabelludo.
      NOTA: Es importante confirmar si se crea algún puente entre los electrodos de EEG adyacentes debido a la fuga de gel.
   7. Utilice el software para el registro de EEG.
   8. Encienda el sistema de EEG y ejecute Configuración > Seleccionar amplificador. Elija Liveamp > > amplificador > conectar. Busque la función Liveamp para la conexión inalámbrica (Figura 3).
   9. Ejecute la función de verificación de impedancia para monitorear el nivel de impedancia de cada electrodo.
      NOTA: Se recomienda realizar el experimento con un nivel de impedancia de <20 KΩ (Figura 4).
   10. Ejecute la función de monitoreo para confirmar si los EEG de todos los electrodos tienen niveles de amplitud similares a través del monitoreo de la señal de EEG en tiempo real (Figura 5).
       NOTA: La amplitud de la señal del EEG está generalmente entre 10 μV y 100 μV, y la potencia alfa (8-12 Hz) aumenta alrededor del área occipital cuando los ojos están cerrados. Por lo tanto, la calidad de los datos del EEG se puede confirmar cualitativamente mediante el monitoreo del nivel de amplitud y las oscilaciones alfa en los canales alrededor del área occipital mientras los ojos están cerrados.
2. Configuración del paradigma
   1. Para una adquisición estable de datos de EEG, utilice dos PC separados para presentar estímulos externos y registrar datos de EEG (véase la Figura 1).
   2. Para presentar estímulos experimentales a los participantes, cree un programa de estimulación basado en el paradigma experimental utilizando un software de programación (introducido en el paso 1.3).
      NOTA: En este estudio se creó un programa de estimulación basado en software, pero se pueden utilizar otros programas en función de su compatibilidad con el equipo de EEG utilizado para el experimento, así como de la comodidad del usuario. El script de estímulo basado en software de programación se proporciona en el Archivo Suplementario 1 (Experimental_stimulus.m). La información del evento, que indica el punto de inicio de los estímulos, es generada por el software de programación interno, transmitida al amplificador de EEG a través de la caja de disparo y, en última instancia, al software de registro de EEG (Figura 1).
   3. Ejecute el programa presentando los estímulos experimentales en modo de monitoreo (consulte el subpaso 2.1.10). Posteriormente, confirme que la información del evento esté correctamente marcada de manera oportuna en la parte inferior del software de registro de EEG cada vez que se presente un estímulo, como se muestra en la Figura 6.
      NOTA: La información sobre el punto de tiempo se registra cada vez que se presenta un nuevo estímulo y posteriormente se utiliza para la segmentación de datos. Por lo tanto, es importante obtener los puntos de tiempo exactos de los eventos experimentales tanto como sea posible para evitar una segmentación inexacta de los datos, lo que conduciría a resultados poco confiables en el análisis.
   4. Inicie el software de registro de EEG, luego ejecute de forma independiente el programa de presentación de estímulos desarrollado en base al paradigma experimental utilizando software de programación para evitar la omisión de datos.
      NOTA: Para facilitar el análisis de datos, se recomienda crear nombres de archivo con una regla coherente para el almacenamiento de datos (por ejemplo, Sub1_Session1).
3. Registro de EEG
   1. Mida el EEG a una frecuencia de muestreo de 1.000 Hz siguiendo el paradigma experimental introducido en el paso 1.3.
      NOTA: La frecuencia de muestreo se puede cambiar según el rango de frecuencias de EEG que el investigador desee investigar. Por lo general, se recomienda utilizar una frecuencia de muestreo de >200 Hz en la que la información del EEG pueda investigarse a ≤100 Hz según el teorema de Nyquist. Esto se debe a que la mayor parte de la información del EEG existe por debajo de los 100 Hz.
   2. Mantenga los mismos entornos experimentales (p. ej., lugar experimental, equipo, temperatura ambiente, etc.) tanto como sea posible entre los participantes e indíqueles que minimicen los movimientos innecesarios durante la medición del EEG.

Figura 3: Procedimiento de conexión inalámbrica entre un amplificador de EEG y un PC con el software de grabación de EEG. Siga los pasos en orden: (A) seleccione el amplificador, (B) conecte el amplificador, (C) busque el amplificador conectado para la conexión inalámbrica, (D) conexión completa. Haga clic aquí para ver una versión más grande de esta figura.

Figura 4: Procedimiento de comprobación de impedancia para cada canal. Todos los canales deben ajustarse al color verde para una medición estable del EEG. Se recomienda realizar el experimento con una impedancia inferior a 20 KΩ. Haga clic aquí para ver una versión más grande de esta figura.

Figura 5: Procedimiento de monitoreo de datos en tiempo real para cada canal. Las señales de todos los canales que se miden se pueden monitorear en tiempo real y se pueden acercar / alejar usando la opción (cuadro rojo) en la barra superior. Haga clic aquí para ver una versión más grande de esta figura.

Figura 6: Captura de pantalla para supervisar la información del evento. Las barras rojas indican los creadores de eventos que se presentan cada vez que PC1 proporciona un estímulo. Haga clic aquí para ver una versión más grande de esta figura.

3. Análisis de datos de EEG

NOTA: Este estudio proporciona pautas precisas para replicar el concepto de investigación. Por lo tanto, proporciona un breve resumen del proceso de análisis y los resultados representativos. Los procesos detallados y los resultados asociados se pueden encontrar en un estudio previo¹⁷. Esto sirve como una indicación de que Mary Ann Liebert, Inc. ha otorgado permiso para el uso de material protegido por derechos de autor.

1. Preprocesamiento
   1. Eliminar los artefactos relacionados con los ojos de los datos de EEG sin procesar utilizando procedimientos matemáticos basados en el análisis de componentes principales implementado en el software de preprocesamiento de datos de EEG^18,19 (ver Tabla de Materiales).
      NOTA: Si alguna época mostraba artefactos prominentes (± 100 μV), incluso después del preprocesamiento en cualquiera de los electrodos, se excluyó de un análisis posterior. El número medio de épocas rechazadas, incluida su desviación estándar, fue de 3,69 ± 7,15 para la tarea de movimiento de la mano afectada y de 1,62 ± 3,95 para la tarea de movimiento de la mano no afectada.
   2. Aplique un filtro de paso de banda entre 0,1 Hz y 55 Hz. Segmente los datos de EEG preprocesados de -1 s a 3,5 s para cada ensayo en función del inicio de la tarea para contener el período de referencia utilizado para la perturbación espectral relacionada con eventos (ERSP) y los análisis de redes funcionales.
2. Análisis ERSP
   NOTA: Los datos medidos del EEG se validaron mediante análisis ERSP para una banda de frecuencia beta baja (12-20 Hz) asociada con movimientos voluntarios.
   1. Realizar una transformada de Fourier de corta duración para cada ensayo para calcular las potencias espectrales del EEG, para lo cual se utilizó la función newtimef de la caja de herramientas EEGLAB en el software de programación 20 (una ventana de Hanning no superpuesta, tamaño de ventana de²⁵⁰ ms).
   2. Normalice el espectro de potencia de cada ensayo restando la potencia media del periodo basal (-1 a 0 s) para investigar los cambios en las potencias espectrales entre la tarea de movimiento de la mano y el periodo basal.
   3. Calcule los mapas de ERSP normalizados al inicio del estudio para cada paciente promediando los espectros de potencia normalizados en todos los ensayos.
3. Análisis funcional de redes
   NOTA: Se realizó un análisis de red funcional para investigar los cambios en el EEG desde la perspectiva de la red cerebral. Para calcular los índices de red ponderados de todo el cerebro basados en la teoría de grafos, primero se calculó la conectividad cerebral entre diferentes regiones utilizando el valor de bloqueo de fase (PLV). A continuación, se calculó una matriz de conectividad funcional utilizando los resultados del análisis de conectividad basado en PLV, que posteriormente se utilizó para calcular los índices de red de todo el cerebro¹⁷. Todos los análisis funcionales de la red se realizaron utilizando el software de programación.
   1. Calcule el valor de bloqueo de fase (PLV) basado en la transformada de Hilbert para una banda de frecuencia de beta baja (12-20 Hz) utilizando una función interna^21,22. La función interna para calcular el PLV basado en la transformada de Hilbert se proporciona en el archivo complementario 2 (myPLV.m).
   2. Evalúe los PLV entre todos los pares posibles de los 32 electrodos de EEG en cada punto de tiempo durante los períodos de tarea (0-3,5 s) y cree una matriz de adyacencia simétrica (32 x 32, número de electrodos = 32) promediando los PLV durante el período de tarea. Utilice la matriz PLV como datos de entrada para el análisis de redes^17,23.
   3. Evalúe cuatro índices de red ponderados a nivel global basados en la teoría de grafos utilizando la Brain Connectivity Toolbox (https://sites.google.com/site/bctnet): (1) fuerza, (2) coeficiente de agrupamiento, (3) longitud de la ruta y (4) pequeñez 17,24,25.

Resultados

En la Figura 7 se presentan los mapas topográficos de ERD de baja beta de cada tarea de movimiento manual. Se observó una ERD de beta baja significativamente fuerte en el hemisferio contralesional en comparación con el hemisferio ipsilesional tanto para las tareas de movimiento de la mano afectadas como para las no afectadas.

Discusión

Este estudio ha introducido un experimento de EEG para medir las actividades neuronales relacionadas con el movimiento de las extremidades superiores en personas con accidente cerebrovascular. Se aplicó el paradigma experimental y los métodos de adquisición y análisis de EEG para determinar los patrones de ERD en la corteza motora ipsilesional y contralesional.

Los resultados de los mapas ERSP (Figura 7) demostraron la diferencia en el grado de activación neurona...

Materiales

Lista de materiales utilizados en este artículo

Nombre	Empresa	Número de catálogo	Comentarios
actiCAP	Easycap, GmbH Ltd., Herrsching, Alemania	CAC-32-SAMW-56	Plataforma de gorro de EEG textil para alojar electrodos de EEG
Brain Vision Recorder (Software)	Brain Products GmBH Ltd., Munich,	Alemania-Software	utilizado para registrar la señal de EEG
Curry 7 (Software)	Compumedics,	Australia-Software	utilizado en el preprocesamiento de datos de EEG
MATLAB R2019a (Software)	MathWorks Inc., Natick, MA, EE. UU.	-	Software utilizado para ejecutar el estímulo experimental y analizar los datos de EEG
PC de grabación	Lenovo Group Limited, Hong Kong, China	Modelo: X58K	Intel Core i7-7700HQ CPU@2.80 GHz, RAM 8 GB /Registro de datos EEG utilizando el sensor Brain Vision
Recorder& Trigger Extension(STE)	Brain Products GmBH Ltd., Múnich, Alemania	STE-055604-0162	Añade señales fisiológicas al amplificador de EEG
Caja divisora	Brain Products GmBH Ltd., Múnich, Alemania	BP-135-1600	Conecta electrodos de Ag/AgCl al amplificador de EEG
PC de estimulación	Hansung Corporation, Seúl, Corea	Modelo: ThinkPad P71	Intel Core i7-8750H CPU@2.20 GHz, RAM 8 GB Presentación de la pantalla de estimulación con MATLAB
TriggerBox	Brain Products GmBH Ltd., Múnich, Alemania	BP-245-1010	Recibe la señal de disparo de la PC y la transmite al sistema de registro de EEG