Name: Medición de Fronto-límbico Actividad Usando una Emocional bicho raro de tareas en niños con alto riesgo familiar para la esquizofrenia (Video) | JoVE Journal
Uploaded: 2015-12-02T14:00:00.000+00:00
Duration: 13 min 8 s
Description: Aprende a medir la actividad fronto-límbica mediante la tarea del bicho raro emocional en niños con alto riesgo familiar de esquizofrenia. Este método de fMRI revela patrones de activación cerebral alterados.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Agradecemos a Erin Douglas, Anna Evans y Carolyn Bellion por sus contribuciones al reclutamiento de participantes y a la evaluación clínica. También agradecemos a Michael Casp, Zoe Englander, Justin Woodlief y James Carter por sus contribuciones a la recopilación y análisis de datos, y a Robert M. Hamer por la consulta sobre el análisis estadístico y la edición del manuscrito. Finalmente, agradecemos a las personas y sus familias que participaron en este estudio. 
Este estudio fue apoyado por la subvención P50 del Centro Conte MH064065 del Instituto Nacional de Salud Mental. El Dr. Hart fue apoyado por la HD040127 T32 del Instituto Nacional de Salud Infantil y Desarrollo Humano.

Las técnicas de investigación utilizadas en este estudio fueron aprobados por las juntas de revisión institucional (IRB) de la Universidad de Duke y la Universidad de Carolina del Norte - Chapel Hill. 1. Imaging Diseño de tareas <ol><li> Generar una tarea conductual basada en eventos que presenta estímulos objetivo infrecuentes (un círculo) dentro de una secuencia de estímulos estándar más frecuentes (imágenes revueltos). Un esquema de la tarea se muestra en la Figura 1. Presentar la tarea utilizando software CIGAL 10. </li></ol><img alt="Figura 1" src="/files/ftp_upload/51484/51484fig1.jpg" /> Figura 1. Esquema de Diseño de tareas. Esta cifra ha sido modificado desde Hart et al. 20, con permiso. <a href="https://www.jove.com/files/ftp_upload/51484/51484fig1large.jpg" target="_blank">Por favor haga clic aquí para ver una versión más grande de esta figura.</a> <ol style="margin-left: 40px;"><li> Seleccionar comoet de estímulos aversivos y un conjunto de estímulos neutros de la base de datos International Affective Picture System (IAPS). Imágenes del IAPS se clasifican en una escala de 1.9 a fin de reflejar los niveles de excitación y valencia 11. Los altos números indican valencia positiva más alta y la excitación. Seleccione un conjunto de imágenes que son apropiados para la edad para el grupo de estudio, tales como imágenes de serpientes, arañas, u otros animales. Nota: Las imágenes estímulos aversivos irrelevantes para la tarea utilizados para este estudio tenían una calificación promedio valencia de 3,38 (SD = 1,78) y una calificación promedio de excitación de 6,14 (SD = 2,08). Las imágenes estímulos neutros tenían una valencia media de 6,21 (SD = 0,26) y una calificación promedio de excitación de 3,72 (SD = 2,15). </li><li> Programa de la secuencia de comandos de tareas de tal manera que las imágenes se presentan en un orden pseudo-aleatorio de 1.500 mseg con un 500 ms significa intervalo entre estímulos. Presente estímulos diana y las imágenes neutrales irrelevantes para la tarea no más frecuentemente que cada 15 segundos y hacen que cada uno de aproximadamente 4% de los estímulos. Jievento tter tiempos de inicio a fin de proporcionar una mejor resolución de la función de respuesta hemodinámica. </li></ol><ol start="2"><li> Crear 8 conjuntos de imágenes, una para cada uno de 8 carreras funcionales tales que los participantes son presentados con un total de 40 metas y 40 imágenes neutros irrelevantes para la tarea en el transcurso de los 8 carreras. </li></ol> 2. Configuración del Participante y Digitalización <ol><li> Reclutar niños y adolescentes entre las edades de 9 y 18 años que son o bien los individuos control sanos o que están en alto riesgo familiar de psicosis. <ol><li> Asegúrese de que los individuos sanos no tienen enfermedades psiquiátricas o algún familiar de primer grado con una enfermedad psiquiátrica. Asegúrese de que los participantes de riesgo familiares tienen al menos un familiar de primer grado (padres o hermanos) con esquizofrenia. No excluirlos de la presencia de otras enfermedades psiquiátricas en familiares de primer grado. </li><li> Participantes sanos de edad y de los partidos de género con los participantes del grupo de riesgo familiars. </li></ol></li><li> Adquirir el consentimiento informado de los participantes sobre la edad de 18. Para los menores, adquieren el consentimiento informado de los padres / tutores legales. Además, adquirir consentimiento por escrito de los menores que participan en el estudio. </li><li> Coloca los participantes en un escáner de resonancia magnética simulacro con el fin de familiarizarlos con el medio ambiente. Reproducir una grabación de audio de ruido del escáner y pídales que completen una práctica de ejecución de la tarea de comportamiento a fin de asegurarse de que comprenden las instrucciones de la tarea. </li><li> Coloque el participante en el MRI Scanner y adquirir cualquier análisis de localización cerebral necesarios y / o imágenes anatómicas. </li><li> El uso de un cuadro de entrada-MRI segura, dígale a los participantes que pulsar un botón con el dedo índice en la respuesta a todos los estímulos objetivo y otro botón con su dedo medio para el resto de los estímulos. </li><li> Tras la exploración de resonancia magnética funcional, recoger calificaciones subjetivas de excitación y valencia de las imágenes utilizadas en el estudio de un subgrupo de participantes. Los current estudio obtuvo calificaciones de 15 controles y 13 con alto riesgo familiar. </li></ol> 3. Adquisición de imágenes <ol><li> Coloque los participantes en un 3,0 Tesla escáner de resonancia magnética. En primer lugar, adquirir un conjunto de imágenes estructurales, incluyendo una imagen 3D anatómica T1-contraste coplanar usando una secuencia de pulsos de adquisición gradiente-recordó mimada (TR: 5,16 ms; TE: 2,04 ms; FOV: 24 cm; matriz de la imagen: 256 × 256; tirón Ángulo: 20; tamaño de voxel: 0,94 mm x 0,94 mm x 1,9 mm; 68 cortes axiales). </li><li> Adquirir datos de imagen funcional utilizando un gradiente de eco secuencia de imágenes de eco-planar con una cobertura cerebral completa (TR: 2000 ms; TE: 27 ms; FOV: 24 cm; matriz de imagen: 64 × 64; Voltear Ángulo: 60; tamaño de voxel: 3.75 mm x 3,75 mm x 3,8 mm; 34 cortes axiales) de modo que la actividad del cerebro se puede medir durante la ejecución de la tarea de comportamiento. Ejecutar esta secuencia de imágenes para cada ejecución de la tarea conductual. Cada ejecución debe consistir en 120 puntos de tiempo de imagen. </li><li> Presentar la task en 8 carreras funcionales, con una duración de aproximadamente 4 min. </li></ol> 4. Análisis <ol><li> Preprocesamiento Image: Abrir herramienta fMRI Experto Análisis (FEAT) en FSL 12. Seleccione el análisis del primer nivel y Pre-stats. <ol><li> En la ficha &quot;Datos&quot;, seleccione el número de imágenes de entrada y escriba la ruta de acceso a cada una de las imágenes de RM que se van a procesar. Establezca el directorio de salida. Introduzca los volúmenes totales, número de adquisiciones desechados, y el TR. </li><li> En la pestaña &quot;Pre-stats&quot;, ajuste la corrección de movimiento para MCFLIRT, espacial suavizado FWHM a 5 mm, y &quot;corrección de temporización Slice&quot;. Seleccione &quot;extracción cerebral BET&quot; y filtrado temporal &quot;paso alto&quot;, pero no seleccione unwarping B0 (UNESS tienes un mapa de gradiente de campo) o &quot;Yo ntensitiy normaization&quot;. 12,14. </li><li> En la pestaña &quot;Registro&quot;, seleccione &quot;estru Principalctural imagen &quot;. Introduzca la ruta a la imagen ponderada en T1-cráneo-despojado del sujeto. Utilice una búsqueda normal lineal con al menos 6 DOF. Seleccione la casilla de verificación espacio estándar. Introduzca la ruta a la imagen del atlas MNI. Utilice un normal lineal buscar con 12 DOF. Pulse Continuar. </li><li> Excluir los participantes con más de 3 mm de movimiento de la cabeza en el X, Y o Z. </li></ol></li><li> Nivel 1: Comparación de los datos entre las condiciones de trabajo dentro de un mismo plazo. FEAT Abrir. Seleccione &quot;análisis de primer nivel&quot; y &quot;Estadísticas + Post-stats&quot;. <ol><li> En la ficha Datos, establezca el número de entradas y escriba la ruta a cada una de las imágenes de RM. Escriba una ruta para el &quot;directorio de salida&quot;. Introduzca los &quot;volúmenes totales&quot;, número de adquisiciones desechados, y el TR. </li><li> En la pestaña &quot;Estadísticas&quot;, active la casilla de verificación &quot;Usar FILM prewhitening&quot; 16. Pulse el &quot;modelo completo en síbotón tup &quot;. Ajuste el &quot;Número de vehículos eléctricos originales&quot; en el número de condiciones de trabajo. Para cada condición, seleccione &quot;Personalizada (3 Formato de columna)&quot; en el menú desplegable de forma básica y &quot;doble Gama HRF del&quot; &quot;menú desplegable convolución 17,18 y seleccione un archivo de texto que contiene el calendario de tareas. <ol><li> Formatear este archivo de texto en 3 columnas con una entrada para cada &quot;evento&quot; del tipo dado. La primera columna debe contener el tiempo de inicio (en segundos), el segundo debe contener la duración (en segundos), y el tercero debe contener el peso evento. En la ficha Contrastes y pruebas F, cree uno contraste para cada condición de trabajo y uno para cada comparación. </li></ol></li><li> En los &quot;Post-stats&quot;, seleccione &quot;Cluster&quot; en el menú desplegable &quot;Umbral&quot; y establecer el &quot;umbral Z&quot; y Cluster P threshold a 2,3 y 0,05, respectivamente, 8,19. </li><li> En la ficha &quot;Registro&quot;, seleccione &quot;Principal imagen estructural&quot;. Introduzca la ruta a la imagen ponderada en T1-cráneo-despojado del sujeto. Utilice una búsqueda normal lineal con al menos 6 DOF. Seleccione la casilla de verificación &quot;Standard espacio&quot;. Introduzca la ruta a la imagen del atlas MNI. Utilice una búsqueda normal, lineal con 12 DOF. Pulse el botón &quot;Go&quot;. </li></ol></li><li> Nivel 2: Comparación de datos entre carreras para cada condición de trabajo. FEAT Abrir. Seleccione &quot;análisis a nivel superior&quot; y &quot;Estadísticas + Post-stats&quot; desde el menú desplegable. <ol><li> En la ficha Datos, seleccionar &quot;Los insumos son directorios FEAT de nivel inferior&quot;. Establecer el número de entradas y escriba la ruta a cada una de las imágenes de RM. Escriba una ruta para el &quot;directorio de salida&quot;. </li><li> En la pestaña &quot;Estadísticas&quot;, cambiar los &quot;Efectos mixtos: flame1&quot; cuadro de selección a &quot;Fijo Efectos &quot;. Pulse el&quot; asistente de configuración de modelo &quot;botón. Seleccione&quot; promedio del grupo sencillo &quot;y haga clic en el botón&quot; Proceso &quot;. </li><li> En la pestaña &quot;Post-estadísticas&quot;, seleccione &quot;clúster&quot; en el menú desplegable &quot;Umbral&quot; y establecer el &quot;umbral Z&quot; y el umbral &quot;Cluster P&quot; a 2,3 y 0,05, respectivamente, 8,19. Pulse el botón &quot;Go&quot;. </li></ol></li><li> Nivel 3: Comparación de datos entre los sujetos para cada condición de trabajo en todas las carreras. FEAT Abrir. Seleccione &quot;análisis a nivel superior&quot; y &quot;Estadísticas + Post-stats&quot; desde el menú desplegable. <ol><li> En la ficha Datos, seleccionar &quot;Los insumos son 3D lidiar imágenes de directorios FEAT.&quot; Establecer el número de entradas y entrar en la ruta de acceso a cada una de las imágenes de RM. Escriba una ruta para el &quot;directorio de salida&quot;. </li><li> En la &quot;estadísticas&quot; tab, la prensa de la &quot;configuración completa modelo&quot;. Ajuste el número de vehículos eléctricos igual al número de variables grupales y covariables como grupo diagnóstico, edad, sexo, etc. Introduzca los valores para cada sujeto (entrada 1 - entrada n) para cada EV. Puede utilizar la ventana &quot;Pegar&quot; para copiar una hoja de cálculo de estos valores. <ol><li> En la pestaña &quot;Contrastes y pruebas F&quot;, añade un contraste para cada variable de prueba y para cada contraste (por ejemplo, el grupo de diagnóstico). Para cada variable de contraste, ajuste el contraste seleccionando el valor 1 en la columna bajo el EV apropiado. Para cada cambio, establecer el primer valor a 1 y el segundo a -1. Seleccione &quot;Hecho&quot;. </li></ol></li><li> En la ficha &quot;Post-stats&quot;, seleccione &quot;Cluster&quot; en el menú desplegable &quot;Umbral&quot; y establecer el &quot;umbral Z&quot; y el umbral &quot;Cluster P&quot; a 2,3 y 0,05, respectivamente, 8,19 </sup&gt;. Pulse el botón &quot;Go&quot;. </li></ol></li></ol>

<ol><li>Kety, S. S., Rosenthal, D., Wender, P. H., Schulsinger, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Mental+illness+in+the+biological+and+adoptive+families+of+adpoted+schizophrenics%5BTitle%5D)+AND+%22Am+J+Psyc%22%5BJournal%5D)">Mental illness in the biological and adoptive families of adpoted schizophrenics.</a> Am J Psyc. 128, 302-306 (1971).</li>
<li>Weinberger, D. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Implications+of+normal+brain+development+for+the+pathogenesis+of+schizophrenia%5BTitle%5D)+AND+%22Arch+Gen+Psychia%22%5BJournal%5D)">Implications of normal brain development for the pathogenesis of schizophrenia.</a> Arch Gen Psychia. 44, 660-669 (1987).</li>
<li>Nuechterlein, K. H., Dawson, M. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Information+processing+and+attentional+functioning+in+the+developmental+course+of+schizophrenic+disorders%5BTitle%5D)+AND+%22Schizophr+Bul%22%5BJournal%5D)">Information processing and attentional functioning in the developmental course of schizophrenic disorders.</a> Schizophr Bul. 10, 160-203 (1984).</li>
<li>Nuechterlein, K. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+vulnerability%2Fstress+model+of+schizophrenic+relapse%3A+a+longitudinal+study%5BTitle%5D)+AND+%22Acta+Psychiatr+Scand%2C+Supp%22%5BJournal%5D)">The vulnerability/stress model of schizophrenic relapse: a longitudinal study.</a> Acta Psychiatr Scand, Supp. 382, 58-64 Forthcoming.</li>
<li>Keshavan, M. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Premorbid+cognitive+deficits+in+young+relatives+of+schizophrenia+patients%5BTitle%5D)+AND+%22Front+Hum+Neurosc%22%5BJournal%5D)">Premorbid cognitive deficits in young relatives of schizophrenia patients.</a> Front Hum Neurosc. 3 (62), (2010).</li>
<li>Kiehl, K. A., Liddle, P. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((An+event-related+functional+magnetic+resonance+imaging+study+of+an+auditory+oddball+task+in+schizophrenia%5BTitle%5D)+AND+%22Schizophr+Re%22%5BJournal%5D)">An event-related functional magnetic resonance imaging study of an auditory oddball task in schizophrenia.</a> Schizophr Re. 48, 159-171 (2001).</li>
<li>Bramon, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Is+the+P300+wave+an+endophenotype+for+schizophrenia%3F+A+meta-analysis+and+a+family+study%5BTitle%5D)+AND+%22Neuroimag%22%5BJournal%5D)">Is the P300 wave an endophenotype for schizophrenia? A meta-analysis and a family study.</a> Neuroimag. 27, 960-968 (2005).</li>
<li>Dichter, G. S., Bellion, C., Casp, M., Belger, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Impaired+modulation+of+attention+and+emotion+in+schizophrenia%5BTitle%5D)+AND+%22Schizophr+Bul%22%5BJournal%5D)">Impaired modulation of attention and emotion in schizophrenia.</a> Schizophr Bul. 36, 595-606 (2010).</li>
<li>Fichtenholtz, H. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Emotion-attention+network+interactions+during+a+visual+oddball+task%5BTitle%5D)+AND+%22Brain+Res+Cogn+Brain+Re%22%5BJournal%5D)">Emotion-attention network interactions during a visual oddball task.</a> Brain Res Cogn Brain Re. 20, 67-80 (2004).</li>
<li>Voyvodic, J. T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Real-time+fMRI+paradigm+control%2C+physiology%2C+and+behavior+combined+with+near+real-time+statistical+analysis%5BTitle%5D)+AND+%22Neuroimag%22%5BJournal%5D)">Real-time fMRI paradigm control, physiology, and behavior combined with near real-time statistical analysis.</a> Neuroimag. 10, 91-106 (1999).</li>
<li><a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=%22International+affective+picture+system+%28IAPS%29%3A+Digitized+photographs%2C+instruction+manual+and+affective+ratings.+Technical+Report+A-6%22">International affective picture system (IAPS): Digitized photographs, instruction manual and affective ratings. Technical Report A-6</a>. , The Center for Research in Psychophysiology, University of Florida. (2005).</li>
<li>Smith, S. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Advances+in+functional+and+structural+MR+image+analysis+and+implementation+as+FSL%5BTitle%5D)+AND+%22Neuroimag%22%5BJournal%5D)">Advances in functional and structural MR image analysis and implementation as FSL.</a> Neuroimag. 23, 208-219 (2004).</li>
<li>Smith, S. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Fast+robust+automated+brain+extraction%5BTitle%5D)+AND+%22Hum+Brain+Map%22%5BJournal%5D)">Fast robust automated brain extraction.</a> Hum Brain Map. 17, 143-155 (2002).</li>
<li>Jenkinson, M., Bannister, P., Brady, M., Smith, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Improved+optimization+for+the+robust+and+accurate+linear+registration+and+motion+correction+of+brain+images%5BTitle%5D)+AND+%22Neuroimag%22%5BJournal%5D)">Improved optimization for the robust and accurate linear registration and motion correction of brain images.</a> Neuroimag. 17, 825-841 (2002).</li>
<li>Jenkinson, M., Smith, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+global+optimisation+method+for+robust+affine+registration+of+brain+images%5BTitle%5D)+AND+%22Med+Image+Ana%22%5BJournal%5D)">A global optimisation method for robust affine registration of brain images.</a> Med Image Ana. 5, 143-156 (2001).</li>
<li>Woolrich, M. W., Ripley, B. D., Brady, M., Smith, S. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Temporal+autocorrelation+in+univariate+linear+modeling+of+FMRI+data%5BTitle%5D)+AND+%22Neuroimag%22%5BJournal%5D)">Temporal autocorrelation in univariate linear modeling of FMRI data.</a> Neuroimag. 14, 1370-1386 (2001).</li>
<li>Beckmann, C. F., Jenkinson, M., Smith, S. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((General+multilevel+linear+modeling+for+group+analysis+in+FMRI%5BTitle%5D)+AND+%22Neuroimag%22%5BJournal%5D)">General multilevel linear modeling for group analysis in FMRI.</a> Neuroimag. 20, 1052-1063 (2003).</li>
<li>Woolrich, M. W., Behrens, T. E., Beckmann, C. F., Jenkinson, M., Smith, S. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Multilevel+linear+modelling+for+FMRI+group+analysis+using+Bayesian+inference%5BTitle%5D)+AND+%22Neuroimag%22%5BJournal%5D)">Multilevel linear modelling for FMRI group analysis using Bayesian inference.</a> Neuroimag. 21, 1732-1747 (2004).</li>
<li>Genovese, C. R., Lazar, N. A., Nichols, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Thresholding+of+statistical+maps+in+functional+neuroimaging+using+the+false+discovery+rate%5BTitle%5D)+AND+%22Neuroimag%22%5BJournal%5D)">Thresholding of statistical maps in functional neuroimaging using the false discovery rate.</a> Neuroimag. 15, 870-878 (2002).</li>
<li>Hart, S. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Altered+fronto-limbic+activity+in+children+and+adolescents+with+familial+high+risk+for+schizophrenia.%5BTitle%5D)+AND+%22Psychiatry+Re%22%5BJournal%5D)">Altered fronto-limbic activity in children and adolescents with familial high risk for schizophrenia.</a> Psychiatry Re. 212, 19-27 (2013).</li>
<li>Hariri, A. R., Bookheimer, S. Y., Mazziotta, J. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Modulating+emotional+responses%3A+effects+of+a+neocortical+network+on+the+limbic+system%5BTitle%5D)+AND+%22Neurorepor%22%5BJournal%5D)">Modulating emotional responses: effects of a neocortical network on the limbic system.</a> Neurorepor. 11, 43-48 (2000).</li>
<li>Gottesman, I. I., Gould, T. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+endophenotype+concept+in+psychiatry%3A+etymology+and+strategic+intentions%5BTitle%5D)+AND+%22Am+J+Psyc%22%5BJournal%5D)">The endophenotype concept in psychiatry: etymology and strategic intentions.</a> Am J Psyc. 160, 636-645 (2003).</li>
<li>Glahn, D. C., Thompson, P. M., Blangero, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Neuroimaging+endophenotypes%3A+strategies+for+finding+genes+influencing+brain+structure+and+function%5BTitle%5D)+AND+%22Hum+Brain+Map%22%5BJournal%5D)">Neuroimaging endophenotypes: strategies for finding genes influencing brain structure and function.</a> Hum Brain Map. 28, 488-501 (2007).</li>
</ol>

El Dr. Perkins actualmente recibe una subvención de Janssen y es consultor de Dainippon. En el pasado, el Dr. Perkins está o ha estado en la oficina de oradores de Eli Lilly y AstraZeneca. El Dr. Perkins ha recibido anteriormente subvenciones de AstraZeneca, Bristol-Myers Squibb, Otsuka, Eli Lilly, Janssen y Pfizer; y honorarios de consultoría y educación de AstraZeneca, Bristol-Myers Squibb, Eli Lilly, Janssen, Glaxo Smith Kline, Forest Labs, Pfizer y Shire. Todos los demás autores declaran no tener intereses financieros biomédicos ni posibles conflictos de intereses.

Se ha demostrado que el paradigma emocional modificado en el estudio actual provoca diferencias en el reclutamiento neuronal durante la atención selectiva y el procesamiento emocional en niños y adolescentes en riesgo de esquizofrenia. Si bien los paradigmas existentes que utilizan la tarea emocional se han utilizado para investigar los cambios neuronales en poblaciones adultas con enfermedades psiquiátricas8, el paradigma actual puede ser particularmente útil para medir los marcadores de vulnerabilidad en gru...

La esquizofrenia es un trastorno del neurodesarrollo con un componente genético conocido1,2 y con síntomas que incluyen déficits tanto en el procesamiento ejecutivo como en el emocional3,4. Se cree que los familiares de primer grado tienen un mayor riesgo de desarrollar esquizofrenia, y se ha demostrado que comparten algunos de estos mismos déficitsneurocognitivos tanto en el dominio cognitivo como en el socioemocional. Por lo tanto, esperamos que la actividad cerebral en las regiones asociadas con el procesamiento ejecutivo y emocional pueda verse alterada en los miembros de la familia en riesgo antes del inicio de los síntomas clínicos. 
Estudios previos han indicado que tanto los adultos con esquizofrenia como los adultos con alto riesgo familiar muestran una actividad aberrante dentro de las redes de procesamiento ejecutivo y emocional; sin embargo, sigue sin estar claro cómo se producen estos cambios durante el desarrollo. Demostrar que estos cambios ocurren temprano en la vida será un primer paso crítico para comprender la fisiopatología del trastorno. Por lo tanto, este estudio utiliza un paradigma de excéntrico emocional durante la resonancia magnética funcional (fMRI) para medir la actividad cerebral durante la realización de una tarea que requiere procesamiento ejecutivo y emocional en adolescentes que corren el riesgo de desarrollar esquizofrenia. Los paradigmas extraños se utilizan con frecuencia para examinar la función de los circuitos fronto-estriados en la esquizofrenia6 y en individuos con alto riesgo familiar7 mediante la medición de los procesos de atención selectiva asignados a los estímulos objetivo relevantes para la tarea. Aquí, una tarea extraña estándar ha sido modificada para incluir estímulos aversivos y neutros irrelevantes para la tarea que se ha demostrado que provocan cambios en la actividad cerebral en pacientes conesquizofrenia. 
Este artículo mide las diferencias funcionales entre adolescentes sanos y adolescentes con alto riesgo familiar de esquizofrenia utilizando una tarea emocional extraña. El diseño de la tarea es similar al utilizado por Fichtenholtz y colaboradores9, pero la selección de imágenes emocionales aversivas ha sido modificada para ser apropiada para niños entre las edades de 9 a 18 años. El uso de esta tarea durante la resonancia magnética funcional permitió identificar regiones cerebrales específicas que mostraban patrones de hiperactivación e hipoactivación en niños y adolescentes con FHR para la esquizofrenia, además de cambios relacionados con la edad en la actividad neuronal durante el desarrollo adolescente.

<table><tbody><tr>Escáner <td></td><td></td><td>de resonancia magnética 3T</td> GE <td>BIAC Escáner 3T (reemplazado)</td></tr></tbody></table>

medición de fronto-límbico actividad usando una emocional bicho raro de tareas en niños con alto riesgo familiar para la esquizofrenia

Measurement of Fronto-limbic Activity Using an Emotional Oddball Task in Children with Familial High Risk for Schizophrenia

La adolescencia es un período crítico del desarrollo en el que con frecuencia surgen los primeros síntomas de la esquizofrenia. Los familiares de primer grado de las personas con esquizofrenia que tienen un alto riesgo familiar (FHR, por sus siglas en inglés) pueden mostrar cambios cognitivos y emocionales similares. Sin embargo, los cambios neurológicos que subyacen a la aparición de estos síntomas siguen sin estar claros. Este estudio buscó identificar diferencias en las regiones frontal, estriada y límbica en niños y adolescentes con FCF mediante resonancia magnética funcional. Grupos de 21 niños y adolescentes en FHR y 21 controles sanos completaron una tarea emocional extraña que se basaba en la atención selectiva y la supresión de la información emocional irrelevante para la tarea. La tarea estándar se modificó para incluir distractores aversivos y neutros con el fin de examinar las posibles diferencias grupales tanto en el procesamiento emocional como en el ejecutivo. Esta tarea fue diseñada específicamente para permitir que los niños y adolescentes completen manteniendo el contenido de la dificultad y la imagen emocional apropiada para su edad. Además, demostramos una técnica para el registro adecuado de fMRI para niños y adolescentes participantes. Este paradigma también se puede aplicar en estudios futuros para medir los cambios en la actividad neuronal en otras poblaciones con hipotéticos cambios en el desarrollo del procesamiento ejecutivo y emocional.

No hubo diferencias entre los grupos en función de las características demográficas 20. Datos de comportamiento indicaron que la tarea de detección de objetivo en un nivel apropiado de dificultad para los niños y adolescentes entre las edades de 9.18. En el estudio actual, los controles correctamente identificados 82,36% de blancos (SD = 0,14), y el grupo de riesgo familiar identificó correctamente el 76,8% de los blancos (SD = 0,17). Ambos grupos mostraron disminución de la exactitud en la ...

Este artículo describe cómo utilizar la tarea de exorbitancia emocional y la resonancia magnética funcional para medir la activación cerebral en niños y adolescentes con alto riesgo familiar de esquizofrenia (FHR). La RMF se utilizó para medir las diferencias en las regiones fronto-estriadas-límbicas durante una tarea excéntrico emocional. Los niños con FHR mostraron una activación funcional anormal durante la adolescencia.

Medición de Fronto-límbico Actividad Usando una Emocional bicho raro de tareas en niños con alto riesgo familiar para la esquizofrenia

Adolescence is a critical developmental period where the early symptoms of schizophrenia frequently emerge. First-degree relatives of people with ...

El objetivo general de este procedimiento es realizar imágenes por resonancia magnética (RM) en niños y adolescentes mientras realizan una tarea emocional de tipo oddball. Esto se logra primero diseñando una tarea emocional de tipo oddball adecuada para niños. El segundo paso consiste en permitir que los participantes practiquen la realización de la tarea en un entorno simulado con escáner.A continuación, los participantes realizan la misma tarea dentro del escáner de resonancia magnética. El paso final consiste en analizar los datos conductuales y de imagen. En última instancia, la imagen funcional durante la tarea de estímulo extraño emocional.En familiares de primer grado de personas con esquizofrenia, esta técnica se utiliza para mostrar una activación disminuida en la circuitría frontoestriada y la respuesta a estímulos diana en niños y adolescentes en riesgo. La principal ventaja de este método es que permite obtener imágenes no invasivas del cerebro de niños y adolescentes mientras realizan funciones cognitivas. Aunque este método puede proporcionar información sobre la esquizofrenia, también puede aplicarse a otras enfermedades psiquiátricas del desarrollo, como el trastorno bipolar o el autismo, o a otros trastornos cerebrales, como el trastorno de estrés postraumático.Por lo general, las personas nuevas en la realización de este método tendrán dificultades porque existen muchos pasos para crear el diseño experimental, adquirir las imágenes, programar los flujos de trabajo de análisis y procesamiento de imágenes, y aplicar los diseños experimentales correctos a su proyecto. Los niños participantes y las personas con condiciones neuropsiquiátricas también experimentan dificultades, ya que los procedimientos requieren que permanezcan inmóviles durante una sesión típica de MRI mientras realizan tareas conductuales. Además, los procedimientos requieren una comunicación clara y una transmisión adecuada de información entre el experimentador y el participante, lo cual exige una cantidad considerable de entrenamiento.Para comenzar, utilice el software Siegel para generar una tarea conductual basada en eventos que presente estímulos objetivo infrecuentes, como un círculo dentro de una secuencia de estímulos estándar más frecuentes, como imágenes aleatorizadas. Seleccione un conjunto de estímulos aversivos y un conjunto de estímulos neutros de la base de datos International Effective Picture System. Estas imágenes se califican en una escala del uno al nueve, en la que los números más altos indican un mayor nivel positivo de valencia y activación.Seleccione un conjunto de imágenes que sean apropiadas para el grupo de estudio según la edad, como fotos de serpientes, arañas u otros animales. Programe el script de la tarea de modo que las imágenes se presenten en un orden pseudoaleatorio durante 1.500 milisegundos, con un intervalo promedio de 500 milisegundos entre estímulos, presentando los estímulos relevantes para la tarea y las imágenes neutras irrelevantes para la tarea no con más frecuencia que cada 15 segundos, y haciendo que estas últimas representen aproximadamente el 4 % de los estímulos. Asegúrese de aplicar una variación aleatoria (jitter) en los tiempos de inicio de los eventos para obtener una mejor resolución de la función de respuesta hemodinámica; cree un total de ocho conjuntos de imágenes, uno para cada una de las ocho series funcionales.Reclute participantes entre las edades de nueve y 18 años que tengan un alto riesgo familiar de psicosis, así como controles sanos. Obtenga el consentimiento informado de los participantes o de sus tutores legales y el asentimiento de los menores que participan en el estudio. Comience colocando a los participantes en un escáner de MRI simulado para familiarizarlos con el entorno del MRI.Luego, asegúrese de que comprendan las instrucciones de la tarea y reproduzca una grabación de audio del ruido del escáner mientras completan una ejecución de práctica de la tarea conductual. Pida al participante que utilice la misma caja de entrada segura para RM que se usará durante el escaneo real e indíquele que presione un botón con el dedo índice en respuesta a todos los estímulos diana y otro botón con el dedo medio para todos los demás estímulos. Una vez que el sujeto se sienta cómodo en el escáner simulado, colóquelo dentro de un escáner de RM de 3,0 Tesla.Primero, adquiera un conjunto de imágenes estructurales que incluyan una imagen ponderada en T1 anatómica coplanar 3D, utilizando una secuencia de pulso de adquisición de gradiente enmascarado. Luego, adquiera datos de imágenes funcionales utilizando una secuencia de imagen por planificador de eco de gradiente con cobertura completa del cerebro. Para medir la actividad cerebral durante la tarea conductual, utilice esta secuencia de imágenes en cada corrida de la tarea conductual; presente la tarea en ocho corridas funcionales, cada una con una duración aproximada de cuatro minutos y compuesta por 120 puntos temporales de imagen. Comience el análisis mediante el preprocesamiento de las imágenes: abra la herramienta de análisis experto de FMRI dentro del software FSL y seleccione análisis de primer nivel y estadísticas previas. Luego, en la pestaña de datos, seleccione el número de imágenes de entrada y la ruta hacia cada una de las imágenes de RM. Asimismo, establezca el directorio de salida.Introduzca los volúmenes totales, el número de adquisiciones descartadas y el TR. A continuación, en la pestaña de preestadística, configure la corrección de movimiento en MFL con suavizado espacial completo y un valor a la mitad del máximo de cinco milímetros, y seleccione la corrección del orden de adquisición de cortes. No seleccione la corrección de distorsión B cero ni la normalización de intensidad, y active la extracción del cerebro mediante BET y el filtrado temporal paso alto. Luego, en la pestaña de registro para la imagen estructural principal, introduzca la ruta hacia la exploración T1 sin cráneo del sujeto.Utilice una búsqueda lineal normal con al menos seis grados de libertad. Luego, seleccione el espacio estándar e ingrese la ruta a la imagen del atlas MNI. Utilice una búsqueda lineal normal con 12 grados de libertad, excluyendo a los participantes con un movimiento de la cabeza mayor a tres milímetros.Ahora, para comparar datos entre condiciones de tarea dentro de una sola ejecución, seleccione análisis de primer nivel, estadísticos y estadísticos posteriores. En la pestaña de datos, establezca el número de entradas e ingrese la ruta hacia cada una de las imágenes de RM y el directorio de salida. Ingrese el volumen total, el número de adquisiciones descartadas y el TR. A continuación, en la pestaña de estadísticos, seleccione usar FILM, precoloración y configuración completa del modelo.Establezca el número de EVs originales al número de condiciones de la tarea. Para cada condición, seleccione el formato personalizado de tres columnas en el menú de formas básicas y la HRF gamma doble en el menú de convolución, y seleccione el archivo de texto que contiene el formato de temporización de la tarea. Este archivo de texto tiene tres columnas con una entrada para cada evento.La primera columna debe contener el tiempo de inicio. La segunda debe contener la duración y la tercera, el peso del evento. Ahora, en la pestaña de contraste y prueba F, cree un contraste para cada condición de prueba y en las estadísticas posteriores seleccione clúster en el menú de umbralización y establezca el umbral Z y el umbral P del clúster en 2.3 y 0.05, respectivamente.Luego, en la pestaña de registro, seleccione la imagen estructural principal e ingrese la ruta hacia el cráneo del sujeto. Imagen T1 sin tejido blando. Utilice una búsqueda normal lineal con al menos seis grados de libertad y seleccione el espacio estándar.Ingrese la ruta de la imagen del Atlas MNI y utilice una búsqueda lineal normal con 12 grados de libertad. A continuación, para el análisis de segundo nivel, compare los datos entre corridas. Para cada condición de la tarea, seleccione análisis de nivel superior y estadísticas, además de estadísticas posteriores.Luego, en la pestaña de datos, seleccione que las entradas son directorios de nivel inferior. Establezca el número de entradas e ingrese la ruta a cada una de las imágenes de RM. Además, ingrese la ruta del directorio de salida, el número total de volúmenes de adquisiciones descartadas y el TR. En la pestaña de estadísticas, cambie el modelo de efectos mixtos flame uno a efectos fijos.Usando el asistente de configuración del modelo, seleccione promedio de un solo grupo y procese. Luego, en la pestaña post ads, seleccione agrupamiento en el menú de umbralización y establezca el umbral Z y el umbral P del agrupamiento en 2,3 y 0,05, respectivamente. Ahora, para comparar los datos entre sujetos para cada condición de tarea a través de todas las ejecuciones, seleccione análisis de nivel superior y estadísticas más estadísticas posteriores.En la pestaña de datos, las entradas seleccionadas son imágenes 3D COPE de los directorios de pies. Establezca el número de entradas e ingrese la ruta de cada una de las imágenes. Ingrese el directorio de salida, el número total de volúmenes, el número de adquisiciones descartadas y el TR. Luego, en la pestaña de estadísticas, seleccione la configuración completa del modelo.Establezca el número de EV igual al número de variables de grupo y covariables. Ingrese los valores para cada sujeto en cada EV. Finalmente, por el contrario, envíe las pruebas F.Agregue un contraste para cada variable de prueba y para cada contraste. Para cada variable de prueba, establezca el contraste seleccionando una en la columna bajo el ev. apropiado. Para cada contraste, establezca el primer valor en uno y el segundo en menos uno.Luego, en las estadísticas posteriores, seleccione clúster en el menú desplegable de umbralización y establezca el umbral Z y el umbral P del clúster en 2,3 y 0,05, respectivamente. Aquí podemos observar mapas de activación que muestran las diferencias entre grupos tal como se observa. En este caso, el grupo con riesgo familiar alto mostró una mayor activación que los controles durante el procesamiento de la señal objetivo.En estas áreas, los controles mostraron una mayor activación que el grupo de alto riesgo familiar durante el procesamiento del objetivo. Aquí, el grupo de alto riesgo familiar se activó más que los controles durante el contraste aversivo frente al neutral, y aquí los controles se activaron más que el grupo de alto riesgo familiar durante el contraste aversivo frente al neutral; estos mapas de activación mostraron diferencias grupales relacionadas con la edad. Las áreas observadas aquí presentan una correlación positiva mayor con la edad en el grupo de alto riesgo familiar que en los controles durante el procesamiento del objetivo.Aquí observamos áreas con una mayor correlación positiva con la edad en los controles que en el grupo de alto riesgo familiar durante el contraste desagradable frente a neutral. No olvide que trabajar con individuos en el entorno del escáner puede ser extremadamente peligroso. Siempre se deben tomar precauciones como la evaluación de seguridad para resonancia magnética, así como medidas adecuadas de seguridad y comodidad y capacitación, mientras se realiza este procedimiento.Esta técnica también ha creado un nuevo método para visualizar procesos neuronales anormales en trastornos cerebrales como la esquizofrenia, el autismo y el trastorno por estrés postraumático. Al intentar este procedimiento, es importante recordar comunicarse con los participantes para ayudarlos a mantenerse tranquilos y concentrados. Una vez dominada, esta técnica puede realizarse en dos horas si se lleva a cabo adecuadamente.Tras seguir este procedimiento, se pueden realizar otros métodos como el EEG para responder preguntas adicionales sobre la sincronía neuroeléctrica en cohortes similares.

measurement-fronto-limbic-activity-using-an-emotional-oddball-task

Research

Investigación

JoVE Journal

Behavior

Comportamiento

Se presenta un protocolo que permite la investigación de los correlatos neurales de regulación de la emoción deliberada y automática, utilizando imágenes de resonancia magnética funcional. Este protocolo se puede utilizar en sujetos sanos, tanto jóvenes como mayores, así como en pacientes clínicos.

La investigación del cerebro imágenes de los correlatos neurales de regulación de las emociones

Se presenta un protocolo que permite la investigación de los mecanismos neurales que la mediación de los efectos perjudiciales de la emoción sobre la cognición, utilizando imágenes de resonancia magnética funcional. Este protocolo se puede utilizar con participantes sanos y clínicos.

La investigación del cerebro de imagen del efecto perjudicial de la emoción sobre la cognición

El objetivo de nuestra investigación es correlacionar el comportamiento de la actividad cerebral. Precisas medidas de comportamiento y técnicas de imagen nos permiten dilucidar las relaciones cerebro-conducta.

La correlación entre las respuestas de comportamiento a las señales de fMRI de la corteza prefrontal humana: estudio de determinados procesos cognitivos Uso del análisis de tareas

Este protocolo presenta una metodología novedosa para la decodificación neuronal de la intención de bebés que se comportan libremente durante la interacción social sin guión con un actor. La actividad neuronal se adquiere mediante electroencefalografía (EEG) activa no invasiva de alta densidad del cuero cabelludo. Los datos cinemáticos se recopilan con unidades de medición inercial y se complementan con una grabación de vídeo sincronizada.

Un nuevo enfoque experimental y analítico al Multimodal Neural Decodificación de Intención Durante interacción social en Libremente-comportarse Infantes Humanos

El efecto Stroop emocional (ESE) es el resultado de latencias de nomenclatura más largas para entintar los colores de las palabras emocionales que las de las palabras neutras. Este informe se refiere a las posibles fuentes de confusión e incluye un experimento modal que proporciona los medios para controlarlas.

La tarea Stroop emocional: Evaluación del desempeño cognitivo bajo la exposición a contenido emocional

Un protocolo experimental EEG está diseñado para aclarar la interacción entre las representaciones conscientes y no conscientes de las caras emocionales en pacientes con el síndrome de Asperger. La técnica sugiere que los pacientes con síndrome de Asperger tienen un déficit en la representación no consciente de las caras emocionales, pero tienen un rendimiento comparable en representación consciente con los controles sanos.

Las representaciones conscientes y no conscientes de las caras emocionales en el Síndrome de Asperger

Un protocolo detallado para un paradigma experimental para evaluar la eficacia con la que los niños a regular se describe la emoción. Los niños son asignados al azar a utilizar estrategias de regulación emocional específicas, las emociones negativas son provocados con fragmentos de películas, y los cambios en el índice de la psicofisiología posterior la medida en que la regulación emocional es eficaz.

Evaluación psicofisiológica de la efectividad de las estrategias de regulación emocional en la infancia

Este protocolo está diseñado para medir la expectativa de recompensa y tratamiento en niños con y sin autismo. Específicamente, el protocolo está diseñado para estudiar los correlatos neuronales de recompensa durante las condiciones sociales y con mientras que el control de la recompensa entre las condiciones.

Un protocolo de electrofisiología a medida recompensa anticipación y tratamiento en niños

Aquí, presentamos un protocolo para llevar a cabo una variedad de pruebas conductuales en ganado que han sido diseñadas para evaluar las emociones. Se llevó a cabo una batería de pruebas de comportamiento (prueba de campo abierto, prueba de sobresgolito, laberinto cero bovino, velocidad de salida, puntuación de pluma y puntuación de conducto) para evaluar diferentes componentes del temperamento animal.

El uso de pruebas tradicionales de miedo para evaluar diferentes circuitos emocionales en el ganado

Presentamos un protocolo para explorar los correlatos neuronales de una tarea de regulación cognitiva de las emociones, a saber, la reevaluación cognitiva, utilizando imágenes de resonancia magnética funcional. Este protocolo se utilizó en pacientes con trastorno obsesivo-compulsivo y controles sanos, pero también se puede utilizar en otras muestras clínicas.

Exploración de los correlatos neuronales de la reevaluación cognitiva en el trastorno obsesivo-compulsivo mediante imágenes de resonancia magnética funcional basadas en tareas

Aprende a medir la actividad fronto-límbica mediante la tarea del bicho raro emocional en niños con alto riesgo familiar de esquizofrenia. Este método de fMRI revela patrones de activación cerebral alterados.

Medición de Fronto-límbico Actividad Usando una Emocional bicho raro de tareas en niños con alto riesgo familiar para la esquizofrenia (Video) | JoVE Journal

Medición de Fronto-límbico Actividad Usando una Emocional bicho raro de tareas en niños con alto riesgo familiar para la esquizofrenia

Explorar más videos