12 de abril de 2018
Este papel describe una tarea de priming semántico ERP utilizando pares dentro de la modalidad de imágenes y palabras para investigar el procesamiento semántico en individuos con trastorno del espectro autista (TEA).
El objetivo general de esta metodología de priming semántico ERP es comparar el procesamiento semántico de estímulos lingüísticos y no lingüísticos en forma de palabras e imágenes, en individuos con trastornos del espectro autista, en comparación con individuos con desarrollo típico. Este método puede ayudar a responder preguntas clave en el campo del autismo, como si las personas con trastornos del espectro autista tienen un déficit global en el procesamiento semántico que se extiende más allá del lenguaje. La principal ventaja de esta técnica es que utiliza la electroencefalografía, una técnica de medición de la actividad cerebral que puede detectar diferencias muy sutiles en el procesamiento cognitivo entre grupos.
Emme O'Rourke, asistente de investigación en mi laboratorio, demostrará el procedimiento. Mida la circunferencia de la cabeza del participante, pasando a través del inion y nasion para seleccionar la red de EEG del tamaño adecuado. Comience sumergiendo la electroencefalografía, o electrodos de EEG, en una solución de electrolito durante cinco minutos.
Indique al participante que cierre los ojos y luego coloque la red de manera que quede bien ajustada a su cabeza. Una vez que todos los electrodos se hayan asentado contra el cuero cabelludo, verifique las impedancias. Vuelva a colocar o humedecer cualquier electrodo con impedancias superiores a 50 kilo-ohmios.
Finalmente, indique al participante que juzgue si los estímulos en la pantalla están relacionados o no, presionando un botón en el teclado. Dígales que esperen para hacer su respuesta hasta que el segundo estímulo haya desaparecido de la pantalla y la cruz negra haya desaparecido. Finalmente, pida al participante que complete la tarea.
Comience abriendo el software de procesamiento de EEG. Para filtrar los datos, cree una nueva herramienta de filtrado seleccionando filtrado en el menú desplegable Crear y cambie el nombre de la herramienta. A continuación, ajuste el filtro de paso alto a 0,1 hercios y el filtro de paso bajo a 50 hercios.
Guarde la herramienta, luego arrastre el archivo de grabación de EEG original al cuadro de archivos de entrada en la parte superior izquierda de la ventana y presione ejecutar. A continuación, para segmentar los datos en ensayos, cree una nueva herramienta de segmentación y asígnele el nombre adecuado. En Categorías para crear, presione el signo más para crear una nueva categoría y cámbiele el nombre relacionado con la imagen.
Arrastre el icono de código al cuadro de creación de categoría basada en criterios y configúrelo como código PIC1, para bloquear el tiempo en la presentación del estímulo 1. Arrastre el icono de código de clave al cuadro de creación de categoría y establézcalo como código de clave, el número de celda es 1. Tenga en cuenta que para incluir solo las versiones de prueba correctas, arrastre otro icono de código de clave al cuadro de creación de categoría y establézcalo como la evaluación del código de clave es 1.
A continuación, en la parte inferior de la ventana, establezca la longitud del segmento para extender el segmento 100 milisegundos antes y 2.300 milisegundos después. Clona la categoría pulsando el botón de clonar y cámbiale el nombre a la imagen no relacionada. Establezca el código en PIC1 y el número de celda del código clave en 2.
Clona la categoría y cámbiale el nombre relacionado con palabras. Establezca el código en WRD1 y el número de celda del código clave en 3. A continuación, vuelva a clonar la categoría y cámbiele el nombre a una palabra no relacionada.
Establezca el código en WRD1 y el número de celda del código clave en 4. Guarde la herramienta, luego arrastre el archivo preprocesado más reciente al cuadro de archivos de entrada en la parte superior izquierda de la ventana y presione ejecutar. Para realizar la detección de artefactos, cree una nueva herramienta de detección de artefactos y asígnele un nombre.
En Configuración de detección de artefactos, presione el signo más en la parte inferior de la ventana para agregar una nueva configuración. Seleccione los canales defectuosos en el menú desplegable en operación. Deje todos los ajustes predeterminados.
Agregue una nueva configuración y agregue seleccionar parpadeo en el menú desplegable de operación, y deje todas las configuraciones predeterminadas. Luego, agregue una nueva configuración y seleccione el movimiento de los ojos en el menú desplegable de operación y deje todas las configuraciones. Guarde la herramienta, luego arrastre el archivo preprocesado más reciente al cuadro de archivos de entrada en la parte superior izquierda de la ventana y presione ejecutar.
Abra el archivo resultante en el panel de revisión y desplácese por cada prueba presionando los botones de flecha debajo del menú de categorías en la barra lateral derecha. Marque las pruebas como buenas o malas golpeando los círculos verde o rojo, respectivamente. Cuando haya terminado, cierre el archivo para guardar los resultados.
A continuación, cree una nueva herramienta de reemplazo de canal malo y asígnele un nombre. Guarde la herramienta, luego arrastre el archivo preprocesado más reciente al cuadro de archivos de entrada en la parte superior izquierda de la ventana y presione ejecutar. Realice el promedio de un solo sujeto para colapsar durante los ensayos.
Cree una nueva herramienta de promedio y asígnele el nombre adecuado. En Configuración de promedio, seleccione Manejar archivos de origen juntos y Manejar asuntos por separado. Luego, guarde la herramienta, luego arrastre el archivo preprocesado más reciente al cuadro de archivos de entrada en la parte superior izquierda de la ventana y presione ejecutar.
A continuación, cree una nueva herramienta de operaciones de montaje y asígnele el nombre adecuado. Seleccione la red apropiada en el menú desplegable debajo de la lista de montajes para el diseño del sensor. Seleccione Referencia promedio y asegúrese de que la casilla Excluir canales defectuosos de la referencia esté seleccionada.
Guarde la herramienta, luego arrastre el archivo preprocesado más reciente al cuadro de archivos de entrada en la parte superior izquierda de la ventana y presione ejecutar. Por último, realice la corrección de la línea base utilizando los primeros 100 milisegundos del segmento. Cree una nueva herramienta de corrección de línea base y asígnele un nombre.
En Configuración de corrección de línea base, haga clic en seleccionar línea base de parte del segmento. Seleccione la línea base con respecto al tiempo del segmento igual a cero, y la línea base comienza 100 milisegundos antes del tiempo cero y tiene una duración de 100 milisegundos. Por último, guarde la herramienta, luego arrastre el archivo preprocesado más reciente al cuadro de archivos de entrada en la parte superior izquierda de la ventana y presione ejecutar.
Aquí, las formas de onda ERP representativas en el electrodo CZ muestran una mayor amplitud a condiciones no relacionadas en comparación con las condiciones relacionadas, a aproximadamente 400 milisegundos. Además, estos gráficos topográficos muestran la diferencia no relacionada/relacionada, promediada en una ventana de 400 a 500 milisegundos. Los grupos clínicos, como los individuos con TEA, pueden mostrar un efecto N400 más pequeño en respuesta a las palabras, lo que sugiere dificultades con el procesamiento lexicosemántico.
Una vez que se crean los estímulos y la tarea está lista, la prueba de EEG y el preprocesamiento tardan aproximadamente una hora y media por participante. Esta técnica proporciona una forma única para que los investigadores en el campo del autismo exploren el procesamiento semántico a través de diferentes modalidades en personas con trastorno del espectro autista. Siguiendo este procedimiento, se pueden realizar otros métodos, como la resonancia magnética funcional, para responder preguntas adicionales, como los circuitos neuronales que subyacen al procesamiento lexicosemántico y visual-semántico en personas con trastorno del espectro autista.
No olvide que trabajar con personas con autismo a veces puede ser un desafío, y que es posible que sea necesario realizar ciertas adaptaciones o enmiendas a las pruebas mientras se realiza el procedimiento de EEG.
Vea la transcripción completa y acceda a miles de videos científicos
Este estudio investiga el procesamiento semántico en personas con trastorno del espectro autista (TEA) mediante una tarea de potenciales relacionados con eventos (PRE) de priming semántico con imágenes y palabras. El objetivo es comparar cómo se procesan los estímulos lingüísticos y no lingüísticos en personas con TEA frente a individuos con desarrollo típico.
Las tareas de ERP de priming semántico proporcionan un marco sólido para analizar déficits en el procesamiento semántico específico de la modalidad frente a déficits globales, apoyando la reducción mecanicista de riesgos en la investigación de trastornos del neurodesarrollo. Las mediciones cuantitativas de ERP, como el componente N400, permiten una validación de alta resolución de objetivos para el desarrollo de biomarcadores cognitivos y traslacionales. Esta metodología fortalece la confianza predictiva en las fases iniciales del descubrimiento e informa las decisiones de cartera ajustadas al riesgo en las líneas de desarrollo de biofármacos centradas en el SNC.
Este paradigma de primado semántico basado en ERP se integra en la continuidad de descubrimiento a preclínico para programas de trastornos del sistema nervioso central y neurodesarrolladores.