היישום של גריינג'ר ניתוח סיבתיות של חיבור פונקציונלי מכוונת מחלת אלצהיימר, ליקוי קוגנטיבי מתון

המטרה הכוללת של ניתוח סיבתיות גרנג'ר (Granger Causality Analysis) זה היא לחקור קישוריות תפקודית מכוונת במוח הקשורה להתקדמות מחלת אלצהיימר, ובכך לבסס בסיס אובייקטיבי חדש להערכת חומרת המחלה. שיטה זו יכולה לסייע במתן מענה לשאלות מפתח בתחום מחלת אלצהיימר, כגון הקישוריות המכוונת בין ה-PCC לבין אזורי מוח שלמים. היתרון המרכזי של טכניקה זו הוא שהיא מודדת את ההשפעות הסיבתיות של סדרות זמן ב-FMRI ומציגה את הדינמיקה ואת הכיוונים של אות חלש.

ההשלכות של טכניקה זו חולשות לכיוון האבחנה של התקדמות מחלת האלצהיימר, כיוון שהיא משווה את הקישוריות הפונקציונלית המכוונת בין קבוצות AD, MCI וקבוצות הביקורת. באמצעות שיטה זו, שניתן לספק באמצעותה תובנות לגבי קנה המידה של קישוריות פונקציונלית מכוונת באלצהיימר, ניתן ליישמה גם במערכות אחרות כגון מחקרי אלקטרואנצפלוגרם. באופן כללי, אנשים שאינם מכירים את השיטה יעמדו בפני קשיי למידה אם אינם בקיאים בתפעול התוכנה.

ראשית, עלינו להוסיף זאת עבור הסמסטר, ולאחר מכן נסקור את הספרות הקודמת בנוגע לניתוח סיבתיות גרנג'ר (Granger Causality Analysis). הצגת הדגמה של שיטה זו בעולם האמיתי היא קריטית, שכן ישנם פרטים רבים שחשוב לציין מעבר למה שניתן לכתוב בטקסט. התחילו בפתיחת RESTplus דרך התוכנה ולחצו לחיצה שמאלית על Pipeline.

ייבא את הקבצים הרלוונטיים ל-RESTplus. בחר את ספריית העבודה ולאחר מכן את ספריות ה-EPI וה-T1 ההתחלתיות. לאחר מכן, כדי להמיר קבצי Dicom ל-Nifti, סמן את תיבת ה-DicomToNifti תחת Preprocessing.

סמנו ב-V את הפרמטרים EPI Dicom to Nifiti ו-T1 to Nifiti. הסירו את 10 נקודות הזמן הראשונות על ידי סימון התיבה RemoveFirstTimePoints והגדרת פרמטר הסיום כ-10. לאחר מכן, סמנו ב-V את תיבת ה-Slice timing.

הגדירו את מספר הפרוסות בהתאם לפרמטרי ה-RS FMRI של המחקר והזינו את סדר הפרוסות. סמנו Realign כדי לתקן את הזמן ואת תנועת הראש. לאחר מכן, בצעו נורמליזציה מרחבית על ידי סימון Normalize והשאירו את פרמטרי ברירת המחדל בתחתית המסך.

השתמשו בסגמנטציה מאוחדת של תמונת T1 ובכל הראשים שסטנדרטיזציה שלהם בוצעה לאותו מרחב על ידי בחירת הפרמטרים. בצעו נורמליזציה באמצעות סגמנטציה מאוחדת של תמונת T1 ו-European. לאחר מכן, בחרו ב-smooth כדי לבצע החלקה מרחבית באמצעות גרעין גאוסי איזוטרופי עם רוחב מלא בחצי גובה (FWHM) של 6 mm.

הסר את המגמה הליניארית על ידי סימון Detrend. בחר ברגרסיה של משתנים משבשים (nuisance covariates regression) עבור הפרמטרים הבאים: ששת פרמטרי תנועת הראש, אות ממוצע גלובלי, אות מהחומר הלבן ואות מנוזל החוט השדרה, וזאת כדי להגביר את יחס האות לרעש. לבסוף, בחר בסינון (filter) כדי לשמר אותים בטווח שבין 0.01 ל-0.08 hertz.

הסר רעש פיזיולוגי בתדר גבוה וכן הסר סחף בתדר נמוך. התחל בביצוע ניתוח סיבתיות גרנג'ר (Granger Causality Analysis), או GCA, ברמת הווקסל, באמצעות כלי ה-REST GCA בארגז הכלים REST. בתיבת העיבוד שלאחר הבדיקה (Postprocessing), סמן את GCA.

הגדירו את הסדר כ-1 כברירת מחדל. בחרו ב-Define ROI ובחרו ב-spherical ROI כדי להגדיר את אזור העניין. לחצו על next.

זהו נקודות זרע (seed points) רלוונטיות בקליפת המוח הסינגולרית האחורית, או ה-PCC, על ידי קביעת קואורדינטות המרכז והרדיוס של ה-ROI של נקודת הזרע בהתבסס על הנתונים הידועים, ובחירה ב-OK. לאחר מכן, בחר ב-Run וב-OK כדי להפעיל את התוכנית. בשלב הבא, אתר תיקיות בשם ZGCA ו-GCA לאחר עיבוד נתוני הקבצים הרלוונטיים. מיין את קבצי ה-ZGCA וסווג אותם לארבע תתי-תיקיות: XX, XY, YX ו-YY בהתאמה.

בתוך התוכנה, פתחו את RESTplus ולחצו לחיצה שמאלית על Statistical Analysis. לחצו לחיצה שמאלית על REST Two-Sample T-Test. תנו לתוצאת הפלט את השם T1XY והגדירו את תיקיית הפלט.

לחצו לחיצה שמאלית על Add Group Images כדי לפתוח את תת-התיקייה XY בתיקיית AD Results ואת תת-התיקייה XY בתיקיית NC Results. לאחר מכן, לחצו לחיצה שמאלית כדי לפתוח את קובץ המשנה BrainMask בתיקיית mask. לאחר מכן בחרו ב-Compute כדי להריץ את התוכנית.

שנו את שם תוצאות הפלט ל-T2XY והגדירו את ספריית הפלט. לחצו לחיצה שמאלית על Add Group Images כדי לפתוח את תיקיית המשנה XY בתוך תיקיית AD Results, ואת תיקיית המשנה XY בתוך תיקיית MCI Results.

חזור על חישוב קובץ מסכת המוח כדי לקבל פלטים עבור T3XY, T1YX, T2YX ו-T3YX, לסך הכל שישה קבצים. לחץ לחיצה שמאלית על Viewer ב-RESTplus כדי לצפות בקבצים שהתקבלו. ייבא את התבנית בשם Ch2 ב-Underlay.

לבסוף, אתרו את ששת הקבצים שהתקבלו בספריית הפלט ומלאו את השכבה העליונה (overlay) אחד אחד. צרו את הגרף הסופי באמצעות ששת קבצי הפלט. לאחר שזוהו תחילה הצמתים הפעילים בכל המוח, נעשה שימוש בטכנולוגיית GCA כדי לקבוע את הקישוריות התפקודית המכוונת מה-PCC לכל המוח.

ומהמוח כולו אל ה-PCC בקבוצות ה-AD, ה-MCI וקבוצת הביקורת. הקישוריות המכוונת מהמוח כולו אל ה-PCC הייתה מוגברת בקבוצת ה-AD בהשוואה לקבוצת הביקורת הנורמלית, והתמקדה בעיקר באזור ה-cerebellum הדו-צדדי מחוץ ל-DMN. הקישוריות המכוונת מה-PCC אל המוח כולו הייתה מופחתת באופן משמעותי בקבוצת ה-AD בהשוואה לקבוצות הביקורת, כאשר האזורים המרכזיים, כגון ה-precuneus הימני וה-meta frontal gyrus השמאלי, שייכים ל-DMN.

בעוד שהיא דורשת מיומנות, ניתן לבצע טכניקה זו בתוך 14 שעות אם היא מבוצעת כראוי. בעת ביצוע פרוצדורה זו, חשוב לזכור שכל שמות הקבצים והתמונות חייבים להיות באנגלית וללא רווחים. לאחר פיתוחה, סללה טכניקה זו את הדרך עבור חוקרים בתחום ה-FMRI לבחון את הקישוריות התפקודית המכוונת בהתקדמות של מחלת אלצהיימר.

לאחר צפייה בסרטון זה, תרכשו הבנה טובה לגבי האופן שבו ניתן להתחיל לבחון את הקישוריות הפונקציונלית המכוונת במוח הקשורה להתקדמות מחלת AD. ובכך, תבססו בסיס אובייקטיבי ומדויק להערכת חומרת המחלה.