方法論記事

うつ病における耳介迷走神経刺激の機能的近赤外分光法ガイド下周波数マッピング

145 回視聴

⸱

DOI:

10.3791/70136

⸱

2026年9月25日

 ,  ,  ,  ,  ,  ,  , 
1Department of Psychiatry and Psychotherapy, University of Marburg, 2Center for Mind, Brain, and Behavior (CMBB), University of Marburg, 3Department of Psychology, University of Marburg, 4Faculty of Medicine, University of British Columbia

この記事について

サマリー

本プロトコルは、機能的近赤外分光法を用いて、大うつ病性障害患者における経皮的耳介迷走神経刺激に対する周波数依存的な皮質反応をマッピングするための再現可能な枠組みを提供する。

要約

大うつ病性障害（MDD）は大規模な脳ネットワークの変容に関連しており、経皮的耳介迷走神経刺激（taVNS）のパラメータ、特に刺激周波数のばらつきが、研究間での再現性と比較可能性を制限しています。したがって、系統的なパラメータ選択のための標準化された戦略が必要です。本プロトコルでは、機能的近赤外分光法（fNIRS）を用いて、複数のtaVNS周波数に対する個々の皮質反応をマッピングするための、再現可能なニューロイメージング誘導ワークフローを提示します。この手法は、連続的なfNIRSデータ収集と、同一セッション内での複数の刺激周波数の提示、およびデフォルトモードネットワーク活性のネットワークレベル解析を組み合わせています。周波数特異的な反応は距離ベースの指標を用いて定量化され、その後、アルゴリズムによるランキングを用いて各参加者における候補刺激パラメータを特定します。
このワークフローにより、被験者内での刺激条件の直接比較が可能になり、固定周波数の設計ではなくネットワークレベルの反応に基づいた探索的なパラメータマッピングのための構造化されたフレームワークが提供されます。代表的な結果は、条件間で安定したfNIRS信号を取得し、解釈可能な参加者特異的な周波数ランキングを生成できる可能性を示しています。本プロトコルはMDDで実証されましたが、他のニューロモジュレーション・パラダイムや、ネットワークレベルの機能不全を伴う他の疾患にも適応可能であり、個別化されたパラメータ選択を目指す今後の研究を支援することが期待されます。

概要

経皮的耳介迷走神経刺激（taVNS）は、迷走神経の耳介枝を標的とする非侵襲的なニューロモジュレーション技術であり、脳幹のニューロモジュレーター核および分散した皮質ネットワークに影響を与えることができます1。先行研究により、taVNSの生理学的および神経学的効果は、刺激パラメータ2,3,4,5、特に刺激周波数に強く依存することが示されています。動物モデルおよびヒトモデルにおいて、異なる周波数がそれぞれ異なるニューロモジュレーション経路および脳反応に関連しており、現在の臨床的なtaVNSプロトコルは広範な周波数範囲にわたっています6。このような変動性は、固定周波数の慣習に頼るのではなく、周波数マッピングに対する体系的なアプローチと、原則に基づいたパラメータ選択の必要性を浮き彫りにしています。本プロトコルの目的は、ネットワークレベルの生理学的読み出しを用いて、複数のtaVNS周波数に対する神経反応を被験者内でマッピングするための再現可能な手法を提供することです。

本プロトコルの全体的な目的は、複数のtaVNS周波数に対する個々の神経応答をマッピングするための再現可能な手法を提供することです。

機能的近赤外分光法（fNIRS）は、高い時間分解能で皮質の血行動態を測定できる携帯可能な光学的神経イメージング技術であり、経皮的耳介迷走神経刺激（taVNS）との同時実施が可能です7,8。磁気共鳴画像法（MRI）ベースの手法と比較して、fNIRSはポータビリティに優れ、ロジスティック上の負担が少なく、スキャナーの固定、騒音、ハードウェア構成の制限といった制約がないため、刺激手順への統合が容易です。症状ベースの最適化戦略と比較して、fNIRSは主観的な結果や遅延した臨床結果のみに依存せず、刺激に対する皮質ネットワーク反応の直接的な生理学的指標を提供します9。固定周波数の刺激パラダイム10と比較して、本プロトコルでは参加者間で反応を平均化するのではなく、周波数感受性における個人間変動を明確に特徴付けることができます。さらに、fNIRSは1セッション内での拡張可能な反復測定をサポートしているため、このアプローチは、効率的な反復評価を必要とする探索的な周波数マッピング研究やパイロット調査に特に適しています。

この統合的なアプローチは、同一被験者内でニューロモジュレーションパラメータを比較する場合、個々の被験者に適した刺激設定の候補を特定する場合、または縦断的試験やアウトカム駆動型試験を実施する前にプロトコルを策定する場合に用いるべきである。本手法は、広範な脳ネットワークの組織化に変化が見られる疾患に広く適用可能である11。このプロトコルは、探索的なパラメータマッピング、パイロット的な個別化研究、および初期段階の実現可能性調査に特に適している。ここでは例としてうつ病を挙げる。うつ病は、デフォルトモードネットワーク（DMN）12,13および関連する制御ネットワークにおける活動やコネクティビティの変化に関連しており、taVNSがこれらのシステムを調節することが報告されている14。しかし、先行研究では不均一な刺激周波数が使用されており、情動および認知ネットワークを標的とするために最も適切な周波数は依然として不明である。このような変動があるため、単一の事前設定周波数に依存するのではなく、被験者内での周波数比較を行うことが推奨される。

ここでは、ベッドサイドおよび縦断的な使用に適した、fNIRSガイド下taVNS周波数マッピングワークフローの実装プロトコルについて説明します。この手順には、刺激なしの初期安静時ベースラインの後、2、10、25、および 40 Hzでの安静時taVNSラン、ならびに非特異的な効果を制御するためのシャム条件が含まれます。各条件において、fNIRSデータが取得され、標準的な健康参照群に対する多変量ネットワーク距離指標を用いて分析されます。これらの指標は、結合強度や領域間の相互作用パターンなど、ネットワーク組織の相補的な側面を捉えるものです15,16。得られたネットワークレベルの測定値を用いて、各被験者内での周波数特異的な効果を比較し、ネットワークに基づいた方法で候補となる刺激パラメータを特定します。その後、候補周波数の短期的な再現性を評価するために、候補特異的な安静時条件が含まれます。

本プロトコルは、大規模な縦断的研究や臨床試験の前段階における、探索的なパラメータマッピング、コンセプト実証のための個別化、およびプロトコルの開発に最適です。本手法は、ネットワークレベルの生理学的指標を用いて、個人内での刺激周波数を体系的に比較するための構造化された枠組みを提供します。また、初期段階の研究やパイロット調査における仮説の生成および候補周波数の特定を支援するように設計されています。本プロトコルは、確定的な臨床的有効性、治療上の優位性、または治療の最適化を確立することを目的としたものではなく、探索的かつネットワークに基づいたパラメータ選択を通じて、その後の縦断的研究やアウトカム主導の研究に知見を提供することを目的としています。

プロトコル

ヒト参加者を伴うすべての手順は、施設ガイドラインおよびヘルシンキ宣言に従って実施され、マールブルク・フィリップス大学の担当ヒト研究倫理委員会の承認を得た（プロトコル番号：23-232 BO）。参加にあたり、すべての参加者から書面によるインフォームドコンセントを得た。

本プロトコルは、実験ワークフローの時系列的な実行に従います（詳細は図 1 を参照）。参加者間での再現性と比較可能性を確保するため、すべてのステップは定義済みのパラメータを使用して実施されました。これらのパラメータには、固定されたtaVNS刺激設定（周波数 2, 10, 25, 40 Hz、パルス幅、および個別に調整された刺激強度）、標準化された安静時ランの持続時間、一貫したシャム条件、およびチャンネル構成、モーション補正、フィルタリング、ネットワークベースの解析手順を含む、統一されたfNIRSデータ収集および前処理パイプラインが含まれます。

1. 倫理的承認および研究の概要

  1. 倫理的承認の取得
    1. 研究を開始する前に、マールブルク・フィリップス大学医学部倫理委員会（プロトコル番号 23-232 BO）から承認を得る。
    2. すべての手順を、ヘルシンキ宣言およびヒト参加者研究に関する機関のガイドラインに従って実施する。
    3. スクリーニング、評価、またはデータ収集の前に、各参加者から書面によるインフォームドコンセントを得る。
  2. 研究目的の定義
    1. 本プロトコルを用いて、同一参加者内でのシャム刺激と複数の能動的なtaVNS周波数を比較する。
    2. 同時計測の機能的近赤外分光法（fNIRS）を用いて、刺激中の皮質ネットワーク応答を定量化する。
    3. 定義済みの解析スクリプトを用いて、健常コントロールテンプレートとのネットワークレベルの類似性に基づき、個別の候補刺激周波数を特定する。
  3. 解析範囲の定義
    1. すべての結果を記述的かつ探索的なものとして解釈する。
    2. 本プロトコルを、臨床的有効性、治療上の優位性、または治療の最適化を確立するために使用してはならない。
    3. 結果を、今後の縦断的研究またはアウトカム駆動型研究の検討材料として利用する。

2. 参加者の募集とスクリーニング

  1. 研究グループの募集
    1. 成人参加者を、大うつ病性障害（MDD）群と健康対照（HC）群の2群に募集する。
    2. MDD群と同じ研究期間に、同一の手順を用いて健康対照群をリクルートする。
    3. 機関のガイドラインに従って、謝礼を支払ってください。
  2. 組み入れ基準を適用する
    1. 18歳以上の参加者のみを対象としてください。
    2. 視力が正常であるか、または矯正により正常であることを確認する。
    3. MDD群のみ：DSM-5に基づく構造化臨床面接を用いて、MDDの診断を確認する。
    4. MDD群のみ：軽度から中等度のうつ症状を有する参加者のみを含める（HAMD-24 ≥8 かつ <24; BDI-II ≥8 かつ <29).
    5. 健康対照群のみ：現在、精神疾患または重篤な身体疾患がないことを確認する。
  3. 除外基準を適用する
    1. 神経疾患のある参加者、または重大な頭部外傷の既往歴がある参加者は除外してください。
    2. 精神疾患の併存がある参加者は除外してください。
    3. 現在、精神向精神薬または抗うつ薬を服用している参加者、あるいは過去2週間以内にこれらの薬剤の中止をした参加者は除外する。
    4. 自殺念慮または重度の抑うつ症状のある参加者は除外してください。
    5. 神経機能または血管機能に影響を及ぼす可能性のある疾患を持つ参加者は除外してください。
  4. 臨床評価を実施する
    1. ハミルトンうつ病評価尺度（HAMD-24）を実施する。
    2. ベック抑うつ質問票第2版（BDI-II）を実施してください。
    3. 合計スコアを研究データベースに記録する。

3. 実験環境の準備

  1. 実験室の準備
    1. 静かで薄暗い部屋に被験者を座らせる。
    2. 周囲の温度を一定に保ち、外部ノイズを最小限に抑える。
    3. 被験者の前方約 1 m の位置にモニターを配置する。
  2. 被験者への教示
    1. モニターの中央に注視点（十字）を表示する。
    2. 被験者に対し、覚醒状態でリラックスし、安静にしているよう指示する。
    3. すべての記録の間、注視点から視線を外さないよう被験者に指示する。

4. taVNSの準備と刺激のキャリブレーション

  1. ハードウェアの準備
    1. チタンイリジウム刺激電極を備えた経皮的耳介迷走神経刺激装置を使用する。
    2. 各セッションの前に、ケーブル、コネクタ、およびバッテリーの状態を確認する。
  2. 電極の配置
    1. アルコール綿を使用して、左耳甲介上の耳甲介上唇（cymba conchae）を清掃する。
    2. 皮膚を完全に乾燥させる。
    3. 左耳甲介上唇に刺激電極を配置する。
    4. 接触が安定しており、適切に固定されていることを確認する。
  3. 電流振幅のキャリブレーション
    1. パルス幅を 300 µs に設定する。
    2. デューティサイクルを設けず、連続刺激を有効にする。
    3. 0 mA から開始し、0.1-0.2 mA 刻みで徐々に電流を増加させる。
    4. 電流を上げるごとに、被験者に 10 段階の尺度で感覚を評価してもらう。
    5. 痛みを感じない範囲で、耐えられる最高強度に達した時点で電流の増加を停止する。
    6. 知覚強度 7-8/10 を目標とする。
    7. 2, 10, 25, 40 Hz の各周波数について、個別にキャリブレーションを繰り返す。
    8. 各周波数における最終的な電流振幅を記録する。
  4. シャム刺激の設定
    1. 電流が流れないように装置を設定する。
    2. 電極の配置は、実刺激条件と同一にする。
    3. 視覚的、触覚的、および聴覚的なすべてのキューを実刺激に合わせる。
  5. 実刺激ブロックの適用
    1. 4 つの実刺激周波数（2, 10, 25, 40 Hz）を、セッション中にそれぞれ 1 回ずつ提示する。
    2. コンピュータで生成したシーケンスを用いて、被験者間でブロックの順序をランダム化する。
    3. 刺激を行わない固定的な条件間インターバルを挿入する。

5. fNIRSシステムのセットアップ

  1. ハードウェアの準備
    1. 同期させた2台のfNIRSシステムを使用する。
    2. 各システムに16個の光源と16個の検出器を装備する。
  2. モンタージュの定義
    1. 光学レイアウト計画ツールを用いて、デフォルトモードネットワーク領域をターゲットにする。
    2. 内側前頭前野、後帯状皮質/楔前部、両側の角回、および内側側頭領域をカバーするようにオプトードを配置する。
    3. 長距離分離チャネルには3 cmの光源-検出器間隔を使用する。
    4. 約8 mmの短距離分離チャネルを追加する。
  3. データ収集パラメータの設定
    1. 波長は760 nmおよび850 nmを使用する。
    2. サンプリング周波数を5.1 Hzに設定する。
    3. 記録前に両システムを同期させる。

6. 実験セッションの実施

  1. ブロックシーケンスの定義
    1. 刺激なしの状態で、ベースラインの安静時状態（RS0）を6分間記録する。
    2. 2分間のインターバルを設ける。
    3. 偽刺激（シャム刺激）を6分間適用する。
    4. 2分間のインターバルを設ける。
    5. ランダム化した4つの能動刺激ブロック（2、10、25、40 Hz）を、それぞれ6分間適用する。
    6. 連続する能動ブロックの間に2分間のインターバルを設ける。
    7. 刺激後の安静時状態（RS1）を6分間記録する。
  2. セッションタイミングの維持
    1. セッションの合計時間が約54分になるように調整する。
    2. すべてのブロックを通じてfNIRSを連続的に計測する。
  3. 標準条件の維持
    1. 室内の照明、指示内容、および注視点ディスプレイがすべてのブロックで同一であることを確認する。
    2. 電極の接触状態を継続的にモニタリングする。
    3. 必要に応じて実験を一時停止させる場合は、必ずブロックを完了した後にのみ行う。

7. fNIRSデータのプリプロセス

  1. 記録のセグメント化
    1. 連続記録をRS0、Sham、2 Hz、10 Hz、25 Hz、40 Hz、およびRS1にセグメント化する。
    2. 各チャネルおよび条件の生強度信号を抽出する。
  2. 品質管理の実施
    1. 0.5から2.33 Hzの間でButterworthバンドパスフィルタを適用する。
    2. 信号を重複しない3 sのウィンドウに分割する。
    3. 頭皮カップリング指数（SCI）およびパワースペクトルピーク（PSP）を算出する。
    4. SCI ≥ 0.8かつPSP ≥ 0.1の場合に、ウィンドウを許容範囲内として分類する。
    5. 許容ウィンドウが70%以上のチャネルを保持する。
    6. 許容チャネルが70%以上の参加者を保持する。
  3. アーチファクトの補正
    1. Temporal Derivative Distribution Repair（TDDR）を用いて体動アーチファクトを補正する。
    2. 8ウェーブレット基底を用いてウェーブレットフィルタリングを適用する。
    3. 標準偏差の4倍を超える係数を外れ値として定義する。
  4. 信号の変換
    1. 修正Beer-Lambert法を用いて、光学密度をオキシヘモグロビンに変換する。

8. ネットワーク特徴量の算出および候補周波数の選択

  1. コネクティビティの算出
    1. すべてのROIペア間でロバストピアソン相関を算出する。
    2. 6つの固有のペア相関をコネクティビティベクトルとして保存する。
    3. 4 × 4の対称コネクティビティ行列を構築する。
  2. 派生特徴量の算出
    1. 各行列の固有値および固有ベクトルを算出する。
    2. 行列の正規化後、各ノードの平均制御能（average controllability）を算出する。
  3. 健常テンプレートの構築
    1. 保持されたすべての健常対照被験者にわたって、RS0コネクティビティ行列の平均を算出する。
    2. 得られた行列を健常リファレンステンプレートとして使用する。
  4. 距離の算出
    1. コネクティビティ、固有値、および制御能について、被験者の特徴量とテンプレートとの間のコサイン距離を算出する。
    2. コンポーネントマッチングを用いて固有ベクトルの類似性を算出する。
  5. 条件のランキング
    1. 各指標について、Sham、2 Hz、10 Hz、25 Hz、および40 Hzを距離の昇順にランク付けする。
    2. 最小の距離にランク1を割り当てる。
    3. 各条件について、指標間のランクを合算する。
  6. 個別の候補周波数の選択
    1. 累積ランクスコアが最も低い条件を特定する。
    2. この条件を個別の候補刺激周波数として定義する。
  7. 刺激ゲインの算出
    1. 以下の正規化を用いて、各周波数の刺激ゲイン（G_f）を算出する：
      粒度分級式、方程式 Gf=(d0-df)/(max(df)-min(df))、図。​
      ここで、df はRS0距離であり、df は刺激周波数fにおける距離であり、RS0、Sham、2 Hz、10 Hz、25 Hz、および40 Hzの条件にわたって算出される。

結果

データの品質および取得の実現可能性

あらかじめ定義されたデータ品質基準を適用した結果、信号品質が不十分なチャネルおよび被験者が除外されました。良好な結果は、条件間での高いチャネル保持率、安定した血流動態記録、およびネットワーク特性の信頼性の高い推定を可能にする解釈可能なコネクティビティパターンによって特徴付けられます。不良または不十分な結果には、低い信号品質、過度なモーションアーチファクト、不適切なオプトードと頭皮の密着、不十分なチャネル保持率、または解釈を制限する不整合なネットワーク推定が含まれます。図3および図4に示すように、品質評価後の最終データセットには、大うつ病性障害（MDD；平均年齢：31.21歳、SD：8.99；女性10名）の被験者19名と、健常対照群（HC；平均年齢：33.5歳、SD：13.51；女性7名）の被験者19名が含まれました。7名の被験者（MDD 3名、HC 4名）は、主にモーションアーチファクトまたは不適切なオプトードと頭皮の密着に関連するデータ品質不足のため除外されました。

チャンネルごとの品質マップにより、参加者間で信号品質の空間分布が不均一であり、一部の個人では局所的に品質が低下している領域があることがさらに示されました。これらの結果は、さらなる解析を行う前に、スカルカップリング指数およびパワースペクトルのピークに基づいた事前定義の閾値を適用することの重要性を強調しています。これらの品質管理手順は、その後のネットワーク指標が信頼性の高いデータから算出されることを保証するものであり、プロトコルの極めて重要な構成要素となります。ここで示した代表的な出力結果は、データ品質スクリーニング、標準化された前処理、ROIベースの時系列抽出、および事前定義されたランク和選択手順の適用が正常に完了していることに直接的に依存しています。

前処理およびネットワーク構築

実験デザインと前処理のワークフローを図1および図2に示します。品質管理ステップ（図2）の後、信号をヘモグロビン濃度に変換し、モーションアーチファクトおよび全身的な生理学的ノイズの補正を正常に行いました。これらの前処理ステップが正常に完了したことは、高品質なチャネルの維持、安定した領域時系列、および解釈可能な結合性の推定値によって示されます。一方で、不十分な結果としては、過度な信号損失、解消されないアーチファクト、または信頼性の低いネットワーク指標などが挙げられます。デフォルトモードネットワークのノードから領域時系列を抽出することで、各条件における機能的結合性行列の構築が可能となりました。これらの代表的な結果は、データ品質管理17、標準化された前処理18、ROIの定義、および定義済みのランキング手順の適用が正常に実行されたことに直接依存しています。得られたデフォルトモードネットワークの機能的結合性行列が、その後の距離ベースの比較の基礎となります。

代表的なネットワークレベルの結果

図 5A は、代表的な MDD 参加者の状態特異的な DMN 機能的結合プロファイルの例を、健常対照群から導出された参照 DMN ネットワークテンプレートとともに示したものである。これらの行列により、状態間での領域間結合パターンの直接的な可視化が可能となり、プロトコルの出力が成功したか、あるいは解釈が困難または品質の低いネットワーク推定であるかを区別するのに役立つ。視覚的な検査により、テンプレートに対するネットワーク構成の状態依存的な変動が明らかになり、刺激周波数が単一セッション内で DMN ネットワーク構造をどのように調節し得るかが示されている。

距離尺度（図5B）を用いて、複数の指標（コネクティビティ、固有値、固有ベクトル、および平均制御能）におけるこれらの差異を定量化します。各指標について、リファレンステンプラートへの近接度に基づいて条件をランク付けすることができ、距離値が低いほど類似性が高いことを示します。注目すべき点として、異なる距離指標のランキングは条件によって異なっており、これはネットワーク表現に関して各指標が捉える情報が相補的であることを反映しています。

コンセンサスに基づく頻度選択

4つの指標にわたる情報を統合するため、各参加者内でランクを集計した（図 5C）。条件間で累積ランクスコアに明確な差があることは、周波数特異的なネットワーク応答の分化に成功したことを示し、一方で条件間のランクスコアが非常に類似していることは、プロトコルの感度が低いことや、刺激効果の分離が不十分であることを示唆している。累積ランクスコアが最も低かった条件を、その参加者における代表的な刺激周波数の候補として解釈した。表 1に、参加者全体のこれらの選択結果を、対応する刺激ゲイン値およびKendall’s Wによって定量化した指標間の合致度とともにまとめる。

MDD群全体では、19名中12名の参加者が、シャム条件ではなく、ある活性刺激周波数において最も低い累積ランクを示しました。選択された刺激周波数は参加者によって異なり、その詳細は表1にまとめられています。Kendall’s Wを用いて定量化した指標間の合致度も個人間で異なり、ランキングの一貫性にばらつきがあることが示されました。Kendall’s Wの値が高いほど、指標間の調和が強く、複数のネットワーク尺度で同じ条件ランキングが支持されているという信頼性が高くなります。一方、値が低い場合は、合致度が低く、指標間でより大きな不均一性があることを示します。したがって、最終的な選択は、単一の指標のみに基づく決定ではなく、相補的なネットワーク特徴をデータ駆動型で統合した結果として解釈されるべきです。

これらの代表的な結果および実現可能性に基づいた結果は、本プロトコルによって生成されるネットワークレベルの出力形式を示しており、刺激条件間での被験者内比較に本ワークフローを適用できることを実証しています。これらの知見は、信号取得、前処理、特徴抽出、およびランクベースのパラメータマッピングを例示することを目的としており、以下に示すように、治療上の有益性、臨床的有効性、または性能的に検証された根拠を示すものではありません。 図1–5 および 表1.

持続的fNIRS記録図；皮質刺激セットアップ；光源および検出器の配置
図1実験デザインおよびfNIRSプローブ構成。 (A被験者内実験デザイン。各参加者は、ベースライン安静時（RS0）、シャム刺激、4つの有効刺激周波数（2、10、25、および40 Hz）、および刺激後安静時（RS1）を含むすべての条件を1回のセッションで完了した。有効刺激の順序は参加者間でランダム化した。各ブロックの時間は6分間で、刺激のない約2分の間隔を設けた。機能的近赤外分光法（fNIRS）データを連続的に記録し（合計約54分）、解析のために条件ごとにセグメント化した。B) 32個の光源（赤）と30個の検出器（青）を示すfNIRSプローブの配置。これにより、89個の長距離分離チャネルと8個の短距離分離チャネル（円で囲った部分）が形成されている。短距離分離チャネルは、表層の生理学的ノイズを除去するために使用された。(C) Automated Anatomical Labeling (AAL) アトラスに基づく、デフォルトモードネットワーク（DMN）に対するプローブ配置の皮質感度プロファイル。深さに依存した測定感度を示している。 こちらの図の拡大版を表示するには、ここをクリックしてください。 

脳コネクティビティ解析のダイアグラム、データ前処理フロー、ROI抽出、特徴量算出。
図 2. fNIRSベースのネットワーク解析における前処理および特徴量抽出パイプライン。
生の光強度データを、条件別のブロック（RS0、シャム、刺激周波数、RS1）にセグメント化した。データ品質を頭皮結合指数（SCI > 0.8）およびパワースペクトルピーク（PSP > 0.1）を用いて評価し、高品質なチャネルのみを保持した。信号を光密度に変換した後、時間微分分布修復法（TDDR）およびウェーブレットフィルタリングを用いて体動補正を行った。ヘモグロビン濃度変化を算出し、全身性の生理的ノイズを低減するために短距離回帰を適用した。ネットワーク解析のため、内側前頭前野（mPFC）、前楔前部（Prec）、下頭頂小葉（IPL）、内側側頭葉（MTL）を含むデフォルトモードネットワーク（DMN）内の関心領域（ROI）から時系列データを抽出した。ROI間の機能的コネクティビティを算出した。得られた特徴量には、コネクティビティ値、固有値、固有ベクトル、および平均制御能が含まれる。この図の拡大版を表示するには、ここをクリックしてください。

チャネル品質解析；良好なチャネル（RS0）を示す被験者データの棒グラフおよびヒートマップ。
図3大うつ病性障害（MDD）患者におけるデータ品質評価。
(A) MDD患者それぞれのベースライン条件下（RS0）で品質基準を満たしたチャンネル数。バーは、品質基準（記録時間の70%以上でSCI）を満たした全チャンネル（灰色）、長距離間隔チャンネル（青色）、および短距離間隔チャンネル（オレンジ色）を示す。 > 0.8 および PSP > 0.1)。破線は、利用可能な最大数の長間隔チャネル（89）、短間隔チャネル（8）、および許容可能な参加者レベルのデータ品質の閾値（全チャネルの70%以上を保持）を示している。閾値を下回る参加者はハイライト表示されている（D13, D18, D19）。B）参加者ごとのチャネル別データ品質。ヒートマップは、RS0における各チャネルおよび参加者の記録時間のうち、品質基準を満たした時間の割合を示している。色が濃いほど、データ品質が低いことを示す。 この図の拡大版を表示するには、ここをクリックしてください。

チャンネル数の適切な比較（棒グラフ）、チャンネル品質（ヒートマップ）、神経画像データの解析。
図4健康コントロール参加者におけるデータ品質評価。 (A) 各健常対照被験者における、ベースライン条件下（RS0）で品質基準を満たしたチャネル数。棒グラフは、品質基準（記録時間の70%以上でSCI）を満たした全チャネル（灰色）、長距離分離チャネル（青色）、および短距離分離チャネル（橙色）を示す。 > 0.8およびPSP > 0.1). 破線は利用可能な最大チャネル数および許容される参加者レベルのデータ品質の閾値（全チャネルの70%以上を保持）を示す。閾値を下回る参加者はハイライト表示されている（HC13, HC14, HC15, HC18）。B）参加者ごとのチャネル別データ品質。ヒートマップは、RS0における各チャネルおよび参加者の記録時間のうち、品質基準を満たした時間の割合を示している。色が濃いほど、データ品質が低いことを示す。 この図の拡大版を表示するには、ここをクリックしてください。

脳のコネクティビティおよび制御能解析、ヒートマップおよび棒グラフ、EEGデータの比較
図5単一被験者における、距離に基づいた刺激周波数選択の代表例。
(A) MDDの代表的な被験者1名（D11）における、4つのデフォルトモードネットワーク領域間のペアワイズ相互作用を示す機能的接続行列（条件：RS0、シャム、および刺激周波数）。領域には、内側前頭前野（mPFC）、下頭頂小葉（IPL）、前帯状回/楔前部（Prec）、および内側側頭葉（MTL）が含まれる。中央の行列は、グループレベルのRS0データから得られた健常対照群のテンプレートを表す。B) 4つの指標（コネクティビティ距離（D_conn）、固有値距離（D_eig）、固有ベクトル距離（D_evec）、および平均制御能距離（D_AC））における、各条件と健康対照テンプレートとの間の距離尺度。棒グラフは距離値を示し、値が低いほどテンプレートへの類似性が高いことを示す。各条件の順位が表示されている（ランク1 ＝ 最小距離）。(C) 各条件の順位を合算することにより、各指標に基づいたコンセンサスランキングを算出した。合計順位が最も低かった条件を、この被験者の刺激周波数の候補として選択した。 この図の拡大版を表示するには、ここをクリックしてください。

参加者IDコネクティビティ固有値固有ベクトル平均制御能コンセンサスKandall-W
D0140Hz (G=1.00)40Hz (G=1.00)40Hz (G=1.00)40HZ (G=0.29)40Hz0.85
D02シャム群 (G=0.18)シャム (G=0.00)シャム群 (G=0.11)シャム群 (G=-0.09)擬似操作0.89
D0310Hz (G=0.20)シャム群 (G=0.05)2HZ (G=0.56)擬似処置群 (G=0.63)40Hz0.34
D07シャム対照群 (G=0.29)25Hz (G=0.06)2HZ (G=0.33)25Hz (G=0.45)25Hz0.36
D10擬似操作 (G=1.00)シャム (G=1.00)シャム（G=1.00）シャム（G=1.00）擬似操作0.59
D1110Hz (G=0.71)10Hz (G=0.66)2HZ (G=0.73)40Hz (G=1.00)10Hz0.34
D1540Hz (G=0.58)40Hz (G=0.53)40Hz (G=0.21)40Hz (G=-0.27)40Hz0.96
D1625Hz (G=1.00)10Hz (G=1.00)25Hz (G=0.90)25Hz (G=0.40)25Hz0.64
D172HZ (G=0.51)2Hz (G=0.75)25Hz (G=0.73)10Hz (G=0.82)10Hz0.21
D2025Hz (G=-0.08)25Hz (G=0.04)25HZ (G=-0.27)シャム群 (G=0.31)25Hz0.84
D21シャム群 (G=0.37)2Hz (G=0.08)シャム群 (G=0.27)40Hz (G=-0.28)擬似処置0.41
D222HZ (G=-0.06)10Hz (G=0.19)2Hz (G=0.75)2Hz (G=1.00)2Hz0.47
D23シャム群 (G=0.53)25Hz (G=-0.14)シャム群 (G=0.71)40Hz (G=0.23)シャム（擬似操作）0.31
D2425Hz (G=0.59)25Hz (G=0.18)25Hz (G=0.18)シャム群 (G=0.34)25Hz0.5
D2525Hz (G=1.00)シャム群 (G=-0.01)10Hz (G=1.00)シャム対照（G=0.19）25Hz0.16
D2610 Hz (G=0.52)擬似操作 (G=0.01)10Hz (G=1.00)10Hz (G=0.71)10Hz0.93
D2710Hz (G=-0.11)10Hz (G=0.20)2HZ (G=-0.20)40Hz (G=1.00)2 Hz0.05
D2810Hz (G=0.51)10Hz (G=0.04)10Hz (G=1.00)10Hz (G=-0.02)10Hz0.81
D2910Hz (G=0.81) 10Hz (G=0.54) シャム対照 (G=1.00)10Hz (G=1.00) 10Hz0.85
ゲイン0.50, 0.520.32, 0.180.58, 0.730.46, 0.400.55, 0.50
 （平均値、中央値）

表1：距離指標における参加者ごとの周波数選択。

各参加者について、健常対照群テンプレートへの最小距離に関連する刺激条件を、ネットワークベースの4つの指標（コネクティビティ距離 (D_conn)、固有値距離 (D_eig)、固有ベクトル距離 (D_evec)、および平均制御可能性距離 (D_AC)）について報告します。括弧内の数値 (G) は刺激ゲインを示します。「Consensus」列は、4つの指標にわたるランク集約に基づいた候補刺激周波数を示しています。ケンドールのWは、各参加者内における指標間の一致度を定量化したものです。最終行には、各指標における参加者全体の刺激ゲインの平均値と中央値、および対応するケンドールのW値がまとめられています。

ディスカッション

方法論的な根拠と重要なステップ

本プロトコルでは、安静時機能的近赤外分光法（fNIRS）を用いて、経皮的耳介迷走神経刺激（taVNS）の周波数依存的な効果を同一セッション内でマッピングするための標準化されたワークフローを提供します。その目的は、検証済みの個別最適化ではなく、制御された条件下で候補となる刺激パラメータを構造的に比較することにあります。

信頼性の高い実施には、いくつかの重要なステップがあります。これらのステップを適切に実施しなかった場合、信号品質の低下、接続性推定の信頼性の欠如、ランキングの不安定化、または解析可能なデータセットの喪失を招く可能性があります。知覚閾値は周波数によって異なるため、周波数間で比較を行う際に混同が生じないよう、刺激強度は周波数ごとに個別に、固定された知覚レベル（7–8/10）に校正する必要があります19。不適切な校正は、真の周波数特異的な神経効果ではなく、知覚される刺激強度の差につながり、条件間の比較可能性を低下させる可能性があります。fNIRSのデータ品質は、安定したオプトードと頭皮の密着、モーション補正、短距離チャネル回帰、および事前に定義されたチャネル保持基準を通じて確保しなければなりません。ネットワーク特徴の比較可能性を確保するためには、参加者および条件間で一貫した関心領域（ROI）の定義が必要です。最後に、周波数の選択は、単一の指標に頼るのではなく、複数の相補的な指標を統合した、事前に定義されたランクベースのアプローチに基づいて行うべきです。これらの手法的なステップが、得られるネットワーク指標の品質、安定性、および解釈可能性を直接的に決定し、したがって「結果」セクションに示される代表的な出力に影響を与えます。

セッション内逐次設計とキャリーオーバー効果

本プロトコルでは、十分な生理学的ウォッシュアウトを置かず、1回のセッション内で複数の刺激周波数を連続的に適用します。条件間に固定の間隔を設けてはいますが、キャリーオーバー効果や相互作用の影響を排除することはできません。これにより、条件固有の反応の独立性に影響が及ぶ可能性があるため、刺激周波数間の差異を解釈する際に考慮する必要があります。したがって、周波数による差異は、セッション内の相対的な効果として解釈されるべきです。特定された「最適周波数」は、当該セッションにおいて最も高いパフォーマンスを示した条件を反映したものであり、再現性のない決定的な、あるいは一般化可能な刺激パラメータではなく、セッション内での相対的なデータ駆動型ランキングの結果として解釈されるべきです20。

代替アプローチとの比較

固定周波数のプロトコルは標準化を可能にするが、個人間の変動を考慮できず、一方で症状に基づいた調整は直接的な生理学的洞察に欠けている21。機能的磁気共鳴画像法（fMRI）を用いたアプローチは、より広範な空間的カバレッジを提供するが、繰り返し測定やベッドサイドでの使用には適していない。これらのアプローチと比較して、本プロトコルは携帯性、繰り返し測定の実現可能性、およびネットワークレベルでの直接的な評価において利点があるが、空間的な深度の不足やモーションアーチファクトへの感受性が制限となる22。したがって、本手法は臨床的に検証された最適化戦略ではなく、探索的なパラメータマッピングのための実用的なフレームワークとして検討されるべきである。

限界事項

本プロトコルはシングルセッション設計に基づいており、ネットワーク効果の持続性や臨床的アウトカムは評価していません。連続的な刺激は、条件間に残留効果をもたらす可能性があります23。これらの要因は、特定された周波数特異的反応の安定性と汎用性に影響を与える可能性があります。加えて、解剖学的変動、電極の配置、および皮膚インピーダンスが刺激効率に影響を及ぼす可能性があり、また、厳格なfNIRS品質管理基準によって解析可能なデータセット数が減少する可能性があります。さらに、fNIRS測定は皮質領域に限定されており、ネットワークレベルの効果に寄与する可能性のある皮質下活動を捉えることはできません。

範囲および適用性

このプロトコルは、ニューロモジュレーション研究においてパイロット研究、実現可能性試験、または初期段階のプロトコル開発を行う研究者に特に適しています。本手法は、ネットワークに基づいた刺激パラメータ候補の選択を支援するものですが、治療効果や精密精神医学を確立するものではありません。このフレームワークは、オプトードの配置とROI（関心領域）の定義を変更することで、他のネットワーク、疾患、または刺激パラメータに適応させることが可能です。ただし、一貫した前処理、厳格な品質管理、および透明性のある比較手順が維持されていることが条件となります24。

開示事項

すべての参加者は、実験への参加に先立ち、書面によるインフォームドコンセントを提供しました。本研究のプロトコルは、マールブルク大学の respective 倫理委員会の審査および承認を受けています。

本研究で使用したカスタムソフトウェアスクリプト、匿名化データ、およびその他の資料は、要望に応じて関心のある方に提供可能です。

著者寄与声明

Svenja J. Franckeは、参加者のリクルート、データ収集、プロジェクト管理、方法論、および初稿の執筆および改訂原稿の執筆に貢献した。Sarah Alizadehは、概念化、方法論、データ解析、視覚化、および初稿の執筆および改訂原稿の執筆に貢献した。José C. García Alanisは、概念化、方法論、プロジェクト管理、データ解析、および原稿の査読および編集に貢献した。Dorian Kockは、参加者のリクルート、データ収集、方法論、および初稿の執筆および改訂原稿の執筆に貢献した。Jannick Herrmannは、参加者のリクルート、データ収集、方法論、および初稿の執筆および改訂原稿の執筆に貢献した。Maximilian Kastlは、参加者のリクルート、データ収集、方法論、および初稿の執筆および改訂原稿の執筆に貢献した。Hamidreza Jamalabadiは、概念化、方法論、データ解析、指導、および原稿の査読および編集に貢献した。Felix P. Bernhardは、概念化、方法論、指導、および初稿の執筆および改訂原稿の執筆に貢献した。

謝辞

本研究は、ドイツ研究財団（DFG）のコンソーシアム助成金SFB/TRR 393（プロジェクト助成番号 521379614）、von Behring Röntgen（No.\ 70\_00038）基金からの研究助成金、ギセン・マールブルク大学病院（UKGM, No. 1/2024 MR）からの研究助成金、およびEdda und Helmut Laich基金からの助成を一部受けて実施されました。さらに本研究は、ヘッセン州科学・芸術省のLOEWEプログラム（助成番号：LOEWE 1/16/519/03/09.001(0009)/98）およびドイツ研究財団（DFG）の支援を受けたDYNAMICセンターによって支援されました。

エクセレンス戦略 (EXC 3066/1 “The Adaptive Mind”、プロジェクト番号 533717223)。

材料

この記事で使用された材料の一覧
名前会社カタログ番号コメント
fNIRSシステム（ウェアラブル連続波マルチチャンネル）NIRxNIRSport2皮質血流動態記録のためのポータブル二波長マルチチャンネルfNIRSシステム
fNIRSデータ収集ソフトウェアNIRxオーロラ信号収集、モニタリング、およびイベントマーキングに使用される専用ソフトウェア
オプトード付きfNIRSキャップNIRxNIRSport2に対応線源および検出器の配置に使用
オプトード（光源および検出器）NIRxNIRSport2と互換性あり長分離チャネル（~30 mm）および短分離チャネル（~8 mm）
MATLABMathWorks研究で使用された最新リリース前処理、結合性解析、およびカスタムスクリプトに使用される
信号処理ツールボックスMathWorksMATLABアドオンフィルタリングおよび時系列処理に使用
統計および機械学習ツールボックスMathWorksMATLABアドオンランキング、記述統計、および一致度指標に使用されます
カスタム解析スクリプト院内での該当なし前処理、特徴抽出、およびランクベースの頻度選択に使用
taVNS刺激装置tVNS GmbH研究で使用されたデバイスモデル経皮的耳介迷走神経刺激に使用される
耳介刺激電極tVNS GmbH刺激装置に対応左耳甲介上の配置に使用
電極ケーブルおよびコネクタtVNS GmbH刺激装置に対応電極を刺激装置に接続するために使用される
コンタクトクリーム / 導電性ゲルtVNS GmbH該当なし刺激中の電極と皮膚の接触を改善するために使用される
アルコール綿tVNS GmbH該当なし電極配置前の皮膚準備に使用される
PsychoPyOpen Science Tools Ltd.バージョン 2024.4.2実験的対照、タイミング、ブロックランダム化、刺激提示、および同期に使用される
コンピューターワークステーションLenovoThinkPad T14, G31666データ収集の制御およびオフライン解析に使用；Intel Core Ultra 5, 16 GB RAM, 500 GB SSD, Windows 11 Pro
モニター / ディスプレイLenovoThinkVision T32UD-40注視点の提示に使用する31.5インチIPSディスプレイ；解像度3840 × 60 Hzで2160p
静穏試験室機関施設該当なし記録中の環境的な妨げを最小限に抑えるために使用される

参考文献

  1. Rings, T., von Wrede, R., Bröhl, T., Schach, S., Helmstaedter, C., et al. Impact of transcutaneous auricular vagus nerve stimulation on large-scale functional brain networks: from local to global. Front Physiol. 12, 700261(2021).
  2. Kong, J., Fang, J., Park, J., Li, S., Rong, P. Treating depression with transcutaneous auricular vagus nerve stimulation: state of the art and future perspectives. Front Psychiatry. 9, 20(2018).
  3. Badran, B. W., et al. Short trains of transcutaneous auricular vagus nerve stimulation (taVNS) have parameter-specific effects on heart rate. Brain Stimul. 11 (4), 699-708 (2018).
  4. Farmer, A. D., et al. International consensus based review and recommendations for minimum reporting standards in research on transcutaneous vagus nerve stimulation (version 2020). Front Hum Neurosci. 14, 568051(2020).
  5. Yakunina, N., Kim, S. S., Nam, E. -C. Optimization of transcutaneous vagus nerve stimulation using functional MRI. Neuromodulation. 20 (3), 290-300 (2017).
  6. Parente, J., et al. Neural, anti-inflammatory, and clinical effects of transauricular vagus nerve stimulation in major depressive disorder: a systematic review. Int J Neuropsychopharmacol. 27 (3), pyad058(2024).
  7. Chao, J., et al. fNIRS evidence for distinguishing patients with major depression and healthy controls. IEEE Trans Neural Syst Rehabil Eng. 29, 2211-2221 (2021).
  8. Ho, C. S. H., et al. Diagnostic and predictive applications of functional near-infrared spectroscopy for major depressive disorder: a systematic review. Front Psychiatry. 11, 378(2020).
  9. Ludwig, M., Pereira, C., Keute, M., Düzel, E., Betts, M. J., et al. Evaluating phasic transcutaneous vagus nerve stimulation (taVNS) with pupil dilation: the importance of stimulation intensity and sensory perception. bioRxiv. , (2024).
  10. Fox, M. D., Buckner, R. L., White, M. P., Greicius, M. D., Pascual-Leone, A. Efficacy of transcranial magnetic stimulation targets for depression is related to intrinsic functional connectivity with the subgenual cingulate. Biol Psychiatry. 72 (7), 595-603 (2012).
  11. Drysdale, A. T., et al. Resting-state connectivity biomarkers define neurophysiological subtypes of depression. Nat Med. 23 (1), 28-38 (2017).
  12. Kaiser, R. H., Andrews-Hanna, J. R., Wager, T. D., Pizzagalli, D. A. Large-scale network dysfunction in major depressive disorder: a meta-analysis of resting-state functional connectivity. JAMA Psychiatry. 72 (6), 603-611 (2015).
  13. Whitfield-Gabrieli, S., Ford, J. M. Default mode network activity and connectivity in psychopathology. Annu Rev Clin Psychol. 8, 49-76 (2012).
  14. Fang, J., et al. Transcutaneous vagus nerve stimulation modulates default mode network in major depressive disorder. Biol Psychiatry. 79 (4), 266-273 (2016).
  15. Bassett, D. S., Sporns, O. Network neuroscience. Nat Neurosci. 20 (3), 353-364 (2017).
  16. Gu, S., et al. Controllability of structural brain networks. Nat Commun. 6, 8414(2015).
  17. Brigadoi, S., et al. Motion artifacts in functional near-infrared spectroscopy: a comparison of motion correction techniques applied to real cognitive data. Neuroimage. 85 (Pt 1), 181-191 (2014).
  18. Yücel, M. A., et al. Best practices for fNIRS publications. Neurophotonics. 8 (1), 012101(2021).
  19. Berman, G. J., Bialek, W., Shaevitz, J. W. Predictability and hierarchy in Drosophila behavior. Proc Natl Acad Sci U S A. 113 (42), 11943-11948 (2016).
  20. Atanackov, P., Peterlin, J., Derlink, M., Kovačič, U., Kejžar, N., et al. The acute effects of varying frequency and pulse width of transcutaneous auricular vagus nerve stimulation on heart rate variability in healthy adults: a randomized crossover controlled trial. Biomedicines. 13 (3), 700(2025).
  21. Anderson, Z., Turner, J. A., Ashar, Y. K., Calhoun, V. D., Mittal, V. A. Application of hyperalignment to resting state data in individuals with psychosis reveals systematic changes in functional networks and identifies distinct clinical subgroups. Aperture Neuro. 4, (2024).
  22. Austelle, C. W., et al. A comprehensive review of vagus nerve stimulation for depression. Neuromodulation. 25 (3), 309-315 (2022).
  23. Badran, B. W., et al. Neurophysiologic effects of transcutaneous auricular vagus nerve stimulation (taVNS) via electrical stimulation of the tragus: a concurrent taVNS/fMRI study and review. Focus. 20 (1), 80-89 (2022).
  24. Baig, S. S., et al. Optimizing non-invasive vagus nerve stimulation for treatment in stroke. Neural Regen Res. 20 (12), 3388-3399 (2025).

再版と許可

さらに記事を探す

fNIRSマッピングうつ病ニューロイメージングデフォルトモードネットワーク刺激周波数マッピングネットワークレベル解析経皮的迷走神経刺激個別化パラメータ選択

この記事は公開されました

動画は近日公開

お問い合わせ
図書館に推薦する

プライバシー

利用規約

ポリシー

著作権 © 2026 MyJoVE Corporation. 無断転載を禁じます。