2013年8月6日
私たちは、喫煙によって誘発されるドーパミン変動を捕捉するための新規PETイメージングアプローチを提示する。被験者は、PETスキャナーでたばこを吸う。ダイナミックPET画像は、時間的に変化するドーパミン言葉が含まれていますLP-ntPET、だけ時間的にボクセルごとのボクセルをモデル化している。結果は、喫煙中線条体におけるドーパミン変動のオススメ作品です。
この手順の総合的な目的は、喫煙に対する脳のドパミン作動性反応を画像化することです。まず、ドパミン拮抗薬トレーサーである11 C RAC lip prideを注入した後、ペットスキャナー内で喫煙者が喫煙している様子を画像化します。次のステップでは、体の動きを考慮してリストモードデータを画像に再構成し、ハイパーフィルターを用いてペット画像を平滑化します。
次に、LPNT PETを用いてボクセルレベルで時間活性曲線がモデル化され、モデルによって良好に適合したボクセルのみ、得られたドーパミン曲線が保持されます。最終ステップでは、有意なフォックスホールにおける時間経過に伴う分画ドーパミンレベルをカラーコード化し、そのカラーコード値を一連のダイナミック画像としてキャプチャします。最終的に、LPNT PETで生成された喫煙時のドーパミンムービーを用いることで、依存症の固有な時空間パターンの解明が期待されます。
2組織コンパートメントモデル、SRTM、またはLoganプロットなどの従来モデルに対する我々の速度論的モデルの主な利点は、時間変化パラメータを含みながらも、SRTMやLoganプロットと同様にパラメータに関して線形であることです。LPNT PETモデルに時間変化パラメータが存在することで、内因性神経伝達物質が定常状態にない場合でも、PETトレーサーの取り込みや置換を記述することが可能になります。我々の手法における臨床的側面として、統計的なステップを軽視することはできません。
このアプリテストは、エチケット記述のための時間依存性モデルを必要とするボックス位置を特定するために使用します。この手法は現在、依存症およびドーパミン系に適用されていますが、例えばセロトニンレベルの変化によって置換可能なPETトレーサーが存在すれば、うつ病やセロトニン系などの他の疾患や神経伝達物質系にも適用可能です。私たちはこの技術を用いて、依存症に特有の脳活動の空間的・時間的パターンを、さらには女性特有または男性特有の神経化学的シグネチャーまでも特定できることを期待しています。
ドパミン動画を作成するというアイデアは、共著者のChristian Constantineが古風なパラパラ漫画を用いて、時間的に変化するドパミン活性のパターンを表現しようとした時に初めて生まれました。最終的な成果物が動画であるため、本手法を視覚的に提示することは極めて重要であり、学術誌の静止ページでは実演が困難です。しかし、人間の目は優れたパターン認識システムであるため、誰も想定していなかったドパミン放出のパターンやシーケンスを発見できることを期待しています。また、本手順の中で免許を持つ医療従事者が行わなければならない工程については、Yale Pet Centerの認定核医学技師であるElisa Hildagoと、正看護師のCindy Dkoが実演します。
まず、PETスキャンとは別の日に、3D MP rageなどのPET前構造的MRスキャンを実施します。このMRスキャンは、PET画像の解剖学的リファレンスとして使用されます。また、スキャン前に被験者がPETスキャナー内で喫煙動作を練習できるよう手配してください。
患者の準備を開始するために、まず認定看護師がIVを挿入し、後でトレーサーを注入するポンプに接続できる状態にしておく必要があります。また、注入ポンプを準備し、RAC lapideトレーサーに適した注入パラダイムでポンプをプログラミングします。次に、頭部動作モニターをセットアップし、被験者の頭頂部に固定反射球を取り付けます。
球体は硬い十字形のツールに取り付けられ、そのツールはCRAスイムキャップに固定されています。Vic CCRAシステムのヘッドトラッキングレーザーが、反射球の位置を20 hertzの頻度で取得します。最後に、ペットスイートから副流煙を除去します。
実験中、エアフィルターの吸気口をスキャナーの前方かつ被験者の頭上に配置し、被験者が喫煙時にタバコを口に運べるだけのスペースを確保します。被験者をスキャナー内に配置します。その後、トレーサーの注入およびPET収集を行う前に、まず9分間の透過スキャンを実施します。
次に、認定核医学技術者にトレーサーを投与させます。通常、2人の技術者チームがトレーサーの投与とPETデータの収集を同時に開始し、喫煙の直前と直後に、被験者へ簡単な質問票を口頭で実施します。喫煙者は、ニコチンに対する渇望感、渇望の充足度、および嫌悪感を、1から100の尺度で評価する必要があります。
自然な喫煙体験に対するドパミン反応を捉えるため、被験者に喫煙を行わせます。ニコチンやタバコを研究員が投与するのではなく、喫煙者が自身のペースで、自身が普段使用している銘柄のタバコを吸うように指示してください。被験者は前日の深夜から禁煙しており、2本のタバコを連続して喫煙する必要があります。
一般的に、2本のタバコをすべて吸い終えるのに約10分かかります。その後、前述の通り、喫煙後に評価尺度を用いて評価を行います。スキャンセッション後、空間フィルタリング法の変法を適用します。すべてのPET画像に対して、フレームごとに高度に制約された逆投影を行います。
hyper LRの利点は、ドーパミンムービーの作成に使用する各ボクセルの時間情報を損なうことなく、空間ノイズを低減できることです。PETを被験者のMRデータに合わせ、次いで線条体AALマスクを適用します。RACLOPRIDEは、薬物依存に関与する脳領域である線条体のみに使用するのに十分な信号対背景コントラストを有しています。
テンプレート空間にあるすべてのPETデータに、商用前線条体のマスクを適用します。次に、特定の応答関数のセットを選択することで、刺激に対する考えられるドーパミン反応と一致するドーパミン応答関数を選択します。喫煙刺激に対して期待される曲線に、推定されたドーパミン反応の形状とタイミングを制約できるのはいつでしょうか?
ドーパミン濃度がガンマ分布型の曲線を描き、単峰性に上昇および下降することを確認してください。スキャン開始後45分に喫煙した場合、立ち上がり時間が40分以降となる一連の応答関数を含める必要があります。次に、マスク領域内の各個別のボクセルにおいて、PET時間活性曲線にLPNT PETモデルをフィットさせます。
モデルの演算方程式をここに示します。PETの時間活性曲線と各応答関数の積の積分は、モデルに寄与するTの線形基底関数セットとなります。LPNT PETは、ダイナミックPETデータのフィッティングに線形基底関数を用いる手法であるため、トレーサーの挙動を制御する速度論的パラメータと、スキャンセッション中の各フォックスホールにおける相対的なドーパミン濃度変化の時間プロファイルの双方を迅速に推定することが可能です。
次に、各フォックスホールにおけるLPNT PETのデータへのフィッティングから得られた加重残差平方和のマップを記録します。各フォックスホールでモデルをフィッティングさせることで、トレーサーパラメータの画像が生成されます。R1は相対血流値です。K2は標的領域の自由コンパートメントからの流出率です。
K two Aは、標的組織を1コンパートメントとしてモデル化したときの見かけのFLX率であり、gammaはドーパミン信号の大きさです。各voxelにおける二乗残差の加重和も、一つの画像として考えることができます。次に、マスク領域内の各voxelにおけるPET時間活性データに、MULTILINE参照組織モデル(MRTM)をフィットさせます。
これはLPNT petと同一の線形モデルですが、時間変動するドーパミン項のフィッティングが含まれていない点が異なります。MRTMをボクセル単位のデータに適用すると、R1、K2、K2aの3つのパラメトリック画像のみが推定されます。また、各ボクセルのデータに対するMRTMのフィットから得られた残差平方和の加重マップも記録します。次に、マスク内の各ボクセルにおけるF統計量を算出することで、平方和マップからFマップを作成します。
F統計量を用いて、LPNT PETの重み付き残差平方和とMRTMの重み付き残差平方和を比較し、それぞれのフィッティングしきい値における自由度の差を補正します。モデルフィッティングの自由度に基づき、確率Pが0.05未満となる値におけるFMAPを用いてマップを二値化し、線条体においてMRTMよりもLPNT PETの方がPET時間活性曲線への適合度が高いボクセルのみを保持する新しい有意性マスクを作成します。次に、有意性マスクに形態学的オープニング処理を行い、ノイズに起因すると想定される微小な孤立ボクセルクラスターを除去します。
直径2ボクセル以下の孤立したボクセル群を除去するために、等方的な2×2×2ボクセルのカーネルを使用します。これにより、最終的な有意性マスクが得られます。プロトコルで検討するすべての実験条件のデータに対して、同様の解析を行ってください。
各被験者について、「喫煙」と「コントロール」の2つの異なる条件下でデータを取得し、解析を行いました。最後に、複合的なドーパミンムービーを作成することで、喫煙群とコントロール群を比較しました。
同一被験者の異なる条件下でのドパミン movie を作成します。例えば、ベースラインまたはシャムタスクと、喫煙時を比較します。また、1人の被験者について、ベースラインおよび喫煙時の線条体の全スライスを含む複合ドパミン movie も作成します。
ここでは、単一のtri AALボクセルの時間活性化データにおける、2種類の異なるハイパー空間フィルタの効果とフィルタリングなしの場合の平滑度の比較を示します。上段と中段の行は異なるカーネルサイズでフィルタリングされた画像を示し、下段の行は左背側尾状核の同一の単一ボクセル位置からの対応する時間活性化曲線を示しています。ここでは、トレーサー注入後40分または45分で立ち上がるドーパミン応答関数の代表的な例を確認できます。
これらは、各ボクセルのPET時間活性データにLPNT PETモデルを適合させるために事前計算されたものです。この図は、左側尾状核のボクセルから得られた時間活性データに対する、従来のMRTMモデルおよび新しいLPNT PETモデルのそれぞれの適合結果を示しています。MRTMの適合曲線は青色、LPNT PETの適合曲線は赤色で表示されています。
ここでは、MRTMおよびLP NT petにおける加重残差平方和のパラメトリック画像を示しています。それぞれのWSSRマップをF統計量を用いて比較してFマップを作成し、さらに所望の確率レベルで閾値を設定してバイナリマスクを作成し、その後フィルタリングを行うことで最終的な有意性マスクを生成します。この図は、単一被験者の喫煙条件における最終的な有意性マスクの冠状断スライスを、対照条件における対応する被験者およびスライスの最終的な有意性マスクと比較して示したものです。
この動画では、基底状態または静止時のドーパミンレベルに対するフレームごとのドーパミンレベルの変化を示しています。ドーパミンレベルは色でエンコードされています。具体的に、色は基底レベルからのドーパミンの増加量を、基底レベルに対するパーセントで表しています。
ここでも、ドーパミンレベルはボクセルに対してのみ表示されています。これは、P < 0.05 の有意水準を超える最終的な有意性マスクに基づいています。この動画は、男性喫煙者のマルチスライス・マルチディドーパミン動画を示しています。
喫煙条件とベースライン条件における腹側線条体のすべてのスライスを同時に表示しています。2本目のタバコを吸ったあたりのタイミングで、右腹側線条体に顕著な活性化が見られることに注目してください。視聴しやすくするため、動画は数回繰り返されます。
この動画は女性喫煙者のスキャンから作成されています。1本目のタバコを吸った頃に、左背側尾状核で顕著な活性化が起こっていることに注目してください。視聴しやすくするため、動画は数回繰り返されます。
一度習熟すれば、PETデータからドーパミンムービーを作成する作業は数日で完了させることができます。将来的には、特に個別のムービーフレームのキャプチャなど、手順のさらなる自動化を目指しています。ドーパミンムービーの作成は、制約付き最適化問題であると考えることができます。
可能なドーパミン結果に対する制約は、初期ドーパミン反応関数の選択を通じて適用されます。ドーパミンムービーを作成したため、次は、例えば依存症の喫煙者と元喫煙者のように、異なる被験者のムービーを比較するための最適な類似性と非類似性の尺度を特定する必要があります。必要な尺度が整えば、脳活動のどの側面が変化したのか、あるいは正常に戻ったのかを明らかにすることができます。
喫煙者が禁煙に踏み切った際、本手法が他のPET研究者が取得しているPETデータを適切に記述し分析するための道を開くことが期待されます。アルコールなどの刺激を伴う他の依存行動の研究では、短期間の神経伝達物質反応が生じる可能性がありますが、薬物投与後の時点では研究レベルに達しないことがあります。今後は、異なるPETトレーサーを用いて同様の実験手順を行い、他の乱用薬物による脳内の神経化学的変化を検討したいと考えています。
このビデオを視聴することで、ペットデータからドーパミンムービーを作成する方法を十分に理解できるはずです。私たちは、タバコを吸った際の脳内ドーパミン系の一過性かつ極めて限定的な反応を捉えるために、この手法を用いました。ドーパミンムービーは、「PET実験」、「画像のプリプロセス」、「画像のモデリング」、「統計的ステップ」、「可視化ステップ」という5つのステップで作成されることを思い出してください。
本研究では、喫煙中のドパミン変動を捉えるための新しいPETイメージング技術を提示します。lp-ntPETを用いることで、線条体におけるドパミン活性のダイナミック画像が作成され、依存症に関連する神経化学的パターンの知見が得られます。
一過性のドーパミン変動を捕捉することで、時空間的な神経化学的シグネチャーが明らかになり、依存症ターゲットのバリデーションにおけるメカニズム的なリスク低減が可能になります。このアプローチは、行動刺激をリアルタイムの神経伝達物質ダイナミクスに結びつけることで、早期探索における予測の信頼性を高め、CNSターゲットに関するポートフォリオ決定に寄与します。本手法は、静的なバイオマーカーのスナップショットから、動的で条件応答性のターゲットエンゲージメント読み取りへと移行するという、創薬探索における重要な転換点に対応するものです。
この手法は、動的な神経伝達物質のフラックスデータを提供することで、標的仮説の検証からリード化合物の同定、さらには前臨床検証に至るまでのディスカバリー・コンティニュアム(創薬の連続的プロセス)に統合されます。