컴퓨터 터치 감지 태블릿, 시선 추적, 기능적 자기공명영상을 이용한 인지 검사 평가

Summary

MRI 호환 태블릿과 시력 추적 기술을 기능적 MRI와 함께 사용하여 표준 종이 기반 인지 검사 중 시운동 행동과 뇌 활동을 동시에 기록하는 프로토콜로, 이러한 검사의 사용 개선을 목표로 합니다. 예비 결과는 건강한 젊은 성인이 트레일 메이킹 테스트를 수행하면서 제시됩니다.

Abstract

종이 기반 인지 검사(예: Trail-Making test, TMT)는 오랫동안 임상 및 연구 환경에서 건강한 뇌나 손상된 뇌가 행동 수행을 어떻게 지원하는지 평가하는 데 사용되어 왔습니다. 널리 사용되고 있음에도 불구하고, 이러한 검사의 신경 상관관계는 잘 이해되지 못하며, 검사의 민감도와 특이성은 바람직하지 않습니다. 이러한 한계를 해결하기 위해, 새로운 태블릿 기술, 시구 추적, 기능적 자기공명영상을 동시에 결합하여 인지 검사 수행과 관련된 운동학 및 시각 행동과 신경 활동 간의 관계를 탐구하는 다중 모달 연구 프로토콜이 제안되었습니다. 프로토콜의 근거, 단계별 방법론, 대표 참가자의 결과를 제공하여 프로토콜의 타당성을 입증하고 대표성 인지 검사의 운동학적, 시각적, 신경적 상관관계를 탐구하는 잠재력을 보여줍니다. 현재 프로토콜은 기존 임상 MRI 신경과학 연구의 한계를 확장할 수 있으며, 다양한 인지 장애의 미래 진단 및 관리에 시사점을 제공합니다.

Introduction

인지 검사(ToC)는 20^세기에 정상 및 비정상 또는 병리적 인지 행동을 조사하고 특성화하기 위해 처음 대중화되었습니다. 이러한 검사들은 등장 이후 연구 및 임상 환경에서 널리 채택되었습니다^. 많은 ToC는 말하거나 펜과 종이를 사용해 글쓰기/그림 그리기와 같은 간단한 응답 형식으로 개발되었습니다. 후자의 예로, 트레일 메이킹 테스트(TMT)는 인지 장애에 민감하다는 점에서 널리 사용되는 대표적인 ToC입니다. TMT-A(숫자만)와 TMT-B(숫자와 문자) 두 부분으로 구성되며, 참가자들은 펜으로 페이지 위에 의사 무작위로 배열된 25개의 문자를 오름차순(TMT-B의 경우 역시 교대) 순서로 연결(링크)해야 합니다(예: TMT-A: 1-2-3-4-5-6...; TMT-B: 1-A-2-B-3-C...). TMT에서의 인지 수행 능력을 평가하기 위해, 완료 시간과 오류를 집계하여 연령대와 교육 상태를 기준으로 규범 값과 비교합니다². TMT는 작업 전환, 시각적 탐색, 기억, 시력 조절, 주의력 등 집행 전두엽 기능의 중요한 측면인 복잡한 인지 과정을 동원하고 평가하는 것으로 여겨집니다 ^1,3.

TMT는 ToC에서 높은 민감도를 보이지만, 진단 측면에서는 낮은 특이성이 한계로 잘 알려져 있습니다^. 일반적으로 민감도와 특이성 문제는 특히 임상 환경에서 ToC의 적용과 타당성에 있어 단점이 됩니다^. 이 문제를 완화하기 위한 전통적인 방법은 인지장애자와 인지적으로 온전한 그룹 간의 차별을 개선하기 위해 '테스트 배터리'(종종 TMT 포함)에서 ToC를 투여하는 것이었습니다. 하지만 테스트 배터리는 시간이 많이 걸리고 비용이 많이 들며, 관리 및 분석에 상당한 전문 지식이^{필요합니다.} 이러한 물류적 문제들은 다시 '인지 평가' 도구의 개발로 이어졌는데, 이는 자원이 제한된 환경(예: 의료 클리닉)에서 신속히 시행할 수 있도록 상당히 간소화되고 점점 더 컴퓨터화되는) 검사 배터리였으며, 그 대신 민감도와 특이도 향상이 일부 희생되었습니다. 이러한 도구의 한 예가 몬트리올 인지 평가(MoCA)⁶입니다.

수정된 MoCA와 같은 컴퓨터 평가는 펜과 종이 유사체⁷과 ToC⁸ 배터리 테스트에서 성공적으로 검증되었습니다. 그러나 이러한 행동 검사 도구들에는 적절한 수행과 잘못된 수행의 구분 부족, 시험 전체 점수에 집중하고 시험 내 효과가 부족함, 그리고 ToC 수행을 뒷받침하는 다양한 행동 전략과 관련 뇌 활동에 대한 통찰이 제한적이라는 근본적인 한계가 여전히 남아 있습니다 ^4,9. 그러나 이러한 한계는 상세한 행동 기록, 과제 내 행동 평가¹⁰, 기능적 신경영상(예: 뇌파¹⁰, 기능적 근적외선 분광¹¹, 기능적 자기공명영상¹²)을 결합한 연구를 통해 극복할 수 있습니다.

기능적 자기공명영상(fMRI)은 신경 활성화의 대리 지표로 혈역학적 반응을 매핑하여 뇌 활동의 고해상도 이미지를 생성합니다. 비록 비용이 많이 들지만, fMRI가 뇌파 전파(EEG)와 기능적 근적외선 분광법보다 뛰어난 공간 해상도를 제공하여 뇌 전체에 걸친 활동을 위치시킬 수 있습니다. 따라서 본 연구는 TMT를 대표적인 예로 사용하여 fMRI와 컴퓨터 MRI 호환 태블릿 및 시선 추적 시스템을 이용한 상세하고 연속적이며 동시적인 행동 기록을 결합한 ToC의 새로운 투여 방법을 설명합니다. 이 다중 모드 프로토콜은 fMRI로 추정된 인지 과제 수행과 신경 활동 간의 관계를 크게 향상시키는 평가를 제공하여 기존 ToC에 대한 이해를 높이고 향후 향상된 ToC 개발에 대한 통찰을 제공할 가능성이 있습니다.

태블릿, 시선 추적, fMRI 데이터를 동시에 획득하는 실험 구성을 상세히 설명하기 전에, 개념적 구성과 접근법을 요약하는 것이 도움이 됩니다(그림 1). MRI 호환성과 인체공학적 이유로 태블릿 시스템은 시중에 판매되는 태블릿과는 약간 다릅니다. 인기 있는 태블릿은 컴퓨터 디스플레이 위에 투명한 터치 감지 화면이 장착되어 있어 사용자가 태블릿을 직접 바라보고 스타일러스 기반 글쓰기와 그림 반응을 자연스럽게 포함한 시각적 입력을 받을 수 있습니다. 현재 상황에서는 터치 감지 스크린 아래에 컴퓨터 디스플레이가 없습니다. 이 설계는 자석 보어 중심의 강한 자기장 환경에서 복잡한 컴퓨터 디스플레이 전자장치를 안전하게 작동시키지 않고, MR 이미지에 부정적인 영향을 주지 않도록 합니다. 인체공학적 관점에서 보면, 자석 구멍 내 공간도 매우 제한적이어서 연구 참가자가 글을 쓰고 그림을 그릴 때 손을 직접 보는 것은 비현실적입니다.

따라서 실험 장치는 참가자들이 허리의 지지대에서 태블릿 상호작용을 수행하고, 모든 시각 정보(테스트 자극, 스타일러스 반응, 손으로 스타일러스를 조작하는 영상)를 통합하여 거울을 통해 자석 구멍의 뒤쪽 구멍에서 시청하도록 합니다. 시각 정보는 상업적으로 판매되는 MRI 호환 프로젝터를 사용해 후면 투사 스크린에 표시됩니다(자세한 내용은 아래에 제공됨). 마찬가지로, 상업용 시선 추적 시스템(아래에 자세한 내용도 제공됨)이 후면 자석 구멍에 장착되어 같은 거울을 통해 눈 움직임을 빠르게 영상화할 수 있습니다. 프로젝터, 스크린, 시선 추적 장치는 서로 물리적으로 간섭하지 않도록 신중하게 배치되어야 합니다. 마지막으로, 태블릿, 프로젝터, 시선 추적 시스템과의 전원 및 데이터 연결은 다양한 차폐 케이블을 통해 이루어지며, 이 케이블은 자석실과 MRI 시스템을 주변 전자기 간섭으로부터 보호하는 고주파 차폐막의 '관통 패널'을 통과합니다. 데이터 케이블은 컴퓨터 제어 하에 있으며, 그림 1 에서는 MRI 콘솔 영역에서 운영자가 통제하는 단일 장치로 개념적으로 나타난다(MRI 시스템 조작에 사용되는 컴퓨터 콘솔과는 구분). 아래에서 설명하듯, 현재 실험 장비에는 여러 대의 컴퓨터가 참여하고 있습니다.

태블릿 시스템

맞춤 제작된 컴퓨터화된 태블릿 시스템은 MRI 호환 부품(터치 감지 표면, 조절 가능한 높이 지지 플랫폼, 힘 감지 스타일러스, 프로젝터 시스템)¹²로 구성되어 있으며, 4.3mm 렌즈가 장착된 비디오 카메라(실험실에서는 '태블릿캠'로 명명됨)와 맞춤형 발광 다이오드(LED) 조명기¹³으로 구성되어 fMRI 중 자석 구멍 내에서 자연스러운 필기나 그림 반응을 기록할 수 있습니다(그림 2A),B). 콘솔 구역에는 두 대의 연결된 컴퓨터가 시스템 제어를 위해 사용되는데, 하나는 비디오 카메라로부터 비디오 데이터를 수신하고 처리하는 데 사용되는 ("태블릿 비디오 카메라 컴퓨터")이고, 다른 하나는 테스트 실행, 시각 자극 전달, 태블릿 데이터 기록, 그리고 시간에 따라 의존하는 시각 자극과 스타일러스 작성 및 그리기 응답을 중첩한 비디오 파일 생성("Stimulus/Response computer"; 그림 2C). 지연 감응 기능 집합의 실시간 성능 제한 없이 2대 컴퓨터 방식을 선택하며; 연구를 위한 모듈화(예: 다양한 태블릿 기반 행동 작업, 비디오 카메라 선택적 사용); 호환성의 용이성(유일한 요구 조건은 호환 가능한 비디오 출력 포맷)입니다.

이 정제 시스템은 이전에 여러 fMRI ToC 연구에서 사용되었으며, 모두 강력한 생태학적 타당성을 시사합니다¹⁴. 선택 가능한 비디오 카메라는 원래 태블릿 구성에 추가되어 참가자가 작업 수행 중 손 위치(VFHP)를 실시간으로 상향 증강현실(AR) 환경에서 볼 수 있도록 하여 작업 자극뿐만 아니라 스타일러스 반응과 손 움직임을 실시간으로 중첩하여 볼 수 있게 합니다¹³ (그림 2D). 비디오 카메라 데이터 처리¹³의 원래 구현에서는 손과 스타일러스가 각 비디오 프레임에서 피부색 감지 알고리즘을 사용해 분리되었고, 스타일러스는 빨간색으로 구현되어 피부색의 적-녹-파랑(RGB) 분포 내에 위치하도록 했습니다. 최근에는 단순함과 기타 장점 때문에 '블루 스크린' 접근법이 채택되고 있습니다. 태블릿의 터치 감지 표면에 파란색 페인터스 테이프를 덮어 파란색 배경을 만듭니다. 그 후 테이프의 색상 분포가 상당히 다르다는 점에 따라 각 비디오 프레임에서 손과 스타일러스를 배경과 분할할 수 있습니다. 동시에, 이 과정은 손이나 스타일러스가 차지하는 모든 위치에서 값을 '1', 다른 위치에서는 '0'인 이진 마스크를 생성할 수 있게 해줍니다. 자극/반응 비디오와 카메라 비디오는 a) 주어진 마스크가 0인 모든 곳의 자극/반응 비디오 데이터와 b) 주어진 마스크가 1인 모든 곳의 자극/반응 비디오 데이터, b) 카메라(손과 스타일러스) 비디오 데이터로 구성된 프레임을 생성하여 겹쳐 둡니다. 페인터스 테이프는 스타일러스 끝을 스타일러스 표면을 가로질러 움직일 때 추가적인 마찰을 유발하여, 테이프를 떼어냈을 때의 저마찰 '플라스틱과 플라스틱' 같은 느낌과 달리 펜이나 연필로 종이에 글을 쓰는 경험에 더 가깝습니다. 전반적으로 결과적으로 생성된 인터랙티브 AR 환경은 태블릿 디자인의 생태학적 타당성을 더욱 강화하며, VFHP 부재 시 발생하는 고유수용감각에 의존하는 미세 운동 수행을 줄입니다(^13,15).

태블릿 구성은 MRI 호환 프로젝터(그림 2E)와 자석 구멍 뒤쪽에 위치한 맞춤형 후면 투사 스크린과 함께 사용됩니다. 참가자들은 헤드 코일에 장착된 각진 거울을 통해 화면을 시청합니다. 손끝이나 스타일러스(접촉력을 기록하는 센서도 포함)를 사용하여, 참가자는 허리에 위치한 지지대 위에 부착된 터치 감지 표면과 상호작용하며, 이 플랫폼은 각 개인에 맞게 조절 가능합니다. 아날로그 태블릿 신호는 고주파 침투 패널의 전자기 간섭(EMI) 필터를 통과한 후, 자석실 외부의 태블릿 인터페이스 박스를 통해 터치 데이터(표면 위치 및 힘 데이터)로 변환되고, 기록되어 자극/반응 컴퓨터에서 터치 반응의 그래픽 표현을 위해 해석된 후, 시각 자극 및 분할된 손 및 스타일러스 비디오와 결합됩니다; 그리고 프로젝터를 통해 참가자에게 전달됩니다.

TMT 블록 설계

TMT는 TMT-A와 TMT-B 과제 수행을 번갈아 진행하고, 흰색 배경에 표시된 중앙의 검은 십자선에 시각을 고정하는 고정 블록 방식으로 시행됩니다. 전체 작업 설계는 기존 TMT 문헌^{1, 16, 17, 18}에서 변형되었으며, TMT-A에서는 동그라미 친 숫자들(1부터 25까지)을 화면 전역에 의사 무작위로 오름차순으로 연결하는 내용입니다. 마찬가지로 TMT-B는 동그라미 치인 숫자(1–13)와 글자(A-L)를 번갈아 오름차순으로 연결합니다. 시각 고정 상태를 포함하여, TMT-A와 TMT-B와 관련된 뇌 활동을 관심 있는 활성화와 단순하고 안정적인 인지 요구가 낮은 상태의 활성화 사이에서 통계적 대조로 분석할 수 있도록 합니다. fMRI 실험에서 관찰된 신호-대비 잡음비 비율이 본질적으로 낮기 때문에, 각 행동 조건(TMT-A, TMT-B, 시각 고정)은 여러 시험에서 반복되어 집단 fMRI 데이터를 분석할 때 뇌 활동을 감지하는 통계적 역량이 향상됩니다. 각 시험의 TMT 플롯은 표준 TMT 레이아웃을 기반으로 자극 분포를 180° 회전시키거나, 숫자만 있는 자극과 숫자-문자 자극을 교체하거나, 둘 다 적용하여 TMT-A와 TMT-B 그래프의 특성 및 번호 분포 차이로 인한 시각 및 운동 혼동을 최소화^합니다.

현재의 실험 및 훈련 과제는 행동 및 신경영상 연구를 위한 상업용 자극 제시 소프트웨어에 구현되어 있으며, Stimulus/Response 컴퓨터에서 실행됩니다. 실제로는 TMT가 두 번의 "런"으로 나누어 시행되며, 각 시간은 4분 50초입니다. 각 주행은 초기 10초 휴식 고정 블록으로 구성되며, 이어서 TMT-A 작업(40초), 휴식 고정(20초), TMT-B 작업(60초), 휴식 고정(20초) 두 차례 시도가 이어집니다(그림 3). 각 러닝 시작 시 참가자들은 표준화된 종이 TMT 테스트^{16, 17, 18, 19}에서 사용되는 지침을 받습니다: 터치 감지 표면에서 스타일러스를 들지 않고 "시작"에서 "끝"까지 원을 가능한 한 빠르고 정확하게 연결하세요. 기존의 종이 TMT 시행과 달리, 시험 관리자(연구실 소속)는 참가자가 실수를 할 경우 TMT 수행을 중단하고 다시 시작하지 않습니다. 대신, 참가자들은 단순히 다음 해당 문자 링크로 계속 진행하도록 안내받습니다. 이 수정은 특정 TMT 임상시험 내에서 시야 추적 및 fMRI 데이터 수집을 중단 및 재시작하는 데 따른 데이터 분석 혼란을 제거합니다. 하지만 이는 데이터가 수집된 후 오류 감지 및 분류 방법을 구현해야 하는 과정이 필요합니다(프로토콜 및 논의 섹션 참조). 또한, 테스트 관리자는 TMT 수행 중 스타일러스 반응을 실시간으로 시각적으로 모니터링하여 오류가 발생했는지 기록하고, 터치 감지 표면이 잘 보정되었는지 확인합니다. 태블릿 보정 오류 및 기타 하드웨어 오류(예: 전원 또는 장비 고장)의 경우, 테스트 관리자는 현재 TMT 데이터 수집 실행을 반복할지, 터치 감지 표면의 재보정을 포함할지 결정하며, 이후 분석에서 참가자 데이터 사용을 중단하고 제외할지 결정합니다.

눈 추적

인간 시각 시스템이 장면을 처리할 때, 예를 들어 TMT 수행 중에는 탄도 안구 운동(사카케이드)이 전후에 시간 안정(고정)의 기간이 이어집니다²⁰. 따라서 MRI 호환 고속 시력 추적 시스템이 현재 맥락에서는 적외선 조명(910 nm 파장)과 1 kHz 샘플링 주파수를 사용하여 고정 및 강간을 장거리 단안으로 추적하는 데 사용됩니다(그림 4A). 투사 디스플레이 아래에 위치한 시선 추적 카메라에서 참가자의 눈은 헤드 코일 미러에 위치합니다(그림 4B-D). MRI 시스템에 포함된 제품 헤드코일 미러는 고품질 추적을 가능하게 하기 위해 시선 추적기 제조사에서 제공한 전면 거울로 교체되었습니다. 동공은 각막 반사를 추적하는 표준 중심 적합 알고리즘(그림 4D)을 사용하여 검출되며, 고정, 강간, 그리고 눈 깜빡임 속도와 동공 크기 등 인지 처리와 관련된 두 가지 추가 수치(논의 참조)를 측정합니다. fMRI 시작 시 MRI 시스템에서 방출되는 트리거 펄스는 뇌 활성화 기록을 a) TMT 과제 자극 전달 및 스타일러스 반응(Stimulus/Response 컴퓨터가 제어하는)과 시간 동기화하는 데 사용됩니다; b) TMT 성능이 포함된 시선 추적 데이터. 데이터 분석을 용이하게 하기 위해, 시선 추적 데이터는 실험 중 주요 사건과 관련된 라벨을 추가로 '타임스탬프'하여 각 TMT-A 및 TMT-블록의 시작 및 종료 시간을 제공합니다.

추가 실험실 구성원은 참가자와의 시력 추적 설정, 시력 추적 보정, 실시간 시력 추적 데이터 수집 검사를 주로 담당합니다. 시선 추적 시스템의 보정 및 검증은 첫 번째 TMT 실행(그림 4E) 전에 수행되며, 첫 번째와 두 번째 TMT 실행 사이에는 "드리프트 체크" 절차로 이루어져 결과의 일관성을 유지하면서 머리 위치의 미세한 변화를 고려합니다(정확한 사양과 순서는 아래 프로토콜 참조). 교정은 9점의 시선 추적 테스트로 구성되며, 각 경우에 참가자는 디스플레이 중앙의 목표물을 고정한 뒤, 의사 무작위 순서로 8개의 서로 다른 주변 목표물을 순차적으로 고정해야 합니다. 검증을 위해 참가자는 같은 9개의 대상을 다시 추적하고, 보정 모델을 사용해 시선 위치를 추정합니다. 이를 통해 추정된 시선과 실제 목표 위치 간의 차이를 나타내는 오차 측정값을 수집할 수 있습니다. 공간 오차는 시험 완료 시 시각 각도 정도로 보고됩니다. 초기 보정 및 검증은 평균 오차가 <0.5^o 이고 최대 오차가 <1.0^o(시선 추적 소프트웨어가 제공하는 'GOOD' 등급에 해당)일 때 허용됩니다. 오차가 점점 더 심해지는 다른 범주는 예를 들어 "FAIR", "POOR", "FAILED" 등으로 등급이 매겨져 재조정과 검증이 필요합니다. 또한 실험실 구성원은 특정 지점에서 잘못된 고정을 나타내는 이상치 오류나 시력 추적기 설정 문제를 시사하는 체계적인 오류 패턴을 확인할 수 있습니다. 실행 사이에는 드리프트 체크 절차가 중심 목표에만 고정된 검증 테스트를 수행하는 것으로 구성됩니다. 성공한 점검(최대 오차< 2.0^o)이 두 번째 TMT 실행을 진행할 수 있게 됩니다; 그렇지 않으면 실험실 구성원이 교정 후 검증을 수행하여 평균 오차가 <1.0^o가 되고 최대 오차가 <2.0^o가 될 때까지 검증해야 합니다. 모든 오류 값은 이후 평가를 위해 기록됩니다. 시선 추적 시스템 소프트웨어의 표준 설정을 사용하여 시선 추적 데이터를 단속과 고정 상태로 분류합니다. 사카드는 다음과 같은 감지 임계값에 따라 분류됩니다: 움직임 0.1^o; 속도 30^O/s; 가속도는 8,000^o/s입니다. 다른 모든 시력 추적 데이터는 고정 관찰로 분류됩니다.

신경영상

3-테슬라 MRI 시스템이 64채널 헤드 코일과 함께 사용되어 고품질 신경영상 데이터를 얻습니다. 해부학적 획득은 고해상도, 3차원, 시상 T1 가중 자화화 준비 급속 구배 에코(MPRAGE) 시퀀스(반복 시간/에코 시간/역전 시간/뒤집힘 각도 TR/TE/TI/FA=2,500 ms/4.37 ms/1,100 ms/7^o, 일반화된 자동 보정 부분 병렬 획득(GRAPPA) 인자 2, 256 x 256 매트릭스, 192 슬라이스, 1 mm 등방성 복셀, 3분 45초 영상 시간)으로 시작됩니다. 뇌 활동의 간접 측정은 fMRI를 통해 신경혈관 결합에서 발생하는 혈액 산소 수치 의존(BOLD) 신호 대조를 측정^합니다. fMRI의 경우, 일반적인 T2* 가중 BOLD 획득은 에코 평면 영상(EPI, TR/TE/FA = 1,750 ms/30 ms/40^o, 슬라이스 가속도 2, 위상 가속도 2, 80 x 80 매트릭스, 60 슬라이스, 2.5 mm 등방성 복셀, 165 타임포인트, 4분 49초 영상 시간)을 사용합니다. 위에서 설명한 TMT에 대해 두 차례의 fMRI 검사가 수행됩니다.

Protocol

실험 프로토콜의 테스트와 개발은 자원봉사자들이 각자 연구 참여에 대한 자유로운 서면 동의서를 제공함으로써 이루어졌습니다. 이 연구는 캐나다 토론토의 써니브룩 건강 과학 센터에 위치한 연구 윤리 위원회(REB)의 검토 및 승인을 받았습니다.

1. 실험적 절차

참고: 1단계부터 5단계까지는 MRI 시스템의 환자 테이블에 참가자를 배치 하기 전에 진행됩니다. 관련 MRI 시스템 위치는 콘솔 구역, 자석실, 인접한 장비실로 구성되어 있습니다. 관통 패널의 콘솔 영역 컴퓨터와 연결 부는 그림 5에 나와 있습니다.

1. 일반 설정
   참고: 이 프로토콜은 Sunnybrook Research Institute의 공동 저자들이 사용하는 특정 MRI 시스템과 실험실 환경에 맞게 설명되어 있습니다. 다른 MRI 시스템 및 환경에서는 프로토콜 변형이 필요할 수 있습니다. 하드웨어 및 소프트웨어 전체 목록은 재료표 를 참조하세요. 연구자들의 지역 현장 조건에 따라 다양한 버전의 터치 센서가 제공되었습니다.
   1. 태블릿을 손 위치(VFHP)에 대한 시각적 피드백을 준비하세요.
   2. 태블릿이 프레임에 단단히 부착되어 있고 MRI 호환 태블릿 비디오 카메라가 부착되어 있는지 확인하세요.
   3. 태블릿 표면에 새 파란색 테이프를 붙여 터치 표면 전체를 덮고, 드로잉에 방해가 되거나 보정을 왜곡할 수 있는 큰 주름이 없도록 하세요. 태블릿 표면 가장자리에 남은 테이프를 제거하세요.
2. 태블릿 시스템 설정 (콘솔 구역)
   1. 라디오 주파수(RF) 침투 패널의 장비실 쪽(ERS)에서 태블릿 비디오 카메라 전원 어댑터를 연결하고 카메라 필터 박스에 연결합니다.
   2. 필터 박스에서 Bayonet Nut Coupling(BNC) 비디오 케이블을 태블릿 비디오 카메라 컴퓨터의 핸드 비디오 입력 지점에 연결하세요.
   3. 태블릿 인터페이스 박스에서 RF 침투 패널의 ERS에 있는 필터로 9핀 D-서브미니어처 커넥터(DB9) 연장 케이블을 연결하세요.
   4. Stimulus/Response 및 태블릿 비디오 카메라 컴퓨터가 작동하면, 인터페이스 박스에서 Stimulus/Response 컴퓨터로 두 개의 범용 직렬 버스(USB) 케이블을 연결하고, 태블릿 인터페이스 박스를 전원에 연결하세요.
   5. 고화질 멀티미디어 인터페이스(HDMI) 케이블을 사용해 자극/반응 컴퓨터 디스플레이 출력을 태블릿 비디오 카메라 컴퓨터 자극/반응 비디오 입력에 연결합니다.
   6. 처리된 태블릿 비디오 카메라 디스플레이를 fMRI 프로젝션 시스템으로 전송하려면 두 장치 사이에 비디오 그래픽 배열(VGA) 케이블을 연결하세요. MRI 호환 프로젝터를 켜세요.
   7. USB 응답 박스(URB) BNC를 MRI 트리거 펄스 출력 시스템에 연결하세요. fMRI 실험을 시작하기 직전에 케이블의 USB 쪽을 Stimulus/Response 컴퓨터에 연결하세요.
3. 태블릿 시스템 설치 (마그넷룸)
   1. 태블릿, 스타일러스, 태블릿 링크(DB9), 그리고 태블릿 비디오 카메라 연결 케이블을 자석 방으로 가져가세요.
   2. 태블릿 링크와 태블릿 비디오 카메라 링크 케이블을 태블릿 시스템에서 RF 침투 패널의 자석실 쪽(MRS)으로 연결합니다.
      참고: MRS 케이블에 굴곡이나 루프가 없는지 확인하세요. 이는 RF 발열을 일으킬 수 있습니다.
   3. MRI 호환 태블릿 클립을 환자 테이블 레일에 두 개씩 끼워 고정하세요.
   4. MRI 호환 프로젝터를 자석 뒷부분, 자석 구멍에서 약 1m 떨어진 곳에 배치합니다. MRI 호환 후방 투사 스크린을 자석 내부, 프로젝터에서 약 2m 떨어진 곳에 장착하세요( 그림 4B,C 참조).
4. 시선 추적 시스템 설치 (참가자 없는 자석 방)
   참고: 장거리 마운트 MRI 설치 자세한 지침은 시력 추적 시스템(재료표 참조) 설치 가이드에 제공되어 있습니다. 자석실 내 시선 추적 카메라 위치는 MRI 환경에서 부품 배치 및 배선에 관한 시선 추적 시스템 권고사항을 채택해야 하며, 이는 부위마다 다를 수 있습니다(시력 추적 시스템 설치 가이드 - 장거리 마운트 설치 - MRI 설치 47-57쪽)²².
   1. MRI 호환 시력 추적 카메라를 자석 내부, 프로젝터 스크린과 내부 가장자리 사이에 설치하여 카메라 마운트가 튜브 바깥 가장자리와 평평하게 맞추도록 합니다. 카메라 마운트의 플라스틱 나사를 조정하여 카메라 시스템을 보어에 고정하세요.
   2. 광섬유(FO) 케이블을 MRI 호환 시력 추적 카메라에 연결하세요. FO 케이블을 콘솔 쪽으로 바깥쪽으로 연결해 콘솔의 웨이브가이드를 통해 MRI 안전 카메라 인터페이스에 연결하세요.
   3. 눈추적기 전원 케이블을 자석실로 가져와서 DB9 쪽을 침투 패널 필터에 연결하고, 다른 쪽 케이블 쪽은 MRI 호환 시력 추적 카메라와 조명기에 연결하세요. 카메라 렌즈 캡을 제거하세요.
      참고: 전원 케이블의 DB9 쪽 끝은 MR-안전하지 않을 수 있습니다; MR 환경에 들어오자마자 이 끝을 관통 패널에 안전하게 연결하되, 자석과의 최대 거리를 유지해야 합니다. 또한, FO 케이블과 시선 추적기 전원 케이블을 서로 멀리, 그리고 자석실 바닥의 다른 케이블들과는 떨어뜨려 서로 멀리 두어 얽힘과 신호 간섭을 방지하세요.
5. 시선 추적 시스템 설정 (콘솔 영역, 참가자 없음)
   1. 침투 패널의 ERS에서 눈 추적기 전원 어댑터를 콘센트와 해당 DB9 필터 포트에 연결합니다.
   2. 시선 추적 컴퓨터에서 자극/반응 컴퓨터 트리거를 캡처하려면 DB25 케이블로 병렬 포트를 연결하세요.
   3. 시선 추적 시스템과 태블릿 비디오 카메라 컴퓨터 간의 통신을 위해 두 기기를 카테고리-5e(CAT5e) 이더넷 네트워크 케이블로 연결합니다. 시선 추적 컴퓨터 가동해.
6. 참가자 구성 (자석실 내)
   1. 환자 테이블에 64채널 헤드 코일이 설치되어 있고, 참가자에게 머리를 최대한 코일 안쪽으로 넣은 채 테이블에 누워 두도록 하세요. 움직임을 막기 위해 머리 주변에 패딩을 추가해 고정하세요. 랜드마크 레이저를 사용해 헤드가 헤드 코일 중앙에 있는지 확인하세요.
   2. 헤드 코일 미러 위치를 조정하여 참가자가 후면 투사 스크린을 명확하고 방해받지 않는 시야를 확보할 수 있도록 합니다.
   3. 태블릿 마운트를 참가자의 허리 위에 올려 터치 감지 표면이 편안하게 위치하도록 하여 글쓰기와 그림 동작을 쉽게 할 수 있도록 하세요.
   4. 태블릿 스타일러스를 참가자의 주된 손에 쥐고, 펜을 들고 있는 것처럼 스타일러스를 잡도록 하세요. 참가자에게 스타일러스로 터치면의 네 모서리를 모두 만져보라고 하여 편안함을 평가하게 합니다. 태블릿 위치를 조정하고 필요에 따라 팔꿈치 아래에 패딩을 추가하여 부담이나 장애물을 최소화하세요.
   5. 편안한 자세를 취하면 벨크로 스트랩으로 태블릿 시스템을 환자 침대에 단단히 고정하세요. 참가자와 태블릿 시스템을 조심스럽게 자석 구멍 안으로 옮기세요. 태블릿 시스템이 튜브 가장자리를 부딪히지 않고, 태블릿 케이블이 엉키지 않는지 확인하세요(그림 2A).
7. 시선 추적 소프트웨어 설정 (콘솔 구역 및 자석실)
   참고: 태블릿 비디오 카메라 컴퓨터 또는 자극/반응 컴퓨터에서 수행하는 모든 소프트웨어 설정은 연구실 구성원들이 적절한 키보드 입력과 마우스 클릭을 사용하여 수행합니다.
   1. 태블릿 비디오 카메라 컴퓨터에서 비디오 camera.exe 프로그램을 엽니다. 시스템이 초기화되는 동안 설정 대화상자 가 뜰 때까지 기다린 후 컴퓨터 마우스로 확인 버튼을 누르세요.
      참고: 이 시점에서 참가자는 손 위치/스타일러스에 대한 전체 화면 비디오 피드백을 볼 수 있어야 합니다(그림 2D).
   2. 태블릿 비디오 카메라 컴퓨터에서 스크린 레코더 프로그램을 엽니다.
   3. 참가자의 시선 추적 데이터를 위해 참가자 ID를 사용하여 새로운 화면 캡처 세션을 생성하세요.
   4. 눈 추적 시스템 사용자 매뉴얼의 권고사항을 따라 동공과 각막 반사 임계값을 설정하고, 눈 추적 카메라를 보정 및 검증하세요 (눈 추적 시스템 사용자 매뉴얼 - 튜토리얼: 실험 실행 81-91쪽)²³.
      1. 참가자의 오른쪽 눈 시선 추적 카메라 뷰를 다양한 카메라 뷰를 전환하고, 렌즈에 초점을 맞추고, 조명 조절을 통해 조정합니다.
      2. 허용 가능한 동공 역치값과 각막 반사(CR) 값이 설정되면, 값을 기록한 후 9점 보정( C 버튼을 누르세요)을 진행하세요.
      3. 보정 검증(V 버튼을 누르세요). fMRI 실험으로 진행하기 전에 평균 및 최대 검증 각도 값을 기록하세요. 만약 보정 결과가 최적이 아니면(FAIR 또는 POOR), 평균 오차가 <0.5^o, 최대 오차가 <1.0^o에 해당하는 GOOD 결과가 나올 때까지 보정/검증을 반복합니다(그림 4D,E).
8. 태블릿 보정
   1. Stimulus/Response 컴퓨터를 사용해 태블릿 터치 표면을 보정하세요.
   2. 태블릿 보정을 시작하려면 ELO 3점 보정 을 엽니다.
   3. 참가자에게 스타일러스로 화면에 나타나는 세 개의 목표를 연속으로 터치하고 놓으라고 지시하세요.
   4. 보정이 완료되면 참조된 그래픽 편집 프로그램( 재료표 참조)을 열고 참가자에게 자유롭게 그리도록 지시하여 스타일러스가 제대로 추적되고 있는지 확인하세요. 필요에 따라 8.1–8.4단계를 반복합니다.
      참고: 태블릿 반응 그래픽에서 자주 흔들리거나 튀는 현상은 스타일러스가 제대로 트래킹하지 못하고 있어 재보정이 필요함을 시사합니다.
9. 훈련 프로토콜
   1. 참가자가 태블릿 인터페이스에서 글씨와 그림 그리기에 익숙해지도록 하기 위해, 필수 떨^{림 연구의} 자기 주도 훈련 과제를 따라 진행하도록 요청하세요. 여기에는 참가자가 서명하고 Fahn-Tolosa-Marin Tremor 과제를 수행하는 것이 포함되며, 이 과제는 점점 좁아지는 가이드라인 사이에 나선선과 수평선을 그리는 것입니다.
   2. 참가자가 TMT에 익숙해지도록 하기 위해, TMT-A와 TMT-B의 단순화된 버전으로 구성된 자기 주도 학습 과제를 안내하며, 12개의 문항만 포함합니다. 이 훈련 후에는 실험 과제와 같은 타이밍으로 물건을 재배열한 TMT-A와 TMT-B의 실물 크기 대체 버전을 안내합니다. 태블릿이 잘 교정되어 있고 참가자가 TMT 과제를 프롬프트에 따라 수행하는지 확인하기 위해 참가자의 수행 능력을 모니터링하세요.
10. 실험적 패러다임
    참고: 이 워크플로우는 위에서 설명한 TMT 블록 설계를 구현합니다.
    1. 눈 추적기 녹화를 시작하세요. 태블릿 비디오 카메라 컴퓨터에서 스크린 레코더 프로그램에서 녹화 시작을 선택하세요.
    2. Stimulus/Response 컴퓨터에서 TMT-Run1_slow.ebs2 E-Prime(E-Run) 스크립트 파일을 엽니다.
    3. MRI 시스템의 트리거 출력에 최종 연결을 하세요: URB를 자극/반응 컴퓨터에 연결하세요.
    4. E-Run 스크립트가 요청하면 참가자 ID 와 세션 번호 를 입력하세요.
    5. 참가자에게 MRI 시스템 인터콤을 통해 TMT를 완료하는 구두 지침을 제공합니다(그림 6). 참가자가 진행 준비가 되었는지 확인하세요.
    6. E-Run 스크립트는 참가자에게 TMT 지침을 제공합니다. TMT-A, TMT-B, 시각 고정 조건의 첫 시도는 fMRI 시작 시 URB를 통해 MRI 시스템에서 트리거 펄스가 전송되면 시작됩니다.
    7. 달리는 동안 시선 추적기 데이터를 모니터링하여 신호가 안정적인지 확인하세요(실험실 구성원 1명). 또한, 참가자의 TMT 성능(스타일러스 반응)을 모니터링하여 지시를 잘 따르고 있는지, 설정 문제(예: 불안정한 영상 투사, 추적 스타일러스 등; 두 번째 실험 멤버)가 없는지 확인하세요. 두 번째 실험실 구성원에게 TMT-A 또는 TMT-B의 성능 오류와 시험 번호도 기록하게 하세요.
    8. 주행이 끝나면 시선 기록을 중단하고 시선 추적 시스템 사용자 매뉴얼(91-92쪽)²³의 권고사항에 따라 드리프트 보정을 수행합니다. 드리프트 체크가 오차가 2.0°< 발생하면 진행하세요. 오차가 ≥2.0일 경우, 평균 오차가 <1.0°, 최대 오차가 2.0°< 될 때까지 보정/검증을 수행합니다.
    9. 런 2에서는 눈 기록 세션을 재시작하고, Stimulus/Response 컴퓨터에서 E-Run 스크립트 파일 TMT-Run2_slow.ebs2 를 엽니다. Run 1과 동일한 참가자 ID 와 세션 번호 를 입력하세요. 작업 지시를 반복하세요(그림 6). 다시 말하지만, fMRI가 시작되면 트리거 펄스가 작업을 시작합니다. 첫 번째 TMT 런에 대해서는, 두 번째 실험실 구성원에게 TMT 성능 오류가 있는지 기록하게 하세요.
    10. 실험이 완료되면 마지막 시선 추적 검증(7.4.3단계)을 완료하고 평균 및 최대 오차 값을 기록합니다. 그 다음, 파일 | 시선 추적 소프트웨어를 닫아 데이터를 내보내세요. 참가자를 자석에서 빼내고 장비 분리를 시작하세요.
11. 장비 제거 및 데이터 저장
    1. TMT 데이터는 TMT 스크립트와 같은 폴더에 자동으로 Stimulus/Response 컴퓨터에 저장됩니다.
    2. 시선 추적 데이터는 녹화 세션이 종료되면 저장됩니다.
    3. 태블릿 비디오 카메라 컴퓨터의 SR 연구 스크린 레코더 프로그램에서 파일 메뉴로 이동하여 닫 기를 선택하세요 – 이 과정에서 시선 추적 컴퓨터에서 태블릿 비디오 카메라 컴퓨터로 파일을 전송합니다.
       참고: 프로그램 창을 단순히 종료하는 것은 실험 데이터의 적절한 전송/저장을 불가능하게 합니다.
    4. 데이터 전송이 완료되면 모든 컴퓨터를 끄고 장비를 보관하세요.

2. 분석

1. 참가자
   1. 프로토콜과 잠재적 효과를 입증하기 위해, 신경학적, 심리적, 글쓰기 장애가 보고된 병력이 없는 건강한 오른손잡이 22세 여성인 보트에 대한 태블릿 기반 TMT, 시선 추적, fMRI 데이터를 수집했습니다.
2. 태블릿 운동학적 지표
   1. GitHub²⁵에서 이용 가능한 MATLAB으로 작성된 맞춤 스크립트를 사용해 원시 운동 태블릿 데이터(스타일러스 위치, x,y 좌표 내 위치)를 분석하세요. 원시 데이터는 커스텀 스크립트 NPTF2F_CompleteAnalysis.m을 사용하여 처리되며, 이 스크립트는 추가적인 커스텀 스크립트를 호출합니다: NPTF2F_RemoveErrors.m; NPTF2F_SpeedData.m; NPTF2F_SignalData.m; getAverageForce.m; getTotalDistance.m; sigfilt1.m; spikeRemoval.m; 그리고 zeroX.m. NPTF2F_CompleteAnalysis.m을 실행하려면 참가자 식별, 데이터 수집 날짜, 펄스 시퀀스 순서(EPI/INI 또는 INI/EPI)를 입력하며, INI는 역영상²⁶을 의미합니다.
      참고: 저자들이 소속한 기관에서 TMT 관련 fMRI 데이터 수집은 두 영상 모드 중 어느 쪽으로도 실행될 수 있으며, 여기서는 EPI를 선택한다(위의 신경영상 참조). INI fMRI 획득은 뇌 활동을 더 높은 시간 해상도로 기록하며, 본 연구의 범위를 벗어난다. 스크립트를 실행하면 분석이 여러 섹션으로 진행됩니다. 섹션 0과 1은 MATLAB 작업 공간을 채우고 각각 입력된 텍스트 파일에서 데이터를 읽고 저장합니다.
      1. 2절에서는 TMT-A 시험 수행 수행에 대한 시각적 분석에서 얻은 총 링크, 정확 링크, 잘못된 링크 수를 입력하도록 요청합니다. 시각적 분석이 관대하게 접근하도록 하라; 참가자가 원과 접촉하지 않았지만 원 방향으로 명확히 시도했다면, 그 링크를 정답으로 간주합니다. 마찬가지로, 참가자가 한 원을 '오버샷'하여 다음 올바른 원으로 스타일러스를 재배정하는 과정에서 인접한 원과 접촉했다면, 이를 추가적인(그리고 잘못된 링크) 것으로 간주하지 마세요.
         참고: 현재 분석 범위는 완전히 올바른 임상시험이나 임상시험 내에서 형성된 올바른 연결고리만을 검토합니다. 3조는 각 재판에서 연결 오류를 제거할 수 있도록 허용합니다. 이 사건에서는 참가자가 연결 오류를 범하지 않았으므로 삭제가 필요하지 않습니다.
      2. 섹션 4에서 NPTF2F_SpeedData() 함수를 호출하여 시험 데이터로부터 통계를 계산할 수 있습니다.
      3. 섹션 5에서 NPTF2F_SignalsData().
      4. 섹션 6이 태블릿 운동학 데이터를 추가 데이터 처리에 적합한 형식으로 출력하는 것을 관찰하세요(16 시도 x 15 매개변수).
3. 성능을 정량화하기 위해 데이터를 집계하여 시험별 특성과 기술적 통계를 파악합니다.
   1. 완료 시간을 TMT 시험 시작 시점부터 참가자가 최종 시퀀스 문자에 도달하는 데 걸리는 시간으로, 최대 블록 길이는 40초(TMT-A 시험) 또는 60초(TMT-B 시험)로 정합니다.
   2. 속도(픽셀/초, [px/s])를 스타일러스 이동에 따른 x,y 좌표의 변화로 계산합니다. 터치 패널의 활성 영역은 129mm x 97mm이며, 자극 표시 영역은 103mm x 77mm(1,024 x 768 픽셀, 9.0° x 6.7° 시각 기준, 태블릿과 참가자의 손을 보여주는 라이브 영상 주변 영역은 제외)입니다.
   3. 고정된 블록 지속 시간(예: 최대 시간 내에 TMT-A 또는 TMT-B를 완료하지 못하는 경우)으로 인한 천장 효과 가능성을 고려하여, 완료 시간(초)을 링크 수( 두 항목 간 연결 방향의 올바른 스타일러스 응답)로 나누어 계산합니다.
      참고: SPL 값이 높을수록 연결 성능이 느려지며, 그 반대도 마찬가지입니다.
   4. 시선 추적 화면 녹화 영상 파일을 사용해 전체 작업 완료를 확인하고 잘못된 동작(예: 잘못된 링크, 스타일러스 들림)을 기록하세요.
      참고: 이 사건의 참가자는 잘못된 TMT 성과를 보이지 않았습니다.
   5. 아래에 설명된 대로 각 시도의 연동 기간과 비연동 기간 을 구분하기 위해 평균, 1, 3쿼타일 속도 값을 사용하세요.
   6. 연결 주기(1쿼타일 이상의 속도 값)를 최고 속도 값으로 빠르게 가속한 후 비슷한 크기의 감속으로 정의합니다.
   7. 첫 번째 사분위수 이하의 속도를 비 연결 기간으로 정의하는데, 이는 의도적 연결 행동 이전의 시각적 탐색 행동으로 대표됩니다.
      참고: 이러한 연결 및 비연결 행동 및 그 신경 상관관계는 최근 젊은 성인의 뇌파 검사 중 태블릿 기반 TMT 수행 연구에서 특징지어^{졌습니다.}
   8. 연결 기간과 비연결 기간을 사용하여 각각 연결 지속 시간 (링크 연결 평균 시간, [ms])과 비연결 지속 시간 (다음 연결을 찾는 평균 시간, [ms])을 결정합니다.
   9. 시도 중 스타일러스 응답의 총 거리 (D)를 픽셀 단위로 계산하여 시도 간 변동성의 또 다른 지표로 사용합니다. 각 시도마다 최적(최단) 경로의 백분율로 표현된 평균 추가 이동 거리 (EDT)를 계산합니다.
   10. 각 시도에서 한 링크를 형성하는 데 이동한 평균 거리(DPL, px/link)를 계산합니다.
   11. 연동 기간과 비연동 기간에 걸친 평균 힘 (임의 단위, [au])을 계산하며, 시행 간 데이터는 생략합니다.
4. 시선 추적 지표
   1. 시선 추적 시스템의 기본 소프트웨어를 사용하여 시행 당분별로 시선 추적 데이터를 보고 처리하세요(재료 표 참조).
   2. 전체 TMT-A 및 TMT-B 성능 조건에 대해 시선 추적 데이터를 별도로 시간 평균화하여 개념 증명과 잠재력을 입증했습니다. 각 실행마다 기록된 연속 데이터 스트림과 데이터를 구분해 분리하며, 자극/반응 컴퓨터가 생성한 타임스탬프 트리거 코드에 따라 각 TMT-A 및 TMT-B 작업 블록의 시작과 종료를 나타냅니다.
   3. 강간수, 고정 수, 고정 시간(ms), 고정 비율, 눈 깜빡임 횟수, 눈 깜빡임 속도(s/s), 동공 크기(임의 단위 [au]) 등 기술적 통계를 보고합니다.
      참고: 각 매개변수에 대한 구체적인 정의는 표 1에 나열되어 있습니다. 고정 및 강좌 관련 통계는 기본 임계값과 진폭 값을 사용하여 소프트웨어에 내장된 보고서 생성기를 통해 생성됩니다.
5. 통계 보고
   1. 단일 연구 참가자가 포함된 개념 증명 실험의 성격을 고려할 때, 다중 비교에 대해 보정 없이 간단한 통계 검정을 수행합니다. 두 실험 실행 동안 TMT-A와 TMT-B의 평균 태블릿 및 시선 추적 지표(각 테스트 조건 총 4회 사례)를 계산합니다.
   2. 각 태블릿과 시선 추적 지표에 대해 쌍 양측 t-검정을 사용하여 두 TMT 부분(TMT-B 대 TMT-A) 사이에 통계적으로 유의한 차이가 있는지 평가합니다.
6. 신경영상 데이터
   1. 연구 커뮤니티에서 널리 채택된 기능적 신경영상(AFNI) 프리웨어²⁷의 분석을 사용하여 뇌 활동의 개념 증명 fMRI 지도를 생성합니다.
      참고: 구체적인 영상 분석 파이프라인과 매개변수 선택에 대한 스크립트는 GitHub²⁵에 제공됩니다. 간단히 말해, 뇌 내 각 부피 요소(복셀) 위치에서 뇌 활동을 평가하기 위한 AFNI 이미지 처리 파이프라인 단계의 순서는 다음과 같습니다:
      1. 두 번의 TMT 검사에서 나온 fMRI 데이터를 연결해 주세요.
      2. 활성화 맵 생성 전에 fMRI 신호 진폭의 급증(이상치)에 대한 복셀 단위 보정, 호흡 및 심장 박동과 관련된 생리적 영향²⁸, 이미지 단면 획득 시간, 운동 등을 수행합니다.
      3. T1 가중 해부학적 MRI 데이터를 표준 뇌 아틀라스^{템플릿 29,30}에 비선형 왜곡 절차를 적용하여 정렬합니다.
      4. fMRI 데이터에 워프 파라미터를 적용하세요.
      5. fMRI 데이터를 5mm 전폭 반높이(FWHM) 가우시안 커널을 사용하여 공간적으로 필터링합니다.
      6. 각 복셀에서의 fMRI 시간 경로를 평균값으로 나누고 100을 곱하면 fMRI 신호를 백분율 단위로 재조정합니다.
      7. fMRI 데이터를 일반 선형 모델(GLM)에 입력하는데, 여기에는 TMT-A 및 TMT-B 작업 블록 중 활성 시간을 나타내는 박스카 파형(태블릿 데이터에서 파생)과 표준 혈역학적 반응 함수, 저주파 변동, 운동 및 운동 미분을 위한 회귀기, 심장 및 호흡 주기의 잔여 영향을 제거하는 생리학적 회귀 함수가 포함됩니다.
      8. 뇌 활성화(복셀별 GLM 분석의 베타 계수)에 대응하는 초기 지도를 계산합니다. a) 평균 TMT-A와 TMT-B 성능 대 고정 대비; 그리고 b) 평균 TMT-B – TMT-A 성적. 각 지도를 p < 0.0005에서 보고한 후, p < 0.05에서 여러 비교를 보정하기 위해 클러스터 크기 임계값을 적용합니다.

Results

시선 추적 화면 녹화 파일을 사용하면, 증강현실 환경에서 TMT-A와 TMT-B의 대표적인 성능을 각각 그림 7A, B에 보여줍니다. TMT-A와 TMT-B 성능(파란선)과 시선 데이터(빨간 선)는 각각 연속된 2.5초 간격에 걸쳐 그림 7C,D에 표시되어 있습니다. 이 시간 간격은 하나의 그래픽에서 여러 연속된 연결 동작 인스턴스를 시각화하기 쉽게 선택되었습니다. 짧은 시간 간격은 단지 하나의 연결고리(또는 전혀 없음)만 보여주는 반면, 긴 시간 간격은 더 많은 연결고리와 잡동사니를 보여주며 시각적으로 해석하기 더 어렵습니다. 특히 그림 7C,D를 살펴보면, TMT-A와 TMT-B를 수행한 첫 몇 초 동안 참가자는 스타일러스를 움직이기 전에 시각적으로 첫 번째 링크를 찾고 인코딩하는 것이 분명합니다. 또한 표시된 시간 간격 동안 TMT-A 및 TMT-B 성능 전반에 걸쳐 시선(및 시각적 탐색 행동)이 적절한 스타일러스 연결 동작에 앞서 나타난다는 징후가 있습니다.

표 1은 모든 시험(TMT-A 4회, TMT-B 4회 사례, 두 차례 다른 실험)에서 참가자의 평균 운동학 및 시선 추적 지표를 요약한 것입니다. TMT-B의 완료 시간(31.3초 ± 6.0초)은 TMT-A(24.0초 ± 5.7초)보다 더 빠른 경향을 보였다(p = 0.06). 이는 TMT-B를 수행하는 데 필요한 더 복잡한 정신 처리 과정과 일치합니다. 링크 그리기 평균 속도는 TMT-A(0.35 ± 0.04 px/ms)보다 유의미하게 느리지 않았으며(p = 0.91), 반면 TMT-B(0.31 ±± 0.24초)보다 SPL이 더 높았으며(p = 0.06), 반면 TMT-B는 TMT-A(1.00 ± 0.24초)보다 더 빠른 추세를 보였다(p = 0.06). 평균 연결 주기 기간은 유의미하게 차이가 없었다(TMT-B± 702 299 ms, TMT-A± 729 221 ms, p = 0.92)), 비연결 주기 기간도 마찬가지였다(TMT-B는 576 ± 451 ms, TMT-A는 260 ± 29 ms(p = 0.23)). 총 거리(D)는 TMT-B(10,300 ± 1,270 px)와 TMT-A(10,600 ± 1,930 px)와 유의한 차이가 없었다(p = 0.52). TMT-A의 경우 27.1% ± 7.1%, TMT-B는 24.2% ± 6.3%였다(p = 0.59). TMT-A의 링크당 거리(DPL)는 442± 80 px/링크, TMT-B는 429 ± 53 px/링크(p = 0.52)였습니다. 스타일러스 힘은 TMT-B가 TMT-A(5.5 ± 3.5)보다 평균적으로 약간 더 높았으며(9.3 ± 1.8) (p =0.11). 두 작업 조건 모두 오류가 발생하지 않았습니다. 이 결과들은 TMT-A와 TMT-B 모두에서 운동 수행에 유의미한 변동이 있다는 해석과 일치하며, 링크 그리기 평균 속도, 연결 주기 지속 시간, 비연결 기간, D, EDT, DPL, 스타일러스 힘 등 인지적 복잡성으로 인한 두 TMT 파트 간의 차이가 단일 참가자 수준에서 디스플레이에 나타나는 자극의 의사 무작위 제시로 인해 가려진다. 그러나 예상대로 TMT-B의 더 높은 SPL 추세는 TMT-A에 비해 완료 시간 결과와 잘 일치하며, 두 지표 간의 강한 상관관계를 반영합니다.

시선 추적 데이터는 TMT-B에서 약간 더 많은 순행 ± 24회(90회)를 보였고, TMT-A에서는 71회 ± 22회(p = 0.10)보다 더 많은 경향이 나타났다. 고정에 대한 유사한 결과는 거의 동일했는데, 단속과 고정은 강하게 연관되어 있기 때문입니다. TMT-A의 평균 고정 시간은 308± 40ms였던 반면, TMT-B의 평균 고정 시간은 314± 32ms(p = 0.32)였다. TMT-A의 평균 고정 시간(고정 비율)은 90.0± 2.3%로, TMT-B의 88.7± 2.1%(p = 0.01)와 유의미하게 차이가 났습니다. 임상시험당 깜빡임 횟수는 TMT-B(5.0 ± 2.6)보다 TMT-A(2.0 ± 1.2)보다 유의하게 높았다(p = 0.04). 검사 간 평균 완료 시간 차이를 고려할 때, TMT-B의 눈 깜빡임 빈도는 여전히 TMT-A(0.08 ±± 0.05 깜빡임/초)보다 훨씬 더 높았으며, 이는 전자가 인지적으로 더 요구하는 과제이기 때문에 예상할 수 있는 부분입니다. 평균 동공 크기는 조건별로 매우 유사하게 유지되었습니다(TMT-A는 1,588± 140명, TMT-B는 1,648명± 59명) (p = 0.29).

TMT-A와 TMT-B 대 시각 고정 두 과제 조건에서 뇌 활동을 분석했을 때, 광범위한 양성 활성화가 유의미하게 관찰되었고, 여러 개의 부정적으로 활성화된 클러스터가 관찰되었는데, 이들은 대체로 더 작았다. 크기 기준 상위 25개 군집에는 내측 및 외측 소뇌, 좌측 전두엽, 상하두엽, 좌측 중후두회, 전중심회, 좌측 상후두회, 좌측상전두회, 우측상후두회, 보조 운동 영역, 좌측 중대상피질, 우측 상측 회, 좌측 중전두회, 좌측 중전두회, 우측 석회회가 포함되었습니다. 이 활성화의 일부는 그림 8의 대표적인 이미지에 나타났습니다. 각회, 좌측 상전두회, 중측두회, 우측 하두정회, 우측상측두회, 우측상측두회, 우측 중심후회, 우측 경계상회, 좌측 하전두회(안와회), 우측 중심 상엽, 우측 전중심회에서 나타났습니다. 그러나 TMT-B와 TMT-A 대조제에서는 유의미한 양성 또는 부정적 활성화가 관찰되지 않았습니다. 아래 논의에서 언급된 것처럼, 이러한 집단 fMRI 관찰은 이전에 실험실에서 얻은 fMRI 결과와 일치합니다.

그림 1: 실험 장치의 개념도. (A) 컴퓨터 모니터는 기기와 인지 검사 시행을 제어하고 결과를 시각화하는 데 사용되며, (B) 컴퓨터가 수행하는 방식입니다. 전력, 제어, 데이터 기록 케이블은 (C) 고주파 침투 패널을 통과합니다. 핵심 장비에는 (D) 터치 감지 표면과 스타일러스, 발광 다이오드 조명기, 그리고 손과 스타일러스 움직임을 포착하는 '태블릿 비디오 카메라' 비디오 카메라가 포함되어 있습니다. (E) 헤드 코일에 장착된 반사 거울은 (F) MRI 시스템의 환자 테이블 위에 놓여 참가자의 시선 추적을 가능하게 하며, (G) 원격 비디오 녹화 시스템을 사용합니다. 이 거울은 또한 참가자가 (H) 후면 투사 스크린에서 (I) 원격 MRI 호환 투사 시스템을 통해 제공되는 검사 자극, 태블릿 반응 및 관련 손/스타일러스 움직임을 볼 수 있게 합니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

그림 2: 태블릿 배치. (A) 환자 테이블 위 자원봉사자 참여자 배치. (B) 태블릿, 마운트, 스타일러스(노란색)를 두 가지 다른 방향으로 클로즈업하며 "태블릿 비디오 카메라"와 발광 다이오드 조명기의 배열을 보여줍니다. (c) MRI 콘솔 영역에서 태블릿 시스템을 제어하는 태블릿 비디오 카메라 및 자극/반응 컴퓨터. (D) 참가자가 TMT-A를 수행하는 동안 증강현실 환경의 대표적인 시각. 빨간 점은 순간적인 시선 위치를 나타내며 참가자에게는 표시되지 않습니다. (E) 증강현실 환경을 참가자에게 후면 투사 스크린에 제시하는 MRI 호환 프로젝션 시스템. 스크린은 자석 구멍에 장착되어 있어 이 시점에서는 보이지 않습니다; 명확한 묘사는 그림 4를 참고하세요. 약자: TMT = 트레일 만들기 테스트. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

그림 3: 트레일 메이킹 테스트의화학적. fMRI 중 TMT 투여 타이밍 다이어그램. 상단: TMT-A, TMT-B, 고정 블록의 지속 시간을 나타내는 타이밍 다이어그램으로, 두 번의 실행 중 각 세션에서 시행됩니다. 아래: 각 조건의 샘플 이미지 디스플레이. TMT-A와 TMT-B 실험은 각 시험마다 다른 자극 패턴을 포함하여, 참가자들이 공간 기억에 의존하지 않도록 해야 합니다. 모든 시각 고정 시도는 동일한 영상 표시를 포함합니다. 약어: TMT = 트레일 메이킹 테스트; fMRI = 기능적 MRI; TMT-A = 파트 A; TMT-B = 부품 B; 고정 = 시각적 고정. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

그림 4: 시력 추적기 etup. (A) MRI 호환 안구 비디오 카메라, 조명기 및 마운트 이미지. (B) 전면 자석 구멍 구멍에서 촬영한 이미지로, 시선 추적 장치가 태블릿, 헤드 코일, 거울, 프로젝션 스크린과 공간적 관계를 나타냅니다. (C) 태블릿과 헤드 코일이 제거된 전면 자석 구멍 개구부에서 촬영한 이미지로, 태블릿과 함께 사용되는 프로젝터와 프로젝션 스크린, 그리고 시선 추적 카메라 및 조명기 간의 관계를 보여줍니다. (D) 참가자의 영상 녹화를 넓은 시야와 각막 반사를 감지해 시선 추적을 가능하게 하고, 동공을 감지하여 동공 직경 기록을 수행하는 시야 추적 소프트웨어 환경. (E) 시력 추적기 보정 및 검증 중 스크린샷 예시. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

그림 5: 콘솔 및 p 에네트레이션 panel setup. (A) 실험에 사용된 네 대의 모니터를 보여주는 MRI 콘솔 영역. 왼쪽에서 오른쪽으로: 시선 추적기; 태블릿 비디오 카메라; 정제 자극/반응; 그리고 MRI 시스템 콘솔. (B) 관통 패널의 자기실 쪽 이미지, 관련 하드웨어 연결 부위를 모두 보여줍니다. (C) 장비실 측의 유사한 연결. 약어: BNC = 총검 너트 커플링. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

그림 6: 언어 질문 및지시. 훈련 과제는 참가자들이 태블릿과 스타일러스를 사용해 가이드라인 사이에 부드러운 선을 그리는 연습을 하며, 인지 테스트 전에 기기에 익숙해지도록 하는 것입니다. TMT는 두 부분으로 구성되어 있습니다: 파트 A는 숫자가 적힌 원들을 오름차순으로 연결해야 하고, 파트 B는 숫자와 문자를 오름차순으로 번갈아 가며 진행합니다. 약어: TMT = 트레일 메이킹 테스트. 이 도표의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

그림 7: TMT p수행. 참가자의 관점에서 증강현실에서 (A) TMT-A 수행과 (B) TMT-B 수행 시간을 샘플링합니다. 각 이미지의 빨간 점은 시선점을 나타냅니다. 이미지는 시선 추적기 화면 녹화 영상 파일의 프레임입니다; 참가자는 테스트 수행 중 시선점을 볼 수 없다는 점에 유의하세요. (C, D) TMT-A와 TMT-B 성능의 연속적인 2.5초 시간 간격(파란선), 각각 시간 의존 시선 데이터(빨간 선)를 포함합니다. 단속은 가느다란 붉은 선으로 나타나며, 시선이 빠르게 움직이지 않는 곳에서는 '매듭'도 나타나 고정을 나타냅니다. 약어: TMT = 트레일 메이킹 테스트. 이 도표의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

그림 8: fMRI activation maps. 활성화(fMRI 신호 대조)는 (TMT-A 및 TMT-B) 대 고정 상태입니다. 입체 정위 아틀라스 공간에서 표시된 Z 좌표에서 슬라이스 위치는 14mm 간격입니다. 컬러 바는 유의미하게 활성화된 영역에서 BOLD 신호 대비의 백분율을 나타내며, 양수치는 기준선 활성화보다 높음을 나타냅니다. 약어: fMRI = 기능적 MRI; TMT = 트레일 만들기 테스트; L = 왼쪽; R = 오른쪽; BOLD = 혈액 산소 수치 의존. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

매개변수	정의	TMT A	TMT B	P-값 (2-꼬리, 쌍)
완료 시간	각 시험을 완료하는 데 걸리는 평균 시간(초 단위)	24.0 (± 5.7)	31.3 (± 6.0)	0.06
속도 (px/ms)	스타일러스 이동의 평균 속도(픽셀 단위 밀리초 단위) 각 재판 전반에 걸쳐	0.35 (± 0.04)	0.36 (± 0.13)	0.91
링크당 초, SPL (링크)	각 시도에서 각 링크를 완료하는 데 걸리는 평균 시간(초 단위)	1.00 (± 0.24)	1.31 (± 0.25)	0.06
연결 지속 시간(ms)	각 링크를 연결하는 데 소요되는 평균 시간(밀리초 단위) 각 재판	729 (± 221)	702 (± 299)	0.92
비연결 지속 시간 (원본)	다음 연결을 찾기 위해 평균 소요 시간(밀리초 단위) 각 재판 전반에 걸쳐	260 (± 29)	576 (± 451)	0.23
총 거리 (px)	각 시도에서 스타일러스가 이동한 평균 거리(픽셀 단위)	10600 (1930±)	10300 (± 1270)	0.52
추가 거리 여행, EDT (%)	각 시도마다 이동한 평균 추가 거리는 다음과 같이 표현됩니다. 최적(최단) 경로의 백분율	27.1 (± 7.1)	24.2 (± 6.3)	0.59
링크당 거리, DPL (px/링크)	각 시도에서 한 링크를 형성하는 데 이동한 평균 거리(픽셀 단위)가 있습니다	441 (± 80)	429 (± 53)	0.52
힘 (브브리터리 유닛)	각 실험에서 태블릿 화면에 가해진 평균적인 힘(임의 단위)	5.5 (± 3.5)	9.3 (± 1.8)	0.11
사카드 백작	각 재판에서 평균 순행 횟수	71 (± 22)	90 (± 24)	0.10
고정 횟수	각 시험에서 평균 고정 횟수	71 (± 22)	90 (± 24)	0.09
고정 시간 (ms)	각 시험에서 각 고정의 평균 시간(밀리초 단위)	308 (± 40)	315 (± 32)	0.32
고정 비율 (%)	각 시험 동안 집착에 머무는 평균 비율	90.0 (± 2.3)	88.7 (± 2.1)	0.01
블링크 카운트	각 시험에서 평균 눈 깜빡임 횟수	2.0 (± 1.2)	5.0 (± 2.6)	0.04
블링크 속도 (블링크/초)	각 시험 동안 초당 평균 눈 깜빡임 횟수	0.08 (± 0.05)	0.15 (± 0.06)	0.03
동공 크기 (수반 수위 단위)	각 시험 동안의 평균 동공 크기	1588년 (± 140년)	1648년 (± 59년)	0.29

표 1: 젊은 건강한 성인 여성의 TMT-A 및 TMT-B 수행 성향을 반영한 태블릿 운동학 지표 및 시선 추적 지표 요약 통계. 각 지표의 정의는 괄호 안에 표준편차로 표시되어 있습니다. 이탤릭체로 표시된 지표는 각 시험에서 연관 성과를 평균화한 후 TMT-A와 TMT-B에 대해 모든 시험에서 평균 내는 것입니다. P 값은 TMT-A와 TMT-B 간 계량값 차이를 쌍으로 검정한 양측 쌍 t-검정에 대해 나열됩니다. 굵은 글씨로 표시된 P 값은 양측 검정에서 0.05< 유의한 효과를 나타냅니다. 이탤릭체 = 각 검정의 평균. 굵은 글씨 = 양측 쌍 시험 통과.

Discussion

본 연구는 태블릿 기반 ToC 성능 중 동시에 시선 추적과 fMRI 데이터를 획득하는 포괄적인 프로토콜을 보여줍니다. 다음 논의는 먼저 프로토콜의 여러 측면을 평가한 후, 대표성 참가자에 대한 결과에 초점을 맞춥니다. 프로토콜의 향후 적용 가능성도 전반적으로 언급되어 있습니다.

이 프로토콜은 태블릿 시스템 개발과 태블릿 또는 시력 추적(후자의 두 요소를 결합하지 않음)을 포함한 fMRI 연구에서 쌓은 오랜 경험을 바탕으로 수년에 걸쳐 신중하게 설계되었습니다. 특히, 모든 교정 관련 단계들은 수집된 데이터가 참가자의 성과를 정확히 반영하도록 보장합니다. 세션 시작 시 태블릿 보정을 하면 스타일러스(및 커서)가 카메라 시점에 변화가 있어도 증강현실 디스플레이에서 글씨와 그림 동작을 정확히 추적하도록 보장합니다. 머리 움직임이 결과를 크게 혼란시키지 않도록 하기 위해, 제조사의 권고와 사용 가능한 시스템 소프트웨어를 기반으로 시선 추적 보정과 드리프트 보정이 구현되고 검증되며, 시험 기간 동안 시선 추적 데이터 스트림의 지속적인 모니터링이 이루어집니다. 태블릿이나 시력 추적 시스템의 부적절하거나 생략된 보정은 편향된 결과를 초래할 수 있습니다. 하지만 여기서 제시된 태블릿과 시선 추적 결과, 그리고 실험실에서 생성된 다른 결과들은 건강한 성인에서도 우수한 품질의 데이터를 얻을 수 있음을 시사합니다. 노인이나 신경학적 또는 정신과적 질환을 가진 환자와 같은 다른 연구 집단의 경우에는 향후 추가 데이터 처리가 필요할 수 있습니다. 예를 들어, 과도한 머리 움직임이 간헐적으로 발생하기 때문에 분석에서 제외되어야 할 수도 있습니다(프로토콜 2.6.1.2절에서 얻은 움직임 추정치에서 결정됨). 첫 번째 실행 시 초기 데이터 부분도 학습 또는 습관 효과(초기 훈련 후에도 지속됨)로 인해 제외해야 할 수 있으나, 이들의 시간 경로는 향후 연구에서 특성화하는 데 흥미로울 것이며, 이들 집단에서 TMT 수행을 젊은 건강한 성인과 구분하는 추가 메커니즘을 제공할 수 있습니다.

트리거 펄스는 프로토콜에서 중요하며, 태블릿의 시간 동기화 기록, 시선 추적, fMRI 데이터 스트림을 가능하게 합니다. fMRI 신호는 보통 초 단위로 변하는 BOLD 혈역학적 반응에 기반하지만, 시선 추적과 태블릿 운동학 데이터는 10-100ms 범위에서 의미 있는 내용을 보여줍니다. 따라서 집합 데이터 세트의 시간 동기화는 TMT 수행 중 지각, 인지, 행동 메커니즘을 전례 없는 시간적 세부사항으로 연구할 수 있는 독특한 기회를 제공합니다. 초기 연구에서는 특정 뇌 영역의 뇌 활동과 TMT-A 및 TMT-B 시험에서 시간 평균화된 시력 추적 매개변수 간의 연관성을 규명할 수 있습니다. 참가자 그룹의 경우, 간단한 선형 회귀와 상관계수 계산을 통해 특정 뇌 영역의 활동과 각 시선 추적 매개변수 간의 가능한 연관성을 조사할 수 있습니다. 태블릿과 시선 추적 데이터를 이용해 fMRI 데이터에서 시공간 활성화의 추가 특징을 해석할 수 있는지 탐구하는 것도 앞으로 관심 대상입니다. 최근 연구들은 fMRI 데이터 획득 매개변수를 조정하여 훨씬 더 정밀한 샘플링으로 BOLD 신호를 측정할 수 있음을 보여주고 있습니다; 예를 들어, INI fMRI로 100ms의 샘플링 기간을 통해 뇌 활성화 역학 탐지가 향상^{되었습니다.} EEG를 이용한 태블릿 기반 TMT 연구도 과제 내 연결 및 비연결 기간이 주파수 대역¹⁰의 서로 다른 공간 패턴과 연관되어 있어 유사한 fMRI 신호 연관성을 탐색하는 데 프로토콜 사용이 동기부여되었습니다. fMRI 신호의 혈역학적 반응을 인식하는 것은 강세와 고정의 시간 척도보다 훨씬 느리지만, 이 방향으로 나아가는 첫 단계는 연결 시퀀스 초기와 후반 행동의 TMT-A와 TMT-B 수행 능력의 잠재적 차이를 특성화하는 것일 가능성이 큽니다(특히 TMT-B에서 후반은 특히 도전적입니다); 그리고 시선 추적 및 운동 데이터의 시각적 검사를 바탕으로 수행하기 어려운 링크와 덜 어려운 링크의 잠재적 차이를 분석합니다.

프로토콜에는 참가자들이 태블릿 기반 반응과 TMT 수행에 필요한 연결 동작을 익힐 수 있도록 돕는 교육 모듈이 포함되어 있습니다. 이러한 교육(향후 다른 업무 또는 연구 중인 ToC에 맞춘 수정 포함)은 일부 노인처럼 컴퓨터 태블릿 경험이 거의 없는 사람들과 뇌 기능 장애로 인해 이 의사소통 방식에 어려움을 겪을 수 있는 사람들의 숙련도를 키우도록 설계되었습니다. 태블릿 비디오 카메라 비디오 피드를 통한 VFHP 등 증강현실 환경은 태블릿과의 상호작용을 생태학적 타당성을 높게 하지만, 펜과 종이를 이용한 일반적인 글쓰기와 그림 그리기와 완전히 동일한 경험을 제공하지는 않습니다. 예를 들어, 참가자는 자석 안에 누워 컴퓨터 그래픽을 보며 반응을 해야 하며, 여기에는 정상적인 고유수용성 입력과 신체 중심 공간 좌표 없이 손을 분리된 형태로 표현하는 것도 포함됩니다. 후자의 두 요인을 조작했을 때의 결과를 탐구하는 향후 연구가 고려될 수 있지만, 현재의 경험적 증거는 간단한 훈련으로 건강한 개인이 이 태블릿 기술을 빠르고 쉽게 숙련되게 하여 짧은 교육 모듈 후에도 태블릿 기반 fMRI 연구의 학습 효과를 무시할 수 있음을 시사합니다.

현재 프로토콜은 향후 교육 모듈 중 fMRI를 수행하여 후자의 주장을 지지하거나 반박하는 정량적 과학적 증거를 제공하는 데 사용될 수 있습니다. (훈련이 포함되지 않은 이전 태블릿 기반 fMRI 연구에서는 학습 효과를 피하기 위해 TMT-A와 TMT-B의 첫 임상시험에서 나온 신경영상 데이터는 폐기되었다^10,19.) 또한 인지 장애가 있는 환자 등 다양한 환자 집단에서 태블릿 기반 및 ToC 학습 효과를 탐구하는 것도 흥미로울 것이며, 이는 교육 모듈의 강화가 필요할 수 있습니다. 자석 검사 외의 다른 연구에서는 훈련 모듈을 유용한 선별 도구로 활용할 수 있어, 지시를 따르지 않거나 적절한 업무 수행이 불가능한 환자 참가자를 영상 검사에서 제외할 수 있습니다.

훈련 과제와 관련된 마지막 논의 지점으로, ToC의 기능적 신경영상은 보통 뇌 활성화 신호의 잡음 특성과 통계적으로 유의미한 뇌 활성화 지도를 얻기 위해 다중 과제 반복에 걸친 장기 시계열 데이터를 분석해야 한다는 점에 제한을 받^{는다는 점을} 유념해야 합니다. 이 절차는 검사를 한 번만 시행하는 일반적인 ToC의 방식과 상충됩니다. 기능적 신경영상 기법의 능력이 앞으로 향상됨에 따라(예: 7T 이상의 초고자기장에서 fMRI를 수행하는 경우), 단일 임상 인지 검사와 다중 실험에서 얻은 뇌 활성화를 비교할 수 있을 것입니다. 그러나 현재로서는 다중 시험 태블릿 기반 TMT 성능이 실제 펜과 종이 검사 결과와 합리적인 수렴 타당성을 가진다는 것이 입증되었습니다¹⁵.

fMRI를 이용한 ToC 평가를 용이하게 설계되었지만, 이 프로토콜은 본질적으로 유연한 범위 내에서 광범위한 연구 목표를 수용할 수 있도록 수정 가능합니다. 예를 들어, 태블릿 비디오 카메라는 VFHP가 생태적 타당성을 강화하기 위해 특별히 추가되었으나, 필요하지 않으면 제외되거나 시각, 고유수용감각, 운동 처리 간 통합 연구와 같은 다양한 작업 조건에 따라 켜고 끌 수 있습니다. 또한, 이 태블릿은 비MRI 환경에서 시력 추적 시스템과 동기화하여 행동 검사 전용으로 쉽게 사용되거나, EEG, 기능적 근적외선 분광법, 양전자 방출 단층촬영과 같은 다른 기능적 신경영상 기법과 함께 사용할 수 있습니다. 자기뇌파검사(MEG) 연구의 경우, MEG 자기장 센서에서 태블릿의 자기 프린지장을 펨테슬라 이하로 억제하기 위해 하드웨어 개조가 필요할 수 있습니다. 실험적 필요에 따라 프로토콜은 다른 감각 자극 제시 및 반응 기록 장비를 포함하도록 확장할 수도 있습니다. 예를 들어, 청각 자극을 제시하는 MRI 호환 헤드폰, 버튼 입력 반응을 기록하는 버튼 박스를 포함할 수 있어, 궁극적으로 임의의 ToC에서 발생하는 뇌 활성화 신호를 기능적 신경영상 커뮤니티에서 일반적으로 채택하는 블록 또는 이벤트 관련 설계 작업에서 생성된 신호와 비교할 수 있습니다. 다양한 환자 집단에서 운동 또는 시각 장애를 고려하기 위해 다른 프로토콜 변경도 가능하다. 예를 들어, 간단한 그림 동작(예: 두 자극을 반복적으로 연결하여 훨씬 적은 인지 요구로 연결하는 것)을 포함한 추가 제어 작업을 추가할 수 있어, 운동 장애가 전체 TMT 수행에 미치는 기여도를 추정할 수 있습니다(즉, 뇌 활성화 대조를 관찰하여 TMT-A 대 휴식; 단순 그림 대 휴식; TMT-A 대 단순 드로잉; TMT-B도 마찬가지입니다. TMT-A와 TMT-B에 필요한 연결 수를 줄여 근육 피로 가능성을 줄일 수 있습니다. 시각 장애는 더 큰 시각 자극이나 더 강한 디스플레이 대비를 가진 자극을 제시함으로써 완화할 수 있습니다. 그러나 환자와 대조군의 뇌 활동을 편향되지 않은 평가를 제공하기 위해서는 이러한 수정된 추가 fMRI가 필요합니다.

견고함에도 불구하고, 프로토콜은 여러 개선이 필요하다. 특히 이 작업은 다소 노동 집약적이며, 장비 설치 및 철거 및 데이터 수집 시 고효율을 위해 3명 이상의 실험실 인력(MRI 시스템 조작을 담당하는 기술자 1명 포함)을 사용하는 것이 바람직합니다(태블릿 컴퓨터 모니터링과 시력 추적 컴퓨터 모니터링 1명). 저희 현장에는 두 명의 훈련된 직원이 있지만, 현재 MRI 설치 및 철수 시 10분 전후 10분 간격이 필요하지만, 다른 실험실 직원의 도움을 받으면 이 시간을 단축할 수 있습니다. 미래에는 특정 하드웨어 부품을 '사전 구성'하고 장비 카트를 더 효율적으로 활용해 케이블 연결 및 운송을 쉽게 할 수 있습니다. 공간과 장비 가용성이 허락한다면 MRI 스위트에 부분 또는 전면을 영구적으로 설치하는 것이 가장 쉬운 선택일 것입니다.

다음으로, 한 명의 젊고 건강한 성인 자원봉사자로부터 대표적인 태블릿, 시선 추적, fMRI 결과를 얻어 프로토콜을 입증하였습니다. 결과는 아래에서 설명한 대로 대체로 기대에 부합했으나, 우선 다양한 행동 지표와 활성화된 뇌 영역에 대한 값은 참가자 내 통계적으로 평가되었으며, 그룹 단위의 평균과 변동성은 반영하지 않았다는 점을 강조해야 합니다. 향후 건강한 대규모 집단을 대상으로 한 다중 모달 검사가 집단 수준의 정보를 "규범적" 데이터로 얻어야 하며, 이는 궁극적으로 뇌기능 장애 환자 집단에 대한 유사 검사 결과와 비교할 수 있습니다. 이러한 연구의 샘플 크기 계산은 fMRI 신호의 낮은 명암비 대 잡음비와 데이터 획득 비용에 의해 좌우될 가능성이 큽니다. fMRI 표본 크기 추정을 위한 과학 문헌에 일부 도구가^{있습니다.} 이 조건에 따라, 본 서술은 주로 관찰된 경향과 중요한 효과를 간략히 해석하는 데 초점을 맞춥니다.

참가자는 TMT-B가 TMT-A에 비해 약간 더 긴 완료 시간과 더 긴 비연결 지속 시간을 보였으며, 이는 이전 정제 기반 결과를 재현하고 논문^{2, 18, 33}에서 확립된 TMT 성능과 일치하였습니다. 이러한 발견은 TMT-B가 더 정신적으로 도전적이라고 여겨지는 점을 고려할 때, TMT-B가 TMT-A보다 다음 올바른 표적을 처리하고 탐색하며 식별하는 데 더 많은 시간이 필요함을 반영할 수 있습니다. 두 과제 조건 모두 오류가 기록되지 않았으며, 모든 TMT 시험은 할당된 시간 내에 완료되어 젊고 교육받은 건강한 성인의 표준 TMT 완료와 일치했다². TMT-B와 -A가 총 링크 수를 동일하게 가지고 있고 TMT-B 완료 시간이 더 길었기 때문에, 예상대로 TMT-B의 SPL 값이 TMT-A보다 더 높았습니다. TMT-B에서 시각적 탐색 복잡성이 증가했음에도 불구하고, TMT-A에서는 약간 더 높은 D 및 EDT 값이 관찰되었습니다. 두 지표 모두 본 연구를 위해 새로 개발된 것으로, 이전 태블릿 기반 TMT 문헌의 보고서와 구체적으로 비교할 수 없습니다. 그러나 TMT-B에서의 느린 성능이 개인의 "속도-정확도" 트레이드오프³⁴ 플롯에서 TMT-A에서의 빠른 성능과 관련하여 위치를 바꿔, D와 EDT 값이 감소한 값과 더 정확한 연결로 이어졌을 수 있다는 추측이 있습니다. 이 해석은 향후 테스트에서 확인되어야 합니다.

이 참가자의 눈 추적 지표 결과는 흥미롭습니다. TMT-B를 수행했을 때 TMT-A에 비해 약간 더 많은 강행과 고정, 깜빡임 횟수, 깜빡임 횟수가 약간 더 많았습니다. 더 많은 암강 및 고정 수는 조건 B에서 시각 자극 전반에 걸쳐 시각적 탐색 효과가 증가함을 나타낼 수 있다. 이를 뒷받침하는 이전 연구들은 더 복잡한 탐색 배열을 처리하는 데 드는 정신적 비용이 증가함에 따라 두 카운트 모두 증가함을 보여주^었다. TMT-B가 TMT-A에 비해 눈 깜빡임 횟수와 눈 깜빡임 횟수가 증가한 것은 이전 과제 상태에 대한 인지 조절 능력이 향상되었음을 나타낼 수 있습니다. 흥미롭게도, 많은 연구들이 자발적인 눈 깜빡임 속도(그리고 여기서 연구한 대로 고정된 시험 시간 내의 깜빡임 횟수)가 도파^{민 활성}의 유용한 대리 지표임을 지지합니다. 도파민은 학습, 작업 기억, 목표 지향적 행동에 중요한 신경전달물질이며,^{이 모든 것이} 성공적인 TMT 수행의 기반이며 TMT-A보다 TMT-B에서 더 많이 요구됩니다. 자발적 및 과제 유발 눈 깜빡임을 조사한 수많은 연구들은 두 지표 모두^{인지 조절 조절}에 민감하다는 것을 보여줍니다. 마지막으로, 두 TMT 파트에서 평균 동공 크기가 매우 유사하게 관찰되어, 참가자가 처리 능력에 부담을 주지 않고 유사한 수준의 정신적 노력으로 두 파트를 수행할 수 있었음을 시사합니다³⁸. 이러한 해석은 TMT 수행² 에 관한 문헌과 일치하며, 참가자가 두 파트를 모두 오류 없이 효율적으로 수행했다는 점입니다. 향후 작업에서는 과제 내 TMT 행동과 관련된 상세한 시선 특성을 조사해야 할 것입니다. 이러한 연구는 매우 흥미로울 것이며, 시각적 검색 행동이 a) 태블릿 반응에 앞서 어느 정도 나타나는지; b) 수와 문자 자극의 공간적 분포로 인해 수행이 어려운 링크와 수행하기 쉬운 링크에 대해 변경되며, c) TMT 성능 오류가 발생할 경우 변경됩니다.

TMT 성능 오류와 관련해, 오류 기록과 정량화는 향후 연구에서 중요한 부분이 될 것이며, 이는 현재 고성취 젊은 건강한 성인을 대상으로 한 개념 증명 연구와는 다른 영역이 될 것입니다. 현재 프로토콜은 데이터 수집 시점의 TMT 성능 오류 기록에 한정되어 있지만, 스타일러스 상호작용의 디지털 비디오 파일을 수동으로 평가하여 TMT-A 및 TMT-B 시험에서 발생한 오류 수와 특정 참가자의 중심 경향 및 변동에 대한 통계적 측정을 쉽게 추가할 수 있습니다. 이와 더불어, TMT 성능 오류 유형을 분류하기 위한 루브릭이 필요합니다. 수작업 검사를 통해 충분한 오류 데이터가 축적되면, 오류를 정확히 탐지하고 분류하는 인공지능 방법을 개발할 수 있어 오류 평가 과정을 훨씬 덜 시간 소모적으로 만들 수 있을 것입니다.

신경영상 분석 결과, 시각 처리, 운동 기능, 감각 지각 및 통합을 담당하는 뇌 영역에서 TMT-A 및 TMT-B 과제 모두에서 TMT-A 및 TMT-B 과제 모두에서 유의미한 광범위한 활성화가 나타나는 것이 드러났습니다. 이 영역의 활성화는 이전 TMT 신경영상 연구에서 관찰된 fMRI 활성화와 유사하다^15,19. 운동 기능과 관련된 활성화의 간단한 예로, 반대쪽(왼쪽) 전중심회(pre-central gyrus) 손 영역이 오른손 운동 반응에 의해 긍정적으로 활성화되었고, 또한 과제 관련 움직임 중 1차 감각운동 영역의 특징적인 활성화 패턴인 동측 부정 활성화 소규모 군집(그림 8에 표시되지 않음)도 있었습니다^39,40. 비교적 보수적인 임계값과 교정을 적용했음에도 불구하고, 이 참가자의 fMRI 활성화 강도는 이 과제가 소뇌와 중뇌를 포함한 시-운동 기능을 잘 탐구하는 데 적합함을 시사합니다. 그러나 TMT 수행을 지원하는 뇌 영역에 대한 구체적인 결론은 이 단일 참가자의 데이터에서 도출해서는 안 되며, 이 데이터는 시연용으로만 포함된다. 또한 TMT-B 대비 TMT-A 조영제에서 관찰된 활성이 한 명에게 전혀 놀라운 일이 아니었다는 점도 유의하라. 이 특정 대조는 '약한' 것으로 알려져 있으며, 일반적으로 더 큰 샘플 그룹의 fMRI 데이터 분석과 활성화 신호의 신뢰성 있는 탐지를 위해 신중하게 최적화된 이미지 처리 파이프라인이 필요합니다⁴¹. 이러한 후자의 점들은 현재의 신경영상 연구가 실험 설계, fMRI 기록 및 분석에서 개념 증명을 보여주고 있음을 다시 한 번 강조하지만, 향후 한 그룹 이상의 참가자(예: 신경학적 질환 환자와 건강한 대조군)를 대상으로 한 연구가 필요하며, 이는 인구 수준에서 일반화 가능한 결과를 얻기 위함입니다.

이 프로토콜을 위해 개발된 지표(TMT 관련 태블릿 및 시선 추적 반응, fMRI 중 뇌 활성화를 정량화하는 것)는 포괄적이지 않다는 점을 강조하는 것이 중요합니다. 대신, 이들은 지난 몇 년간 태블릿 기반 TMT-fMRI 연구와 시선 추적을 포함한 fMRI 연구를 수행한 경험을 바탕으로 합니다. 태블릿과 시선 추적 지표는 반드시 독립적이지 않으며 특정 상호 의존성을 가질 수 있으므로, TMT-fMRI 데이터와의 연관성을 다변량 분석하는 것이 유용할 수 있음을 시사합니다. 예를 들어 부분 최소제곱법⁴² 앞으로는 시선 경로의 여러 측면을 정량화하는 새로운 지표가 유용할 것이며, 이는 건강한 개인과 환자 그룹 간의 올바른 검사 수행(및 오류)의 개인 내외 변동성을 특성화하는 데 유용할 것입니다. 이러한 연구는 태블릿 기반 TMT, 안구 추적, fMRI 데이터 및 관련 정량적 지표를 사용하여 환자와 대조군을 구별할 때 TMT 민감도와 특이도에서 상당한 향상을 보여주는 것으로 기대되며, 이는 표준 펜과 종이 TMT 투여 및 표준 TMT 점수 산정에 비해 명확한 차이가 나타날 것으로 기대됩니다. 이 예측이 맞다면, 이 전체 연구 프로그램에서 얻은 통찰을 바탕으로 다양한 인공지능 접근법과 완전히 새롭고 현대적인 ToC 개발을 통해 차별이 더욱 개선될 수 있을지 탐구할 기회도 있을 것입니다.

결론적으로, 컴퓨터화된 태블릿 기술, 시선 추적, fMRI를 활용한 인간의 ToC 수행 능력을 평가하기 위한 새로운 다중 모달 프로토콜이 제시되었습니다. 관련 있지만 더 단순한 연구 프로토콜^{20, 43, 44, 45}와 비교하면, 현재 프로토콜은 높은 생태학적 타당성을 가진 태블릿 기술과 시선 추적을 결합하여 인체공학적 효율성과 연구 설계를 유지하면서 더 많은 정보를 제공하는 것으로 여겨집니다. 이 프로토콜은 다양한 다변량 및 머신러닝 프레임워크에서 작업 수행, 신경 활동, 안구 운동 지표를 원활하게 상관시켜 ToC의 신경학적 기반을 탐구할 기회를 제공합니다. 대표적인 젊은 건강한 성인이 태블릿 기반 TMT를 수행한 파일럿 데이터는 매우 유망합니다. 따라서 이 프로토콜은 ToC의 신경학적 기초에 대한 훨씬 더 미묘한 이해를 개발하고, 기존 및 새로 개발된 ToC를 시구 추적 및 기능적 신경영상과 결합하여 다양한 뇌 기능 장애를 가진 환자를 훨씬 더 민감하고 구체적으로 특성화할 가능성을 탐구하는 대규모 연구 프로그램의 문을 열어줍니다. 건강한 사람들과 비교했을 때.

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
64채널 헤드 코일을 가진 3T MRI 시스템	지멘스 헬시니어스 (에를랑겐, 독일)	마그네톰 프리즈마	fMRI 데이터를 기록합니다.
전자기 간섭 필터	스펙트럼 컨트롤 주식회사 (펜실베이니아주 페어뷰, 미국)	56-705-005-LI	마그넷룸에서 태블릿 인터페이스 박스로 태블릿과 스타일러스 신호를 전달합니다.
눈 추적기 소프트웨어	SR 리서치 주식회사 (오타와, 온타리오, 캐나다)	아이링크 익스플로러 (버전 4.3.1, 64비트)	눈 추적기 데이터 시각화 및 처리를 지원합니다.
그래픽 편집 애플리케이션	마이크로소프트 주식회사 (워싱턴주 레드먼드, 미국)	페인트	참가자들이 태블릿 글씨와 그림에 익숙해지도록 사용되었습니다.
MATLAB	MathWorks Inc.  (미국 매사추세츠주 내틱)	그리고 nbsp; R2022a	운동 기반 데이터 분석과 통계 분석 수행에 사용됩니다.
MRI 호환 아이 트래커	SR 리서치 주식회사 (오타와, 온타리오, 캐나다)	아이링크 1000 플러스	fMRI 중 시선 추적 데이터를 기록합니다.
MRI 호환 프로젝터	아보텍, Inc. (플로리다주 스튜어트, 미국)	사일런트 비전	증강현실 시각 자극을 참가자에게 제공합니다.
MRI 호환 태블릿 부품 (터치 감지 표면, 조절 가능한 높이 지지 플랫폼, 힘 감지 스타일러스, 발광 다이오드 조명기 포함)	해당되지 않음	해당되지 않음	실험실에서 맞춤 설계 및 조립. 자세한 내용은 참고문헌 12, 13을 참조하라.
자극 발표 소프트웨어	심리학 소프트웨어 도구 (샤프스버그, 펜실베이니아, 미국)	E-Prime, 버전 2.0	태블릿 기반 교육 및 과제 구현을 개발하고 관리하는 소프트웨어.
자극/반응 컴퓨터	해당되지 않음	해당되지 않음	다중 구성 설계. 자세한 내용은 참고문헌 13을 참조하세요.
터치 감지 표면 드라이버 응용	ELO 터치 솔루션즈 주식회사 (밀피타스, 캘리포니아, 미국)	싱글 터치 드라이버	참가자들이 터치 투 타겟 작업을 수행할 때 터치 감지 표면을 보정하는 데 사용됩니다.
트리거 및 반응 장치	로랜드 연구소 (케임브리지, 매사추세츠, 미국)	로랜드 USB 응답 박스	태블릿 기반 작업, 시선 추적 및 fMRI 데이터 스트림을 시간 동기화하는 데 사용됩니다.
비디오 카메라	MRC 인스트루먼트 GmbH (하이델베르크, 독일)	12M-i	태블릿의 터치 감지 표면에 손과 스타일러스의 상호작용 영상을 녹화합니다.
비디오 카메라 컴퓨터	해당되지 않음	해당되지 않음	다중 구성 설계. 자세한 내용은 참고문헌 13을 참조하세요.