Methodenartikel

Gebruik van real-time functionele magnetische resonantie beeldvorming gebaseerde neurofeedback om de insulaire cortex bij nicotineverslaafde rokers te downreguleren

DOI:

10.3791/59441

⸱

10 juni 2020

 ,  ,  ,  ,  ,  ,  ,  ,  ,  ,  , 
1Departamento de Psiquiatría, Escuela de Medicina, Centro Interdisciplinario de Neurociencias, Pontificia Universidad Católica de Chile, 2Laboratory for Brain-Machine Interfaces and Neuromodulation, Pontificia Universidad Católica de Chile, 3Institute of Medical Psychology and Behavioral Neurobiology, University of Tübingen, 4Department of Psychiatry and Psychotherapy, University of Tübingen, 5Unidad de Imágenes Cuantitativas Avanzadas, Departamento de Imaágenes, Facultad de Medicina Clínica Alemana, Universidad del Desarrollo, 6División de Neurociencia, Centro de Investigación en Complejidad Social (neuroCICS), Facultad de Gobierno, Universidad del Desarrollo, 7Institute di Ricovero e Cura a Carattere Scientifico, 8Wyss Center for Bio and Neuroengineering, 9Institute for Biological and Medical Engineering, Pontificia Universidad Católica de Chile

In dit artikel

Samenvatting

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Bij real-time functionele magnetische resonantie beeldvorming (rtfMRI) wordt hersenactiviteit experimenteel gemanipuleerd als een onafhankelijke variabele en wordt gedrag gemeten als een afhankelijke variabele. Het hier gepresenteerde protocol richt zich op het praktische gebruik van rtfMRI als therapeutisch hulpmiddel bij psychiatrische stoornissen zoals nicotineverslaving.

Samenvatting

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Het is meer dan tien jaar geleden dat de eerste op functionele magnetische resonantie beeldvorming (fMRI) gebaseerde neurofeedbackbenadering met succes werd geïmplementeerd. Sindsdien hebben verschillende onderzoeken aangetoond dat deelnemers kunnen leren om vrijwillig een afgebakend hersengebied te beheersen. Bijgevolg bood real-time fMRI (rtfMRI) een nieuwe mogelijkheid om gedragsveranderingen als gevolg van manipulatie van hersenactiviteit te bestuderen. Vandaar dat het aantal meldingen van rtfMRI-toepassingen om zelfregulatie van hersenactiviteit te trainen en de daarmee gepaard gaande veranderingen in gedrags- en klinische aandoeningen zoals neurologische en psychiatrische stoornissen [bijv. schizofrenie, obsessief-compulsieve stoornis (OCS), beroerte] snel zijn toegenomen.

Neuroimaging-studies in verslavingsonderzoek hebben aangetoond dat de cortex anterior cingulate cortex, orbitofrontale cortex en insulaire cortex worden geactiveerd tijdens de presentatie van geneesmiddelgerelateerde signalen. Ook is aangetoond dat activiteit in zowel de linker als de rechter insulaire cortex sterk gecorreleerd is met de drang naar drugs wanneer deelnemers worden blootgesteld aan hunkering-opwekkende signalen. Daarom is de bilaterale insula van bijzonder belang bij het onderzoeken van drugsdriften en verslaving vanwege zijn rol in de representatie van lichamelijke (interoceptieve) toestanden. Deze studie onderzoekt het gebruik van rtfMRI-neurofeedback voor de vermindering van de zuurstofniveau-afhankelijke (BOLD) activiteit in het bloed in bilaterale insulaire cortex van nicotineverslaafde deelnemers. De studie test ook of er neurofeedback-trainingsgerelateerde wijzigingen zijn in de impliciete houding van deelnemers ten opzichte van nicotine-hunkering en expliciet-hunkering gedrag.

Inleiding

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Neurofeedback is een operante conditioneringsprocedure waarmee mensen of dieren kunnen leren om neurale activiteit in een of meer hersengebieden te moduleren. Training leidt meestal tot gedragsveranderingen1. In principe worden hersensignalen van een of meer afgebakende hersengebieden omgezet in sensorische feedback (bijv. visuele, auditieve of tactiele feedback), die aan de deelnemer wordt verstrekt voor controle van hersenactiviteit door operante conditionering of andere vormen van leren. In de omkering van het traditionele neuroimaging-paradigma moduleren neurofeedbackstudies hersenactiviteit als een onafhankelijke variabele en meten ze gedrag als een afhankelijke variabele. Neurofeedback biedt dus een nieuwe benadering voor het onderzoeken van de betrokkenheid van hersengebieden bij verschillende cognitieve functies en hoe hyper- of hypoactivering van die hersengebieden kan leiden tot abnormaal gedrag.

Neurofeedback is gebruikt met verschillende neuroimaging-modaliteiten, zoals functionele magnetische resonantiebeeldvorming (fMRI), elektro-encefalografie (EEG) en functionele nabij-infraroodspectroscopie (fNIRS). Op EEG en fNIRS gebaseerde neurofeedbackparadigma's hebben de voordelen van een hogere temporele resolutie, betaalbaarheid en draagbaarheid 2,3. Ze worden echter gekenmerkt door een lage ruimtelijke resolutie en een onvermogen om toegang te krijgen tot diepere hersengebieden. Bovendien heeft EEG de computationele complexiteit van het inverse probleem voor het bepalen van een bron van neurale activeringen uit EEG-signalen aan het oppervlak4. Met recente ontwikkelingen op het gebied van real-time fMRI (rtfMRI) is het echter mogelijk om toegang te krijgen tot hemodynamische signalen uit alle delen van de hersenen, met een goede ruimtelijke resolutie (bijv. 2 mm3) en een temporele resolutie van 720 ms5. Zo overwint fMRI de bovengenoemde beperkingen van fNIRS- en EEG-technieken.

Verslaving aan nicotine is een van de belangrijkste doodsoorzaken over de hele wereld als gevolg van een aantal ziekten die verband houden met roken6. Erkende factoren die leiden tot nicotineverslaving zijn sociaal, ecologisch, psychologisch7 en genetische gevoeligheid8. Op neurobiologisch niveau hebben studies activering aangetoond in de cortex anterior cingulate (ACC), orbitofrontale cortex (OFC), ventrale tegmentale gebied (VTA), ventrale striatum, amygdala, hippocampus, prefrontale cortex (PFC) en insulaire cortex tijdens de presentatie van geneesmiddelgeassocieerde signalen in tegenstelling tot neutrale controlesignalen 9,10,11,12,13,14 . Activiteit in zowel linker- als rechterinsula's is sterk gecorreleerd met rookdrang wanneer rokers drugsgerelateerde signalen bekeken15,16. De insula speelt een belangrijke rol bij het uitlokken van hunkeringsgedrag 17,18,19,20,21, omdat het verantwoordelijk is voor de perceptie van de lichamelijke toestand. Er is gemeld dat rokers met laesies in hun insulaire cortex meer kans hadden om te stoppen met roken dan rokers met hersenbeschadiging waarbij de insula18 niet betrokken was.

Een van de grootste uitdagingen bij bestaande methoden om te stoppen met roken is het hoge terugvalpercentage22. Meer dan 80% van de rokers valt terug binnen de eerste paar maanden na het stoppen met roken23. Blootstelling aan signalen die eerder in verband werden gebracht met drugsgebruik is een belangrijke reden voor het hoge terugvalpercentage bij nicotineverslaving24. Dit mechanisme wordt het incubatie-effect genoemd. Het huidige protocol is ontwikkeld om het incubatie-effect aan te pakken dat wordt beoordeeld door een affectieve priming-taak. Eerdere studies hebben aangetoond dat zich onthoudende rokers een negatieve impliciete houding hebben ten opzichte van rookgerelateerde signalen 25,26,27,28. In de typische affectieve priming-taak wijzigen emotionele priming-stimuli de verwerking van een affectief doelwit, zodat de reactietijd en de nauwkeurigheid van de reacties worden veranderd29. Met andere woorden, als de priem- en doelstimuli dezelfde valentie hebben, zal de reactietijd als reactie op de doelstimuli sneller zijn, en vice versa.

In de huidige studie wordt verondersteld dat downregulatie van de bilaterale voorste insulaire cortex het verlangen zal verminderen, en daarom zal de valentie van hunkering-inducerende signalen veranderen van negatief naar neutraal, aangezien aandachts- en associatieve vooroordelen zullen verschuiven van aan roken gerelateerde signalen30. De impliciete gedragstaak is een affectieve priming-taak die oorspronkelijk is aangepast van Czyzewska en Graham31. Op basis van de bovengenoemde hypothese wordt verwacht dat er een afname van de reactietijd zal worden waargenomen als reactie op een combinatie van prime (hunkering naar een beeld of een neutraal tegenhangerbeeld) en doelwoorden met positieve valentie na downregulatieblok in vergelijking met het basislijnblok. De priming-taak (Figuur 2B) bestaat uit een priemgetal (d.w.z. een hunkering uitlokkend beeld of zijn neutrale tegenhanger afbeelding32) en een doelwoord met positieve of negatieve valentie. Het hoofdbeeld wordt gedurende 200 ms weergegeven, gevolgd door een doelwoord gedurende 1 seconde. Asynchronie met aanvang van de stimulus (SOA) is 250 ms. Deelnemers krijgen vervolgens de opdracht om de valentie van het doelwoord (positief of negatief) te beoordelen en zo snel en nauwkeurig mogelijk te reageren door op een knop te drukken.

Het rtfMRI-systeem (Figuur 1) bestaat uit de volgende subsystemen: (1) deelnemer, (2) signaalacquisitie, (3) online signaalanalyse en (4) signaalfeedback. Signaalacquisitie wordt uitgevoerd met een 3.0T Siemens Trio-scanner voor het hele lichaam met behulp van een echo planaire beeldvorming (EPI)-sequentie33. Procedures zoals beeldreconstructie, vervormingscorrectie en middeling van het signaal worden uitgevoerd op de scannercomputer. Zodra de beelden zijn gereconstrueerd en voorbewerkt, worden ze geëxporteerd naar het subsysteem voor signaalanalyse. Het subsysteem voor signaalanalyse wordt geïmplementeerd met behulp van de Turbo Brain Voyager (TBV)34. TBV haalt de gereconstrueerde beelden op en voert gegevensverwerking uit, waaronder 3D-bewegingscorrectie en real-time statistische analyse met behulp van het algemene lineaire model35. TBV stelt de gebruiker in staat om interessegebieden (ROI's) te tekenen over meerdere voxels op de functionele afbeeldingen en gemiddelde BOLD-waarden van de ROI na elke herhalingstijd (TR) te extraheren. De tijdreeksen van de geselecteerde ROI's worden vervolgens geëxporteerd naar het MATLAB-script dat feedback berekent en presenteert aan de deelnemer.

Visuele feedback van hersenactiviteit wordt aan de deelnemers gegeven in de vorm van een grafisch geanimeerde thermometer, waarvan de staven veranderen in verhouding tot het percentage BOLD-veranderingen in de ROI's. Verschillende onderzoeken hebben intermitterende feedback (feedback gegeven aan een deelnemer na een aantal TR's van de EPI-sequentie) gebruikt voor het trainen van deelnemers36,37. In de huidige studie werd echter verwacht dat deelnemers meer moeite zouden hebben om het BOLD-signaal in de voorste insula te downreguleren met continue feedback vanwege de rol van insula bij sensorische integratie en betrokkenheid bij het verwerken van visuele feedbackinformatie38. Daarom werd aangenomen dat continue feedback zou resulteren in een conflict tussen twee processen in de insulaire cortex, een proces dat het signaal verhoogt als gevolg van externe feedback en een ander dat het signaal vermindert als gevolg van neurofeedbacktraining. Daarom geven we in dit onderzoek alleen feedback aan het einde van elk downregulatieblok (vertraagde feedback). Deelnemers krijgen een tekst te zien (bijv. Euro 0,87) als visuele feedback (Figuur 2A,C) die aangeeft hoeveel geld ze hebben verdiend (geldelijke beloning). Deze beloning is evenredig met het percentage downregulatie dat in het regulatieblok wordt bereikt.

RtfMRI is een nieuwe neurotechnologie die mogelijk problemen in therapeutische benaderingen van verslavingsbehandeling kan overwinnen en betrouwbaardere en effectievere interventies kan bieden om terugval te verminderen. De langetermijndoelstellingen van de huidige studie zijn drieledig: 1) testen of nicotineverslaafden kunnen leren om BOLD-signalen in de voorste insula te downreguleren tijdens de aanwezigheid van stimuli die hunkeringsgedrag opwekken; 2) om te onderzoeken of neurofeedbacktraining leidt tot aanpassingen in hunkeringsgedrag; en 3) om te onderzoeken of veranderingen in hunkeringsniveaus tijdens neurofeedbacktraining van downregulatie van de insula na zes maanden training aanhouden zonder enige andere interventie. Dit artikel geeft een gedetailleerde beschrijving van het experimentele rtfMRI-protocol en de verschillende componenten ervan. Ook worden voorbeeldgegevens uit het onderzoek gepresenteerd en een bespreking van de toekomstige uitdagingen en het potentieel van deze methode in aanvulling op het onderzoek. Het gepresenteerde protocol is ontworpen om te onderzoeken of op fMRI gebaseerde neurofeedbacktraining kan worden gebruikt om verminderingen van hersenactiviteit in de insulaire cortex van sigarettenrokers te bestuderen. Daarnaast is het protocol bedoeld om relaties tussen activering van de insulaire cortex en het hunkeringsgedrag van sigarettenrokers te bestuderen.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

De Ethische Commissie van de Medische Faculteit van de Universiteit van Tübingen en Pontificia Universidad Católica de Chile heeft het volgende rtfMRI-protocol goedgekeurd.

1. Hardware instellen

  1. De hardware die in figuur 1 wordt weergegeven, wordt slechts één keer voorbereid om de real-time export van de MRI-gegevens in te stellen.
  2. De voorbereiding van de MRI-kamer is hetzelfde als de traditionele fMRI-meting. Bereid de MRI-kamer voor op aankomst van de deelnemer.
  3. Sluit de 32 of 20 kanaals kopspoel aan op de scanner.
  4. Sluit de VGA/HDMI-kabel van de projector en het MR-compatibele responsapparaat (knoppenkast) aan op de stimuluscomputer.
    OPMERKING: In het grootste deel van de MR-opstelling levert het responsapparaat de TR-trigger aan de stimuluscomputer. Deze trigger helpt bij het synchroniseren van de presentatie van stimulus en gegevensverzameling.

2. Voorbereiding van de deelnemer buiten de scanner

  1. Bereid het toestemmingsformulier en de vragenlijsten voor die deelnemers voor hun aankomst moeten invullen.
  2. Zodra de deelnemer arriveert, legt u het experiment en de fMRI-techniek uit. Instrueer de deelnemer ook hoe hij de taak moet uitvoeren (tijdens het experiment moeten deelnemers bijvoorbeeld hun ogen open houden en altijd naar de foto's op het scherm kijken, en ze moeten proberen hun hoofd niet in de scanner te bewegen).
  3. Vraag de deelnemer om het toestemmingsformulier te ondertekenen en de vragenlijsten in te vullen die nodig zijn om de hunkeringsniveaus te beoordelen.
  4. Vraag de deelnemers om de volgende vragenlijsten in te vullen: 1) VAS-C: Visual Analogue Scale, Craving39, 2) QSU-b: Questionnaire of Smoking Urges-Brief Version40, en 3) sigaretten per dag.
  5. Vraag de deelnemer om uit te ademen door het koolmonoxide (CO) meetapparaat.
    OPMERKING: CO-meting41 geeft aan of de deelnemer ten minste 3 uur voor aankomst al dan niet afziet van roken voor de neurofeedbacksessie. CO wordt gemeten in ppm (parts per million). Lage CO-waarden geven aan dat de deelnemer in ieder geval een paar uur voor aankomst niet heeft gerookt. Deelnemers moeten worden gevraagd om niet te roken, zodat de hunkeringssignalen tijdens het experiment een hoge hunkering opwekken. Deelnemers met hoge CO-waarden worden voorafgaand aan de toekomstige neurofeedbacksessie gewaarschuwd om ervoor te zorgen dat ze niet roken vóór de rtfMRI-sessie. Deelnemers die niet twee keer stoppen met roken, moeten worden uitgesloten van het onderzoek.

3. Positionering van de deelnemer

OPMERKING: De procedure voor het positioneren van de deelnemer op de scannertafel is vergelijkbaar met het traditionele fMRI-experiment.

  1. Vraag de deelnemer om alle metalen voorwerpen uit zijn of haar zakken te halen voordat hij of zij de MRI-kamer betreedt.
  2. Vraag de deelnemer om oordopjes in te brengen voordat hij of zij in rugligging op de scannertafel gaat liggen.
  3. Gebruik pads om de hoofdpositie van de deelnemer in de hoofdspoel te fixeren. Deze stap helpt om de beweging van het hoofd tijdens de meting te verminderen.
  4. Vergrendel het bovenste deel van de kopspoel en bevestig de spiegel aan de kopspoel.
  5. Geef het reactieapparaat aan de deelnemer en plaats het responsapparaat op basis van het comfort van de deelnemer.
  6. Vraag de deelnemer om zijn of haar ogen te sluiten en de referentiepositie van het hoofd van de deelnemer tussen de wenkbrauwen te markeren met behulp van laserlicht.
  7. Verplaats de scannertafel om de gemarkeerde positie in het midden van de MRI-boring te plaatsen.
  8. Bevestig met de deelnemer dat hij of zij zich in een comfortabele positie bevindt en dat hij of zij de visuele stimuli die op het scherm achter de scanner worden geprojecteerd met behulp van de spiegel kan zien. Pas de spiegel indien nodig aan.

4. Gegevensverzameling

  1. Vraag de deelnemer tijdens de eerste scans om zijn of haar ogen te sluiten en te proberen het hoofd niet te bewegen.
  2. Start de meting met een lokalisatiepulssequentie. Deze sequentie wordt meestal gebruikt om de plakpositie te bepalen van de vervolgens uitgevoerde anatomische scan en functionele (EPI-sequentie) scans.
  3. Selecteer het gezichtsveld (FOV) voor de anatomische scan met de volgende parameters: TR = 11,5 ms, TE = 5 ms, 176 plakjes zonder plakopening, FOV = 240 x 240 mm2, matrix = 256 x 256, fliphoek = 18°, met1 mm 3 isotrope voxels. Het gezichtsveld van de reeks beslaat het hele hoofd van de deelnemer.
  4. Het gezichtsveld voor de functionele (EPI-sequentie) scan is uitgelijnd met de anterieure commissuur/posterieure commissuurlijn (AC-PC-lijn). Pas de positie van de segmenten aan om het doelgebied van interesse te bedekken. De parameters van de reeks zijn de volgende: TR = 1,5, FOV = 192 mm, 25 plakjes, voxel = 3 mm x 3 mm x 3 mm, flip-hoek = 70°.

5. FMRI-neurofeedback

  1. Waarschuw de deelnemer dat de neurofeedbackrun begint en herhaal de eerder gegeven instructies (bijv. dat tijdens de basislijn een blok wordt weergegeven door een "+"-teken).
    OPMERKING: De deelnemer moet het beeld op het beeldscherm bekijken. Aan de andere kant moeten deelnemers tijdens het regulatieblok, weergegeven door een pijl in neerwaartse richting, proberen zich los te maken van hunkering met behulp van enkele cognitieve strategieën. Het geldbedrag dat aan het einde van elk regelblok wordt weergegeven, vertegenwoordigt hun prestaties. Een hoger geldbedrag staat voor betere prestaties.
  2. Voer de neurofeedbackrun uit waarbij het basislijn- en regulatieblok elkaar afwisselen (elk 30 s; Figuur 2).
  3. Voer op de stimuluscomputer de door de stimuluscode geschreven presentatiesoftware uit en druk op de Enter-knop nadat Ready op het scherm verschijnt. De presentatiecode wacht nu op de trigger om de neurofeedback-run te starten.
    OPMERKING: De code loopt synchroon met de TR-triggers die uit de scanner komen. Daarom is het de eerste stap ter voorbereiding op het uitvoeren van de neurofeedbackrun.
  4. Voer op de analysecomputer de interne MATLAB-toolbox en turbo brain voyager (TBV) uit.
  5. Voer in de MATLAB-toolbox de informatie in die specifiek is voor de deelnemer, zoals patiënt-ID en neurofeedback-runnummer.
  6. Druk op Genereer protocolbestanden om het protocolbestand voor te bereiden met behulp van de informatie die in stap 5.5 is ingevoegd.
    OPMERKING: Het protocolbestand bevat informatie met betrekking tot de timing van de conditie (bijv. het tijdstip waarop TR een specifieke conditie moet starten en welke stimulus moet worden gepresenteerd). Het zal worden gebruikt door zowel de MATLAB-toolbox als TBV.
  7. Druk op de knop om uit te voeren op de GUI van de MATLAB toolbox. De code wacht nu op het ontvangen van gegevens van de TBV.
  8. Selecteer in de TBV het protocolbestand dat in stap 5.6 is gegenereerd. Selecteer daarnaast het .roi-bestand dat is gegenereerd uit de vorige neurofeedbacksessies.
    OPMERKING: Het selecteren van een ROI-bestand is belangrijk, omdat hiermee wordt voorkomen dat de TBV-software crasht tijdens de eerste (10 TR's) periode van de neurofeedback-run.
  9. Bereid de EPI-sequentie voor die moet worden geïmplementeerd in de MR-hostcomputer. Druk op de startknop in de TBV.
  10. Teken de beoogde ROI's in de TBV-software opnieuw op basis van de anatomische oriëntatiepunten. De vorm en grootte van de ventrikels in de hersenen worden gebruikt als oriëntatiepunten om de voorste insula te selecteren. Bovendien wordt de golvende vorm van de insulaire cortex gebruikt om nauwkeurig de voxels te selecteren die verband houden met bilaterale anterieure insula.
  11. Teken een ROI op het primaire motorgebied (M1) met behulp van de centrale sulcus als anatomisch oriëntatiepunt. Het primaire motorgebied fungeert als een referentie-ROI om het effect van globale BOLD-verhogingen en BOLD-fluctuaties als gevolg van hoofdbewegingen te verwijderen.
  12. Vraag aan het einde van elke neurofeedbacksessie aan de deelnemer: "Welke cognitieve strategie gebruikte je tijdens het regulatieblok?". Vraag de deelnemer daarnaast naar zijn of haar comfortniveau en of hij of zij al dan niet door wil gaan met het experiment.
  13. Selecteer na vier neurofeedbackruns het keuzerondje Ja voor de overdrachtsrun.
    OPMERKING: Een transferrun is vergelijkbaar met de neurofeedbackrun. Deelnemers voeren echter zelfregulatie uit zonder feedback. Dit helpt om te bepalen of de aangeleerde zelfregulatie wordt overgedragen naar de situatie waarin de deelnemer geen neurofeedback zal ontvangen (bijvoorbeeld buiten de scanner).

6. Controlegroep

  1. Instrueer de deelnemers in de controlegroep op dezelfde manier als die in de experimentele groep. Geef echter wel dooierfeedback aan de deelnemers.
    OPMERKING: Bij juked feedback blijft de gemiddelde hoeveelheid bekrachtiging (geld) in zowel de experimentele als de controlegroep hetzelfde. Het enige verschil tussen de twee groepen is de contingentie van de feedback die aan de deelnemers wordt gegeven. Voor deelnemers in de controlegroep wordt de totale hoeveelheid versterking (geld) verdeeld over de willekeurig toegewezen 40% van de downregulatieproeven. In de overige 60% van de onderzoeken krijgen deelnemers echter negatieve feedback (nul euro). De deelnemers in de controlegroep krijgen dus geen voorwaardelijke feedback.

7. Offline analyse

  1. Voorverwerking van fMRI-gegevens
    1. Gebruik een toolbox voor statistische parametrische mapping (SPM) om de fMRI-gegevens (https://www.fil.ion.ucl.ac.uk/spm/ext/) voor te verwerken.
    2. Converteer de fMRI-gegevens in DICOM-formaat naar NIFTI-formaat met behulp van het formaatconversiehulpprogramma van de SPM-batchfunctie.
    3. Verwijder de eerste 10 scans van elke neurofeedback-run-gegevens om gradiëntevenwichtseffecten te voorkomen42.
    4. Voer het heruitlijningsproces uit om bewegingsartefacten te verwijderen en lijn alle volumes uit op het eerste volume van de sessie. Voer bovendien een tijdsegmentcorrectie uit om de vertraging van de segmentacquisitie43 te compenseren.
    5. Voer segmentatie uit van de anatomische scan, coregistratie van de EPI-sequentiegegevens en de anatomische gegevens, en normalisatie om de ruimtegegevens van de proefpersoon in kaart te brengen met de standaard hersensjabloon44 van het Montreal Neurological Institute (MNI).
    6. Met behulp van onze interne MATLAB-code extraheert u de BOLD-signalen uit kubusvormige ROI's die zijn gemaakt rond de MNI-coördinaten die overeenkomen met de bilaterale anterieure insula en de primaire motorische cortex.
  2. Berekening van de procentuele verandering in het BOLD-signaal
    1. Bereken de procentuele verandering in het BOLD-signaal op basis van de gemiddelde verandering in BOLD-signaal voor elke ROI tijdens het regelblok in vergelijking met het vorige basislijnblok. De vergelijking voor de procentuele verandering in het BOLD-signaal is de volgende:
      figure-protocol-1
  3. Analyse van expliciet rookgedrag van deelnemers
    1. Importeer de antwoorden van de deelnemers op vragenlijsten (d.w.z. QSU-b, VAS-C, CO-meting en sigaretten per dag) naar MATLAB.
    2. Test de normaliteit van de gegevens met behulp van een Kolmogorov-Smirnov-test met één steekproef van MATLAB.
    3. Een t-test met één steekproef moet worden gebruikt om de antwoorden van verschillende vragenlijsten voor elke deelnemer te vergelijken, en een gepaarde steekproef t-toets om de scores tussen de experimentele en controlegroep te vergelijken.
  4. Analyse van de impliciete houding ten opzichte van hunkering-uitlokkende signalen
    1. Extraheer de reactietijd (RT) van affectieve priming-proeven voor elke deelnemer uit de logbestanden die zijn gegenereerd door presentatiesoftware.
    2. Verwijder de uitschieters op basis van de RT (d.w.z. neem geen proeven op met een RT langer dan de 2x de standaarddeviatie van de gemiddelde RT van de deelnemer).
    3. Test de normaliteit van de gegevens met behulp van een Kolmogorov-Smirnov-test met één steekproef van MATLAB.
    4. Vergelijk downregulatie-effecten op de mediane reactietijden van unieke combinaties van priemgetallen (hunkering-inducerende en neutrale beelden) en doelen (positieve en negatieve woorden) voor elke deelnemer, en vergelijk tussen de experimentele en controlegroep met behulp van een gepaarde wijze t-toets.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Resultaten

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Vier patiënten werden gerekruteerd op basis van hun scores op de Fagerström Test for Nicotine Dependence (FTND)45-vragenlijst voor medium-level nicotineafhankelijkheid (FTND-score >4) en het aantal sigaretten dat elke dag werd gerookt (>15). Bovendien werd ervoor gezorgd dat de deelnemers geen tatoeage of metalen implantaten hadden volgens de MRI-veiligheidsmaatregelen van de instelling. Voor elke deelnemer werden vijf rtfMRI-sessies uitgevoerd, waarbij de eerste vier sessies ...

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Discussie

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Resultaten van vier deelnemers tonen de mogelijkheid aan voor sigarettenrokers om te leren de activering in de bilaterale anterieure insula te downreguleren in aanwezigheid van een hunkering-opwekkende signalen. Veranderingen in het impliciete en expliciete rookgedrag na neurofeedbacktraining bij de steekproefdeelnemer kunnen verband houden met aangeleerde downregulatie, aangezien de deelnemer in de loop van het experiment geen andere klinische of experimentele interventies heeft onderga...

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Openbaarmakingen

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

De auteurs hebben niets te onthullen.

Dankbetuigingen

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Deze studie werd ondersteund door Comisión Nacional de Investigación Científica y Tecnológica de Chile (Conicyt) via Fondo Nacional de Desarrollo Científico y Tecnológico, Fondecyt Postdoctoral grant (nr. 3100648) Fondecyt Regular (projecten nr. 1171313 en nr. 1171320) en CONICYT PIA/Anillo de Investigación en Ciencia y Tecnología ACT172121.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Materialen

Lijst van materialen gebruikt in dit artikel
NaamBedrijfCatalogusnummerOpmerkingen
MATHSWORKMATLAB versie 2014a
Presentatie - Neurobehavioral SystemsPresentatie versie 18.0
Brain Innovation B.V.Turbo Brain Voyager Versie 2.6 of 3.0

Referenties

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Fernandez, T., et al. EEG and behavioral changes following neurofeedback treatment in learning disabled children. Clinical Electroencephalography. 34, 145-152 (2003).
  2. Scarapicchia, V., Brown, C., Mayo, C., Gawryluk, J. R. Functional Magnetic Resonance Imaging and Functional Near-Infrared Spectroscopy: Insights from Combined Recording Studies. Frontiers in Human Neuroscience. 11, 419(2017).
  3. Hinault, T., Larcher, K., Zazubovits, N., Gotman, J., Dagher, A. Spatio-temporal patterns of cognitive control revealed with simultaneous electroencephalography and functional magnetic resonance imaging. Human Brain Mapping. , (2018).
  4. Grech, R., et al. Review on solving the inverse problem in EEG source analysis. Journal of NeuroEngineering and Rehabilitation. 5, 25(2008).
  5. Van Essen, D. C., et al. The Human Connectome Project: a data acquisition perspective. NeuroImage. 62, 2222-2231 (2012).
  6. World Health Organization. WHO Report on the Global Tobacco Epidemic, 2017. , Geneva: World Health Organization. (2017).
  7. Ringlever, L., Otten, R., de Leeuw, R. N., Engels, R. C. Effects of parents' education and occupation on adolescent smoking and the mediating role of smoking-specific parenting and parent smoking. European Addiction Research. 17, 55-63 (2011).
  8. Malaiyandi, V., Sellers, E. M., Tyndale, R. F. Implications of CYP2A6 genetic variation for smoking behaviors and nicotine dependence. Clinical Pharmacology and Therapeutics. 77, 145-158 (2005).
  9. Brody, A. L., et al. Neural substrates of resisting craving during cigarette cue exposure. Biological Psychiatry. 62, 642-651 (2007).
  10. Childress, A. R., et al. Cue reactivity and cue reactivity interventions in drug dependence. NIDA Research Monography. 137, 73-95 (1993).
  11. Claus, E. D., Kiehl, K. A., Hutchison, K. E. Neural and behavioral mechanisms of impulsive choice in alcohol use disorder. Alcoholism, Clinical and Experimental Research. 35, 1209-1219 (2011).
  12. Franklin, T. R., et al. Limbic activation to cigarette smoking cues independent of nicotine withdrawal: a perfusion fMRI study. Neuropsychopharmacology. 32, 2301-2309 (2007).
  13. Grusser, S. M., et al. Cue-induced activation of the striatum and medial prefrontal cortex is associated with subsequent relapse in abstinent alcoholics. Psychopharmacology. 175, 296-302 (2004).
  14. Buhler, M., et al. Nicotine dependence is characterized by disordered reward processing in a network driving motivation. Biological Psychiatry. 67, 745-752 (2010).
  15. Bonson, K. R., et al. Neural systems and cue-induced cocaine craving. Neuropsychopharmacology. 26, 376-386 (2002).
  16. Brody, A. L., et al. Brain metabolic changes during cigarette craving. Archives of General Psychiatry. 59, 1162-1172 (2002).
  17. Contreras, M., Ceric, F., Torrealba, F. Inactivation of the interoceptive insula disrupts drug craving and malaise induced by lithium. Science. 318, 655-658 (2007).
  18. Naqvi, N. H., Rudrauf, D., Damasio, H., Bechara, A. Damage to the insula disrupts addiction to cigarette smoking. Science. 315, 531-534 (2007).
  19. Hollander, J. A., Lu, Q., Cameron, M. D., Kamenecka, T. M., Kenny, P. J. Insular hypocretin transmission regulates nicotine reward. Proceedings of the National Academy of Sciences of the United States of America. 105, 19480-19485 (2008).
  20. Forget, B., Pushparaj, A., Le Foll, B. Granular insular cortex inactivation as a novel therapeutic strategy for nicotine addiction. Biological Psychiatry. 68, 265-271 (2010).
  21. Scott, D., Hiroi, N. Deconstructing craving: dissociable cortical control of cue reactivity in nicotine addiction. Biological Psychiatry. 69, 1052-1059 (2011).
  22. Buczkowski, K., Marcinowicz, L., Czachowski, S., Piszczek, E. Motivations toward smoking cessation, reasons for relapse, and modes of quitting: results from a qualitative study among former and current smokers. Patient Prefer Adherence. 8, 1353-1363 (2014).
  23. Hughes, J. R., Stead, L. F., Hartmann-Boyce, J., Cahill, K., Lancaster, T. Antidepressants for smoking cessation. Cochrane Database of Systematic Reviews. , CD000031(2014).
  24. Bedi, G., et al. Incubation of cue-induced cigarette craving during abstinence in human smokers. Biological Psychiatry. 69, 708-711 (2011).
  25. Bassett, J. F., Dabbs, J. M. Jr A portable version of the go/no-go association task (GNAT). Behavior Research Methods. 37, 506-512 (2005).
  26. Huijding, J., de Jong, P. J., Wiers, R. W., Verkooijen, K. Implicit and explicit attitudes toward smoking in a smoking and a nonsmoking setting. Addictive Behaviors. 30, 949-961 (2005).
  27. Sherman, S. J., Rose, J. S., Koch, K., Presson, C. C., Chassin, L. Implicit and explicit attitudes towards cigarette smoking: The effect of context and motivation. Journal of Social and Clinical Psychology. 22, 13-39 (2003).
  28. Swanson, J. E., Rudman, L. A., Greenwald, A. G. Using the Implicit Association Test to investigate attitude- behavior consistency for stigmatized behavior. Cognition and Emotion. 15, 207-230 (2001).
  29. Asgaard, G. L., Gilbert, D. G., Malpass, D., Sugai, C., Dillon, A. Nicotine primes attention to competing affective stimuli in the context of salient alternatives. Experimental and Clinical Psychopharmacology. 18, 51-60 (2010).
  30. Gilbert, D. G., et al. Effects of nicotine on brain responses to emotional pictures. Nicotine & Tobacco Research. 6, 985-996 (2004).
  31. Czyzewska, M., Graham, R. Implicit and explicit attitudes to high- and low-calorie food in females with different BMI status. Eating Behaviors. 9, 303-312 (2008).
  32. Gilbert, D. G., Rabinovich, N. E. International smoking images series (with neutral counterparts). , Southern Illinois University: Integrative Neuroscience Laboratory, Department of Psychology. (1999).
  33. Bandettini, P. A., Wong, E. C., Hinks, R. S., Tikofsky, R. S., Hyde, J. S. Time course EPI of human brain function during task activation. Magnetic Resonance Medicine. 25, 390-397 (1992).
  34. Goebel, R. BrainVoyager - past, present, future. NeuroImage. 62, 748-756 (2012).
  35. Poline, J. B., Worsley, K. J., Holmes, A. P., Frackowiak, R. S., Friston, K. J. Estimating smoothness in statistical parametric maps: variability of p values. Journal of Computer Assisted Tomography. 19, 788-796 (1995).
  36. Johnson, K. A., et al. Intermittent "real-time" fMRI feedback is superior to continuous presentation for a motor imagery task: a pilot study. Journal of Neuroimaging. 22, 58-66 (2012).
  37. Yoo, S. S., Jolesz, F. A. Functional MRI for neurofeedback: feasibility study on a hand motor task. Neuroreport. 13, 1377-1381 (2002).
  38. Craig, A. D. How do you feel--now? The anterior insula and human awareness. Nature reviews. Neuroscience. 10, 59-70 (2009).
  39. Cox, L. S., Tiffany, S. T., Christen, A. G. Evaluation of the brief questionnaire of smoking urges (QSU-brief) in laboratory and clinical settings. Nicotine & Tobacco Research. 3, 7-16 (2001).
  40. Wewers, M. E., Rachfal, C., Ahijevych, K. A psychometric evaluation of a visual analogue scale of craving for cigarettes. Western Journal of Nursing Research. 12, 672-681 (1990).
  41. Allen, D. R., Browse, N. L., Rutt, D. L., Butler, L., Fletcher, C. The effect of cigarette smoke, nicotine, and carbon monoxide on the permeability of the arterial wall. Journal of Vascular Surgery. 7, 139-152 (1988).
  42. Weiskopf, N., et al. Real-time functional magnetic resonance imaging: methods and applications. Magnetic Resonance Imaging. 25, 989-1003 (2007).
  43. Sladky, R., et al. Slice-timing effects and their correction in functional MRI. NeuroImage. 58, 588-594 (2011).
  44. Mazziotta, J., et al. A probabilistic atlas and reference system for the human brain: International Consortium for Brain Mapping (ICBM). Philosophical Transactions of the Royal Society of London: Series B, Biological Sciences. 356, 1293-1322 (2001).
  45. Heatherton, T. F., Kozlowski, L. T., Frecker, R. C., Fagerstrom, K. O. The Fagerstrom Test for Nicotine Dependence: a revision of the Fagerstrom Tolerance Questionnaire. British Journal of Addiction. 86, 1119-1127 (1991).
  46. Myrick, H., et al. Differential brain activity in alcoholics and social drinkers to alcohol cues: relationship to craving. Neuropsychopharmacology. 29, 393-402 (2004).
  47. Tapert, S. F., Brown, G. G., Baratta, M. V., Brown, S. A. fMRI BOLD response to alcohol stimuli in alcohol dependent young women. Addictive Behaviors. 29, 33-50 (2004).
  48. Kilts, C. D., Gross, R. E., Ely, T. D., Drexler, K. P. The neural correlates of cue-induced craving in cocaine-dependent women. American Journal of Psychiatry. 161, 233-241 (2004).
  49. Li, Q., et al. Assessing cue-induced brain response as a function of abstinence duration in heroin-dependent individuals: an event-related fMRI study. PloS One. 8, e62911(2013).
  50. Frank, S., Kullmann, S., Veit, R. Food related processes in the insular cortex. Front Hum Neurosci. 7, 499(2013).
  51. deCharms, R. C., et al. Control over brain activation and pain learned by using real-time functional MRI. Proceedings of the National Academy of Sciences of the United States of America. 102, 18626-18631 (2005).
  52. Ruiz, S., Birbaumer, N., Sitaram, R. Abnormal Neural Connectivity in Schizophrenia and fMRI-Brain-Computer Interface as a Potential Therapeutic Approach. Frontiers in Psychiatry. 4, 17(2013).
  53. Habes, I., et al. Pattern classification of valence in depression. NeuroImage. Clinical. 2, 675-683 (2013).
  54. Li, X., et al. Volitional reduction of anterior cingulate cortex activity produces decreased cue craving in smoking cessation: a preliminary real-time fMRI study. Addiction Biology. 18, 739-748 (2013).
  55. Lubar, J. F., Swartwood, M. O., Swartwood, J. N., O'Donnell, P. H. Evaluation of the effectiveness of EEG neurofeedback training for ADHD in a clinical setting as measured by changes in T.O.V.A. scores, behavioral ratings, and WISC-R performance. Biofeedback and Self-Regulation. 20, 83-99 (1995).
  56. Janssen, T. W., et al. A randomized controlled trial into the effects of neurofeedback, methylphenidate, and physical activity on EEG power spectra in children with ADHD. Journal of Child Psychology and Psychiatry. 57, 633-644 (2016).
  57. Mayer, K., Wyckoff, S. N., Fallgatter, A. J., Ehlis, A. C., Strehl, U. Neurofeedback as a nonpharmacological treatment for adults with attention-deficit/hyperactivity disorder (ADHD): study protocol for a randomized controlled trial. Trials. 16, 174(2015).
  58. Gevensleben, H., et al. Distinct EEG effects related to neurofeedback training in children with ADHD: a randomized controlled trial. International Journal of Psychophysiology. 74, 149-157 (2009).
  59. Ramos-Murguialday, A., et al. Brain-machine interface in chronic stroke rehabilitation: a controlled study. Annals of Neurology. 74, 100-108 (2013).
  60. Biasiucci, A., et al. Brain-actuated functional electrical stimulation elicits lasting arm motor recovery after stroke. Nature Communication. 9, 2421(2018).
  61. Du, J., et al. Effects of repetitive transcranial magnetic stimulation on motor recovery and motor cortex excitability in patients with stroke: a randomized controlled trial. European Journal of Neurology. 23, 1666-1672 (2016).
  62. Ang, K. K., et al. Facilitating effects of transcranial direct current stimulation on motor imagery brain-computer interface with robotic feedback for stroke rehabilitation. Archives of Physical Medicine and Rehabilitation. 96, S79-S87 (2015).
  63. Wolbrecht, E. T., Chan, V., Reinkensmeyer, D. J., Bobrow, J. E. Optimizing compliant, model-based robotic assistance to promote neurorehabilitation. IEEE Transactions on Neural Systems and Rehabilitation Engineering. 16, 286-297 (2008).
  64. Sitaram, R., et al. Closed-loop brain training: the science of neurofeedback. Nature Reviews Neuroscience. 18, 86-100 (2017).
  65. Simkin, D. R., Thatcher, R. W., Lubar, J. Quantitative EEG and neurofeedback in children and adolescents: anxiety disorders, depressive disorders, comorbid addiction and attention-deficit/hyperactivity disorder, and brain injury. Child and Adolescent Psychiatric Clinics of North America. 23, 427-464 (2014).
  66. Pascual-Marqui, R. D., et al. Assessing interactions in the brain with exact low-resolution electromagnetic tomography. Philosophical transactions: Series A, Mathematical, physical, and engineering sciences. , 3768-3784 (2011).
  67. Meir-Hasson, Y., Kinreich, S., Podlipsky, I., Hendler, T., Intrator, N. An EEG Finger-Print of fMRI deep regional activation. NeuroImage. 102, 128-141 (2014).

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Herprints en machtigingen

Toestemming aanvragen om de tekst of afbeeldingen van dit JoVE-artikel te hergebruiken

Toestemming aanvragen

Trefwoorden

Real time fMRIneurofeedbacktrainingnicotineverslavingzelfregulatie van de hersenenBOLD activiteitneuroimaging bij verslavingvermindering van cravingbilaterale insulafunctionele MRI
Video binnenkort beschikbaar

Gerelateerde artikelen