Subskrypcja JoVE jest wymagana do oglądania tego materiału. Zaloguj się lub rozpocznij bezpłatny okres próbny.

Artykuł metodologiczny

Opracowywanie fenotypów neuroobrazowania sieci trybu domyślnego w PTSD: integracja stanu spoczynku, pamięci roboczej i łączności strukturalnej

14.3K wyświetleń

⸱

DOI:

10.3791/51651

⸱

1 lipca 2014

 ,  , 
1Providence VA Medical Center, Department of Psychiatry & Human Behavior, Alpert Medical School, Brown University, 2Department of Psychology, University of Georgia

W tym artykule

Podsumowanie

Ten protokół opisuje uzupełniające techniki neuroobrazowania połączeń strukturalnych w stanie spoczynku, dezaktywacji wywołanej zadaniem i analiz połączeń strukturalnych w celu zbadania domyślnej sieci w zespole stresu pourazowego. Zastosowanie metod synergicznych może potencjalnie prowadzić do poprawy diagnostyki i oceny ciężkości, wyników i innych istotnych czynników klinicznych.

Streszczenie

Uzupełniające strukturalne i funkcjonalne techniki neuroobrazowania używane do badania sieci DMN (Default Mode Network) mogłyby potencjalnie poprawić ocenę ciężkości chorób psychicznych i zapewnić dodatkową ważność klinicznego procesu diagnostycznego. Ostatnie badania neuroobrazowe sugerują, że procesy DMN mogą być zakłócone w wielu chorobach psychicznych związanych ze stresem, takich jak zespół stresu pourazowego (PTSD).

Chociaż konkretne funkcje DMN są nadal badane, zazwyczaj uważa się, że są one zaangażowane w introspekcję i samodzielne przetwarzanie. U osób zdrowych wykazuje największą aktywność w okresach spoczynku, przy mniejszej aktywności, obserwowanej jako dezaktywacja, podczas zadań poznawczych, np. pamięci roboczej. Sieć ta składa się z przyśrodkowej kory przedczołowej, tylnej kory zakrętu obręczy / przedklinka, bocznej kory ciemieniowej i przyśrodkowych obszarów skroniowych.

Opracowano wiele metod obrazowania funkcjonalnego i strukturalnego do badania DMN. Mają one bezprecedensowy potencjał, aby pogłębić zrozumienie funkcji i dysfunkcji tej sieci. Podejścia funkcjonalne, takie jak ocena łączności w stanie spoczynku i dezaktywacja wywołana zadaniem, mają doskonały potencjał w identyfikowaniu docelowych neurokognitywnych i neuroafektywnych (funkcjonalnych) markerów diagnostycznych i mogą wskazywać ciężkość choroby i rokowanie z większą dokładnością lub swoistością. Podejścia strukturalne, takie jak ocena morfometrii i łączności, mogą dostarczyć unikalnych markerów etiologii i długoterminowych wyników. Połączone, funkcjonalne i strukturalne metody zapewniają silne multimodalne, komplementarne i synergiczne podejścia do opracowania prawidłowych fenotypów obrazowania opartych na DMN w stanach psychicznych związanych ze stresem. Protokół ten ma na celu zintegrowanie tych metod w celu zbadania struktury i funkcji DMN w PTSD, odnosząc wyniki do ciężkości choroby i odpowiednich czynników klinicznych.

Wprowadzenie

Neuroimaging stanowi narzędzie o niespotykanym dotąd potencjale do badania trafności diagnostycznej, ciężkości choroby, prognozowania i odpowiedzi na leczenie w neuropsychiatrii. Obecnie dostępna jest szeroka gama uzupełniających technik neuroobrazowania, które pozwalają scharakteryzować strukturę i funkcję kluczowych układów mózgowych oraz pomóc w identyfikacji fenotypów neuroobrazowania w populacjach psychiatrycznych. Spośród tych systemów, Default Mode Network (DMN) zyskał wiele uwagi w literaturze z zakresu neuronauki kognitywnej i klinicznej w ciągu ostatniej dekady.

DMN to tak zwana "sieć stanu spoczynku", która obejmuje przyśrodkową korę przedczołową (MPFC) jako główny węzeł przedni, tylną korę obręczy/przedklinek (PCC) jako główny węzeł tylny, wraz z dolno-boczną korą ciemieniową i przyśrodkowymi obszarami skroniowymi. Kluczową cechą tej sieci jest to, że wykazuje ona najwyższą aktywność w okresach odpoczynku, który występuje, gdy badani są przytomni i czujni, ale nie są zaangażowani w określone zadanie; ta aktywność w stanie spoczynku została nazwana "trybem domyślnym" funkcji mózgu1. Aktywność w stanie spoczynku w DMN jest również wysoce zsynchronizowana, co jest opisywane jako łączność funkcjonalna w stanie spoczynku. Inną kluczową cechą DMN jest to, że wykazuje zmniejszoną aktywność w okresach zwiększonych zewnętrznych wymagań poznawczych, co obserwuje się jako dezaktywację wywołaną zadaniem podczas funkcjonalnych paradygmatów neuroobrazowania2,3. Przypuszcza się, że równowaga między wewnętrznym (tj. stanem spoczynku) a zewnętrznym (tj. aktywnością związaną z zadaniami) jest potrzebna do utrzymania zdrowego funkcjonowania mózgu3-5.

Poniższe sekcje zawierają krótki przegląd trzech metod badania DMN: łączność funkcjonalna i dezaktywacja związana z zadaniem, a następnie łączność strukturalna. Te trzy metody są opisane jako uzupełniające się sposoby charakteryzowania tej sieci w próbkach klinicznych, takich jak pacjenci z zespołem stresu pourazowego i powiązanymi schorzeniami psychicznymi.

Łączność funkcjonalna DMN w stanie spoczynku

Łączność funkcjonalna w stanie spoczynku stała się ostatnio powszechnym podejściem używanym do oceny wzorców wyjściowego funkcjonowania mózgu przy braku wymagań dotyczących zadań. Łączność funkcjonalna to metoda analityczna, która określa ilościowo koherencję lub stopień synchronizacji sygnału zależnego od poziomu tlenu we krwi (BOLD) w czasie w różnych regionach mózgu. Rosnąca liczba literatury naukowej sugeruje, że typowe wzorce łączności DMN mogą być zmienione w populacjach klinicznych i zagrożonych, a szczególnie tych, którzy byli wcześniej narażeni na znaczny stres lub traumę. Najczęstszym objawem było zmniejszenie funkcjonalnej łączności DMN w stanie spoczynku związanej z PTSD6. Ta zmniejszona łączność może mieć bezpośrednie zastosowania kliniczne, ponieważ zmniejszona łączność DMN może być predyktorem dla osób, które mogą rozwinąć PTSD po ostrym stresorze7. Zmniejszona łączność funkcjonalna DMN może być interpretowana na kilka sposobów, najczęściej jako odzwierciedlenie słabej komunikacji między kluczowymi obszarami mózgu zaangażowanymi w samodzielne przetwarzanie, co może prowadzić do niezdolności do realokacji zasobów wewnętrznych z podstawowego przetwarzania DMN do wymagań zewnętrznych. To zakłócenie sieci może wyjaśniać podstawowe objawy kliniczne zaburzeń psychicznych, takich jak PTSD i inne schorzenia psychiczne związane ze stresem8. Dalsze badania nad etiologią tych zakłóceń są ważnym obszarem przyszłych badań.

Z bardziej ogólnej perspektywy, zalety badania funkcjonalnej łączności DMN obejmują stosunkowo łatwą implementację i solidny wzorzec funkcjonalnej łączności w stanie spoczynku w zdrowych kontrolach, który pozwala na wiarygodne porównanie9,10. W związku z tym metoda ta ma potencjał, aby stać się łatwym do wdrożenia i solidnym biomarkerem zaburzeń psychicznych związanych ze stresem do neuroobrazowania, który informuje o tym, jak funkcjonuje mózg przy braku określonych wymagań dotyczących zadań u osób z PTSD i innymi zaburzeniami psychicznymi związanymi ze stresem.

Dezaktywacje DMN związane z zadaniami

Badanie odpowiedzi DMN podczas pamięci roboczej (WM) oferuje inne podejście do badania funkcji i dysfunkcji tej sieci poza synchronizacją w stanie spoczynku. Podejście to, które odzwierciedla bardziej standardową metodę funkcjonalnego rezonansu magnetycznego (FMRI), dostarcza różnych informacji na temat odpowiedzi na wymagania zadań, które mogą mieć znaczenie kliniczne11. Wcześniejsze badania udokumentowały, że uczestnicy z PTSD wykazują upośledzone funkcjonowanie WM i większy stopień dezaktywacji DMN podczas zadań WM, co może odzwierciedlać zwiększony wysiłek poznawczy12-15. Wykorzystanie WM jako wyzwania FMRI ma kilka zalet. Na przykład niezawodnie odłącza kilka kluczowych regionów DMN, od stanu spoczynku do stanu aktywnego. Najbardziej istotne dla PTSD i innych stanów psychicznych związanych ze stresem, zadania WM niezawodnie odłączają MPFC, główny przedni węzeł DMN, który jest zaangażowany w krytyczne szlaki rozregulowane w PTSD. Zostało dobrze ustalone, że MPFC moduluje wznoszącą się aktywność ciała migdałowatego i prawdopodobnie odgrywa kluczową rolę w warunkowaniustrachu16. Oceny aktywności MPFC mogą być również użytecznym wskaźnikiem w przyszłej opiece klinicznej. Na przykład, w jednym z poprzednich badań policjantów, którzy doznali traumy, psychoterapia ekspozycyjna zwiększała aktywność MPFC i zmniejszała aktywność ciała migdałowatego podczas odzyskiwania pamięci traumatycznej. Te zmiany neuroobrazowania wiązały się ze zmniejszeniem objawów PSTD17. Ten przypadek dezaktywacji MPFC wywołanych przez WM jest tylko jednym z przykładów tego, jak metryki neuroobrazowania mogą być stosowane w populacjach klinicznych, a dalsza eksploracja innych składników DMN prawdopodobnie będzie owocnym obszarem przyszłych badań.

W tym protokole używane jest zadanie n-back werbalnej pamięci roboczej. Zadanie n-back jest szeroko stosowane w badaniach FMRI i zapewnia niezawodną aktywację regionów aktywacji wykonawczej i dezaktywacji sieci w trybie domyślnym18,19. To zadanie składa się z trzech komponentów: zadania czujności listowej 0 wstecz, zadania 2 pleców pamięci roboczej i spoczynkowej linii bazowej dla porównania. Podczas zadania czujności 0-back Uczestnicy odpowiadają "tak", gdy pojawi się z góry określona spółgłoska docelowa ("H" lub "h") i "nie" dla innych spółgłosek za pomocą dwuprzyciskowego pola odpowiedzi wewnątrz skanera. Podczas tego zadania prezentowanych jest sześć bloków kontrolnych 0-back po 9 spółgłosek. Podczas 2-back seria spółgłosek jest prezentowana wizualnie przez 500 ms każda, z interwałem między bodźcami wynoszącym 2,500 ms. Uczestnicy udzielają odpowiedzi "tak" lub "nie", po każdej prezentowanej spółgłosce, aby wskazać, czy jest ona taka sama, czy różna od spółgłoski przedstawionej wcześniej w serii (np. w, N, r, N, R, Q, r, q, N, W itd., z poprawnymi odpowiedziami zaznaczonymi pogrubioną czcionką). Podczas 2-back prezentowanych jest sześć 45-sekundowych serii po 15 spółgłosek. Aby osiągnąć sukces, uczestnik musi utrzymać wymagający zestaw poznawczy, który obejmuje stałe buforowanie fonemowe (tj. utrzymywanie spółgłosek w pamięci krótkotrwałej), subwokalne próby fonemowe (tj. powtarzanie spółgłosek bez wypowiadania ich na głos) i koordynację wykonawczą. Zarówno w blokach 0, jak i 2-back tempo prezentacji jest takie samo, 33% celów jest prezentowanych w losowych miejscach, a wielkie litery są losowe, aby zachęcić do kodowania werbalnego. 30-sekundowa spoczynkowa linia bazowa z punktem fiksacji krzyża nitkowego jest prezentowana przed każdym blokiem 0-back; Ten plan bazowy jest używany do późniejszych porównań aktywności związanej z zadaniami w porównaniu z punktem odniesienia podczas analiz danych.

Zebrane razem, istniejące dane sugerują, że charakterystyka aktywności DMN związanej z zadaniami podczas różnych zadań może odgrywać ważną rolę w klinicznym zastosowaniu funkcjonalnej analizy DMN. Istnieją inne zalety stosowania WM jako wyzwania FMRI w stanach psychicznych związanych ze stresem. Podobnie jak w przypadku łączności w stanie spoczynku, istnieje wyraźny wzorzec dezaktywacji DMN podczas WM u zdrowych osób, co ułatwia porównania z próbkami klinicznymi. WM jest również neutralny pod względem traumy, co może zapobiec wywoływaniu klinicznych objawów PTSD podczas skanowania. W związku z tym metoda ta ma również potencjał, aby zostać przekształcona w biomarker neuroobrazowania, który odzwierciedla, w jaki sposób mózg reaguje na wymagania zewnętrzne w zaburzeniach psychicznych związanych ze stresem.

DMN Łączność strukturalna

Podczas gdy obrazowanie funkcjonalne jest w stanie opisać zmiany w łączności mózgu lub aktywności związanej z ekspozycją na stres, podejścia funkcjonalne nie opisują etiologii obserwowanych zmian w mózgu. Metody obrazowania strukturalnego, takie jak obrazowanie tensora dyfuzji (DTI), są w stanie zmierzyć i określić ilościowo integralność dróg istoty białej łączących obszary mózgu. DTI jest najpowszechniejszym podejściem do neuroobrazowania strukturalnego i mierzy integralność istoty białej w oparciu o anizotropowy (tj. kierunkowy) przepływ cząsteczek wody wzdłuż odcinków istoty białej, ponieważ woda przepływa głównie wzdłuż dróg istoty białej (w porównaniu do tych, które przepływają). Ta różnica w przepływie kierunkowym jest wyrażona jako anizotropia frakcyjna (FA). Uważa się, że niższe stopnie FA odzwierciedlają zmiany mikrostrukturalne w drogach istoty białej, które mogą być przejawami uszkodzenia neuronów z różnych przyczyn, w tym konsekwencji ekspozycji na stres4. Z perspektywy sieci, skoordynowana aktywność mózgu (tj. aktywność w stanie spoczynku lub skoordynowana aktywność związana z zadaniem) musi opierać się na połączeniach strukturalnych. W przypadku wcześniejszych ustaleń DMN, uraz strukturalny upośledza komunikację między węzłami DMN, prowadząc do zmniejszenia funkcjonalnej łączności DMN. Podobnie, zwiększone wzorce dezaktywacji mogą odzwierciedlać uszkodzenia mikrostrukturalne, które wymagają rekrutacji większych obszarów kory mózgowej podczas odpowiedzi na zadanie. Istotne dla PTSD i DMN, kilka badań wykazało zmniejszone FA w pęczku cingulum20,21, który jest drogą istoty białej, która łączy główne struktury limbiczne mózgu22. Jest prawdopodobne, że bardziej precyzyjne pomiary wykorzystujące traktografię (tj. bezpośrednio śledzące szlaki istoty białej na poziomie neuronalnym) będą w stanie wyjaśnić konkretnie, które włókna istoty białej są zaangażowane w zakłócenia sieci. Zaletą obrazowania DTI jest to, że jest ono stosunkowo łatwe do uzyskania, ponieważ nie ma żadnych wymaganych zadań do wykonania w skanerze.

W poniższym protokole, funkcjonalne podejścia do funkcjonalnej łączności w stanie spoczynku i kwantyfikacji dezaktywacji wywołanych zadaniami są połączone z badaniem połączeń strukturalnych za pomocą DTI, w celu zmapowania struktury i funkcji DMN oraz powiązania tych wyników z ciężkością choroby i istotnymi czynnikami klinicznymi w PTSD. Wcześniej wdrożyliśmy to podejście u zdrowych osób dorosłych narażonych na traumę18,23 i stwierdziliśmy, że protokół ten zapewnia przekonującą metodę charakterystyki DMN, która nadaje się do adaptacji do badania PTSD i innych chorób psychicznych związanych ze stresem.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Protokół

Uprawnieni uczestnicy podpisują pisemną, świadomą zgodę na udział w projekcie badawczym. Badania są prowadzone zgodnie z instytucjonalnymi, krajowymi i międzynarodowymi wytycznymi dotyczącymi dobrostanu człowieka.

1. Badania przesiewowe uczestników i wywiady diagnostyczne

  1. Po wyrażeniu świadomej zgody przeprowadź wywiady diagnostyczne w celu zweryfikowania diagnozy PTSD i ciężkości choroby. UWAGA: Środki te obejmują Ustrukturyzowany Wywiad Kliniczny dla DSM-IV-TR (SCID)24 oraz Skalę PTSD Podawaną przez Klinicystów (CAPS)25, a także Mini-Mental Status Exam (MMSE)26 w celu oceny stanu poznawczego.
  2. Poproś uczestników, aby wypełnili skale samoopisowe dotyczące stresu i nastroju.
    UWAGA: Należą do nich Lista Kontrolna Stresora Życiowego – Poprawiona (LSC-R)27, Kwestionariusz Traumy Dziecięcej (CTQ)28, Skala Postrzeganego Stresu (PSS)29 oraz Szybki Spis Objawów Depresyjnych (QIDS-SR)30.
  3. Zaplanuj kwalifikujących się uczestników do rezonansu magnetycznego, w przypadku którego uczestnicy przybywają około 1 godzinę przed zaplanowaną sesją skanowania, aby zapoznać się z elementami potrzebnymi do skanowania, takimi jak bezpieczeństwo MRI i procedury badania.
  4. Przed skanowaniem należy uzyskać badania moczu, ciąży (w stosownych przypadkach) i toksykologiczne.

2. Szkolenie uczestników w zakresie wykonywania zadania n-back

  1. Rozpocznij pierwszy bieg od testu czujności listu 0 wstecz.
    1. Poinstruuj uczestników, aby wskazali "Tak" na docelową spółgłoskę ("h" lub "H") za pomocą dwuprzyciskowego pola odpowiedzi i "Nie" na wszystkie inne spółgłoski.
    2. Pokaż uczestnikowi 9 spółgłosek przez 500 ms każda, z czasem przerwy 2500 ms, w sumie 27 sekund i poproś, aby odpowiedział zgodnie z powyższymi wskazówkami. UWAGA: Docelowa spółgłoska zostanie pokazana 4 razy w każdym bloku 0-back.
  2. Następnie poproś uczestników, aby przećwiczyli test 2 pleców.
    1. Poinstruuj uczestników, aby po każdej prezentowanej spółgłosce udzielili odpowiedzi "Tak" lub "Nie" w polu odpowiedzi z dwoma przyciskami, aby wskazać, czy jest ona taka sama, czy różna od spółgłoski przedstawionej dwa wcześniej w serii.
    2. Pokaż uczestnikowi serię 15 spółgłosek, po 500 ms każda, z interwałem między bodźcami wynoszącym 2,500 ms, w sumie 45 sekund. UWAGA: Bodziec docelowy jest pokazany 5 razy.
  3. Przeszkol uczestników, aby wykonywali zadanie n-back poza skanerem, aż ich wydajność osiągnie >75% poprawności w komponencie 2-back. UWAGA: Powyższe parametry można zautomatyzować za pomocą oprogramowania do prezentacji bodźców (patrz Tabela materiałów/wyposażenia).

3. Akwizycja MRI

  1. Poproś uczestnika, aby przebrał się w ubranie kompatybilne z rezonansem magnetycznym i wprowadził go do pomieszczenia ze skanerem MRI o mocy 3 Tesli. Niech założą zatyczki do uszu w celu ochrony słuchu, a następnie połóż się na noszach, które ostatecznie przeniosą ich w środek urządzenia do rezonansu magnetycznego.
    1. Umieść poduszki wokół głowy, aby zminimalizować ruchy głowy. Zapewnij im skrzynkę odpowiedzi kompatybilną z MRI dla zadania pamięci roboczej n-back, ściśnij żarówkę, aby zatrzymać skanowanie w nagłych wypadkach i umieść pulsoksymetr na palcu w celu monitorowania i rejestrowania fizjologicznego.
    2. Umieść 32-kanałową cewkę głowicy i ekran prezentacji nad głową uczestnika i przenieś je na środek skanera.
  2. Upewnij się, że uczestnik czuje się komfortowo i widzi ekran, a następnie rozpocznij sesję badania MRI. Zacznij od uzyskania skanów anatomicznych mózgu o wysokiej rozdzielczości (1mm3). Wprowadź parametry MRI o wysokiej rozdzielczości na konsoli skanera przy czasie echa (TE) = 2,98 ms, czasie powtarzania (TR) = 1,900 ms, polu widzenia (FOV) = 256 mm2 i rozmiarze matrycy 642 w warstwach 1 mm. Rozpocznij akwizycję MRI, naciskając przycisk "uruchom" na konsoli skanera.
  3. Ustaw parametry akwizycji obrazu FMRI BOLD na konsoli skanera jako TR = 2 500 ms, TE = 28 ms, FOV = 192 mm2 i rozmiar matrycy 642 w 3 mm wycinkach osiowych.
  4. Następnie uzyskaj obrazy FMRI w pamięci roboczej, używając testu n-back (patrz sekcja 2) z następującymi parametrami:
    1. Przedstaw pacjentowi 30-sekundowy krzyż fiksacji linii bazowej przed każdym z bloków 0-back za pomocą oprogramowania do prezentacji bodźców. UWAGA: Zapewni to punkt odniesienia do porównania dla pozostałych bloków 0 i 2 podczas analizy danych.
    2. Wyświetlaj instrukcje pacjentowi przez 3 sekundy przed każdym zadaniem 0 lub 2 z powrotem za pomocą oprogramowania do prezentacji bodźców.
    3. W sumie uwzględnij trzy części 0-back i 2-back wraz z dwoma blokami linii bazowej, w dwóch przebiegach obrazowania, przedstawionych w przeciwstawnej kolejności.
  5. Naciśnij "uruchom" na konsoli skanera MRI, aby rozpocząć.
  6. Po zakończeniu n-back upewnij się, że uczestnik czuje się komfortowo i jest gotowy do przejścia dalej. Poinstruuj ich, że blok odpoczynku jest następny i powiedz im, aby nie zasypiali. Użyj oprogramowania do prezentacji bodźców, aby wyświetlić krzyżyk fiksacji na ekranie.
  7. Pobieraj obrazy stanu spoczynku przez następne 4 minuty, używając tych samych ustawień FMRI, które zostały użyte do uzyskania obrazów n-back (patrz 3.3), naciskając "uruchom" na konsoli skanera MRI.
  8. Powtórz kroki 3.4 i 3.5. Przed każdą nową sekcją zapytaj uczestnika, czy czuje się komfortowo i czy jest w stanie kontynuować. Jeśli są w stanie, kontynuuj protokół. Jeśli tak nie jest, wstrzymaj skaner MRI i w razie potrzeby dokonaj regulacji w celu zapewnienia komfortu.
  9. Następnie powiedz uczestnikowi, że skaner może się trząść podczas kolejnych sekwencji i poinstruuj go, aby zamknął oczy i zrelaksował się najlepiej jak potrafi w skanerze. Następnie uzyskaj sekwencję DTI, naciskając przycisk "uruchom" na konsoli skanera.
  10. Ustaw parametry akwizycji obrazu DTI w konsoli skanera, aby podwójnie obracać obrazy ważone dyfuzją echa i płaszczyzny (DWI), z gradientami dyfuzyjnymi zastosowanymi w 64 kierunkach niewspółliniowych (b = 1 000), po jednym DWI dla każdego kierunku gradientu i 10 nieważonych (b = 0) obrazów normalizacyjnych, TR = 10 060 ms, TE = 103 ms, FOV = 226 mm, matryca 1282, grubość warstwy = 1,8 mm, z włączonym częściowym echem i interpolacją.
  11. Usuń uczestnika ze skanera i zapytaj, jak przebiegła sesja. Odpowiedz na wszelkie pytania i podziękuj im za udział. Poproś komputer skanera MRI o napisanie płyty DVD z obrazami uczestników i zapisem fizjologicznym w celu późniejszej analizy danych.

4. Analiza danych

  1. Wstępne przetwarzanie danych
    1. Korzystając z oprogramowania do przetwarzania FMRI, zrekonstruuj surowe dane do zestawów danych 3D + czasowych, połącz i zarejestruj się w piątym tomie pierwszej serii, aby zminimalizować artefakty ruchu i uzyskać parametry korekcji ruchu. Zastosuj filtrowanie pasmowo-przepustowe (0,009-0,08 Hz), aby wyizolować domenę częstotliwości DMN i zmniejszyć skutki dryfu niskich częstotliwości i szumów o wysokiej częstotliwości. UWAGA: Zmienne uciążliwości dla każdego woksela powinny obejmować średnie szeregi czasowe komory i istoty białej, a także 6 parametrów oszacowania ruchu głowy; Szacunki te powinny obejmować zarówno wartości zaniżone, jak i pochodne. Przewidywany przebieg czasowy zmiennych uciążliwości powinien zostać usunięty z pełnego szeregu czasowego wokseli, aby uzyskać "szczątkowe" dane szeregów czasowych, które zostaną wykorzystane do późniejszych analiz korelacji31.
    2. Skaluj dane, aby znormalizować intensywność w trakcie cyklu i wygładzić dane do 4 mm jądra Gaussa o pełnej szerokości połówkowej (FWHM). Cenzurowanie obrazów o przemieszczeniu większym niż 1,5 mm ze zbioru danych32. Nie wykonuj globalnej regresji sygnału (GSR), ponieważ GSR może wpływać na korelacje w danych stanu spoczynku33,34.
  2. Analizy łączności w stanie spoczynku
    1. Użyj analiz łączności regionów źródłowych, aby ocenić relację między regionami zdefiniowanymi a priori w celu oceny łączności funkcjonalnej11. UWAGA: Zawarte nasiona to główne przednie i tylne węzły DMN, MPFC i PCC, odpowiednio. Współrzędne funkcjonalne tych lokalizacji są na ogół lepsze niż lokalizacje zdefiniowane w atlasie35.
    2. Wyodrębnij średnie szeregi czasowe BOLD z tych nasion i przeprowadź analizę korelacji całego mózgu. Przekształć korelacyjne wartości R na wyniki Z36 w celu późniejszego testowania hipotez.
      1. Porównaj wartości Z między grupami na podstawie woksela po wokselu, aby ocenić znaczące różnice w funkcjonalnej łączności między PTSD a grupą kontrolną jako pierwszorzędową miarą wyniku. Proguj te wyniki przy dwustronnej istotności na p < 0,05, stosując rodzinną (tj. klastrową) korekcję błędów. UWAGA: Korekcja klastrów jest generowana przy użyciu symulacji Monte Carlo w celu oszacowania prawdopodobieństwa wystąpienia klastrów fałszywie dodatnich. Użyj algorytmów statystycznych, aby obliczyć korekcję klastra w funkcji pola widzenia, rozdzielczości, gładkości i intensywności sygnału na poziomie poszczególnych wokseli37.
    3. Aby ocenić związek między objawami klinicznymi a wynikami obrazowania, należy przeprowadzić analizy kontrolne, które obejmują korelacje między wynikami skali ocen a średnimi wynikami Z łączności regionów DMN. Uwzględnij analizy korelacji, które uwzględniają istotne informacje demograficzne, takie jak nasilenie depresji, urazowe uszkodzenie mózgu, a także wykształcenie i inne powiązane zmienne.
  3. Analizy pamięci roboczej
    1. Użyj oprogramowania do przetwarzania FMRI do wstępnego przetworzenia danych i GLM opartego na wokselach, aby określić ilościowo aktywność specyficzną dla zadania w każdym wokselu mózgu z poszczególnych zestawów danych11,31. UWAGA: Zmiennymi niezależnymi w GLM są czasowy przebieg spoczynku oraz zadania 0- i 2-back (w tym przejścia hemodynamiczne modelowane jako funkcja gamma) oraz współzmienne (dryf liniowy i obserwowany ruch), z sygnałem BOLD w czasie jako zmienną zależną.
    2. Średnia wynikowa waga beta GLM w określonych regionach DMN. UWAGA: Te uśrednione odpowiedzi n-back ze zbiorów danych na poziomie indywidualnym służą jako podstawowa miara aktywności mózgu w kolejnych analizach statystycznych na poziomie grupy.
    3. Wykorzystanie analiz kowariancji do zbadania różnic na poziomie grupy między grupami z PTSD i bez PTSD oraz do oszacowania efektów trudności zadania (tj. porównania aktywności podczas zadań 0- vs. 2-back) w każdym regionie DMN; Obejmują one również analizy wszelkich istotnych etapów kontroli statystycznej, zgodnie z wymogami analiz stanu spoczynku, o których mowa w ppkt 4.2.
  4. Łączność strukturalna za pomocą DTI
    1. Wstępnego przetwarzania
      1. Korzystając z oprogramowania do przetwarzania DTI, należy współrejestrować obrazy niedyfuzyjne (tj. b = o) w celu skorygowania artefaktów ruchu i używać jako obrazu normalizującego dla kolejnych obrazów ważonych dyfuzją. Użyj 12-parametrowej transformacji afinicznej, aby zarejestrować obrazy ważone dyfuzją w celu uwzględnienia artefaktów ruchu i prądów wirowych.
      2. Upewnij się, że wektor gradientu dla każdego kierunku dyfuzji jest obrócony w celu uwzględnienia przemian przed dopasowaniem modelu. Obliczyć tensor dyfuzji drugiego rzędu na woksel na podstawie tłumień sygnału ważonego dyfuzją, stosując nieliniową procedurę dopasowania z ograniczeniami38.
      3. Użyj obrazów ważonych dyfuzją, aby obliczyć wartość własną, wektor własny i mapy anizotropii ułamkowej dyfuzji.
    2. Użyj oprogramowania traktograficznego, aby określić ilościowo integralność wiązki cingulum. Do wyboru regionów nasiennych należy korzystać ze standardowych atlasów, takich jak te autorstwa Mori i wsp.39 oraz Catani i De Schotten40. Przefiltruj wynikową traktografię przez obszar wykluczenia linii środkowej, aby usunąć włókna przechodzące między półkulami. Obliczyć średnią FA, dyfuzyjność śladową, osiową i promieniową dla wszystkich wokseli, przez które przechodzi wiązka cingulum.
    3. Użyj mieszanego modelu ANOVA dla każdej miary dyfuzji, z półkulą jako zmienną wewnątrzobiektową, aby porównać różnice grupowe między uczestnikami z PTSD i bez PTSD, statystycznie kontrolując inne czynniki, takie jak nasilenie depresji, nadużywanie substancji, łagodne TBI oraz wykształcenie i zmienne demograficzne za pomocą ANCOVA.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Wyniki

Reprezentatywne wyniki oparto na danych zebranych przy użyciu tej samej metody obrazowania w dwóch różnych grupach osób z historią traumy i maltretowania w dzieciństwie, ale bez PTSD21,22. Wyniki analiz funkcjonalnej łączności w stanie spoczynku ujawniły wzorzec przestrzenny zgodny z głównymi węzłami DMN (Rysunek 1)1-3,8, w tym MPFC, PCC, zakrętem kątowym/dolnym zakrętem ciemieniowym oraz środkowymi obszarami skroniowymi. Potwierdzenie tego rozkładu przestrzennego służy jako wstępna...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Dyskusja

Dwa najważniejsze kroki dla pomyślnego wdrożenia protokołu neuroobrazowania to dokładne uchwycenie stanu spoczynku i wpływu pamięci roboczej.

Koncepcyjnie pozyskiwanie obrazów stanu spoczynku jest proste. Ponieważ nie ma zadania do wykonania, eksperymentatorzy często opisują aktywność mózgu w tych epokach jako "odpoczynek". Ponieważ jednak dziedzina ta jest stosunkowo nowa w porównaniu z innymi obszarami neuroobrazowania1, nie ma wyraźnego konsensusu co do tego, jak precyzyjnie zdef...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Oświadczenia

Autorzy nie mają konfliktu interesów, który mogliby ujawnić w związku z treścią tego manuskryptu. Zarówno dr Philip, jak i pani Carpenter są pracownikami rządu USA.

Podziękowania

Generowanie reprezentatywnych danych było wspierane przez NIH Grant R01HL084178, 5R01MH068767-08, oraz granty od Brown MRI Research Facility i Rhode Island Foundation. VA CSR&D Grant 1 IK2 CX000724-01A2 wspierał rozwój protokołu i dalsze prace. Dziękujemy wszystkim naszym uczestnikom.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
3T TIM TRIOSiemens3T MRI 
Pulsoksymetr kompatybilny z MRISiemensmodel # 07389567
Analiza neuroobrazowania funkcjonalnegoNIHhttp://afni.nimh.nih.gov/Pakiet oprogramowania do analizy danych
EprimePsychology Software Tools, LLChttp://www.pstnet.com/eprime.cfmOprogramowanie do prezentacji bodźców
SlicerBrigham and Women's Hospitalhttp://www.slicer.org/ Oprogramowanie do traktografii probabilistycznej

Bibliografia

  1. Raichle, M. E., et al. A default mode of brain function. Proc Natl Acad Sci U S A. 98, 676-682 (2001).
  2. Fransson, P. How default is the default mode of brain function? Further evidence from intrinsic BOLD signal fluctuations. Neuropsychologia. 44, 2836-2845 (2006).
  3. Fransson, P., Marrelec, G. The precuneus/posterior cingulate cortex plays a pivotal role in the default mode network: Evidence from a partial correlation network analysis. Neuroimage. 42, 1178-1184 (2008).
  4. Conrad, C. D., et al. Chronic glucocorticoids increase hippocampal vulnerability to neurotoxicity under conditions that produce CA3 dendritic retraction but fail to impair spatial recognition memory. J Neurosci. 27, 8278-8285 (2007).
  5. Patel, R., et al. Disruptive effects of glucocorticoids on glutathione peroxidase biochemistry in hippocampal cultures. J Neurochem. 82, 118-125 (2002).
  6. Bluhm, R. L., et al. Alterations in default network connectivity in posttraumatic stress disorder related to early-life trauma. J Psychiatry Neurosci. 34, 187-194 (2009).
  7. Lanius, R. A., et al. Default mode network connectivity as a predictor of post-traumatic stress disorder symptom severity in acutely traumatized subjects. Acta Psychiatr Scand. 121, 33-40 (2010).
  8. Sripada, R. K., et al. Neural dysregulation in posttraumatic stress disorder: evidence for disrupted equilibrium between salience and default mode brain networks. Psychosom Med. 74, 904-911 (2012).
  9. Greicius, M. D., et al. Functional connectivity in the resting brain: a network analysis of the default mode hypothesis. Proc Natl Acad Sci U S A. 100, 253-258 (2003).
  10. Fox, M. D., Greicius, M. Clinical applications of resting state functional connectivity. Front Syst Neurosci. 4, 19 (2010).
  11. Sweet, L. H., et al. Effects of nicotine withdrawal on verbal working memory and associated brain response. Psychiatry Res. 183, 69-74 (2010).
  12. Samuelson, K. W., et al. Neuropsychological functioning in posttraumatic stress disorder and alcohol abuse. Neuropsychology. 20, 716-726 (2006).
  13. Vasterling, J. J., et al. Attention and memory dysfunction in posttraumatic stress disorder. Neuropsychology. 12, 125-133 (1998).
  14. Yehuda, R., et al. Learning and memory in combat veterans with posttraumatic stress disorder. Am J Psychiatry. 152, 137-139 (1995).
  15. Moores, K. A., et al. Abnormal recruitment of working memory updating networks during maintenance of trauma-neutral information in post-traumatic stress disorder. Psychiatry Res. 163, 156-170 (2008).
  16. Rougemont-Bucking, A., et al. Altered processing of contextual information during fear extinction in PTSD: an fMRI study. CNS Neurosci Ther. 17, 227-236 (2011).
  17. Peres, J. F., et al. Police officers under attack: resilience implications of an fMRI study. J Psychiatr Res. 45, 727-734 (2011).
  18. Philip, N. S., et al. Early life stress is associated with greater default network deactivation during working memory in healthy controls: a preliminary report. Brain Imaging Behav. 7, 204-212 (2013).
  19. Sweet, L. H., et al. Imaging phonological similarity effects on verbal working memory. Neuropsychologia. 46, 1114-1123 (2008).
  20. Abe, O., et al. Voxel-based diffusion tensor analysis reveals aberrant anterior cingulum integrity in posttraumatic stress disorder due to terrorism. Psychiatry Res. 146, 231-242 (2006).
  21. Kim, S. J., et al. Asymmetrically altered integrity of cingulum bundle in posttraumatic stress disorder. Neuropsychobiology. 54, 120-125 (2006).
  22. Vogt, B. A., et al. Functional heterogeneity in cingulate cortex: the anterior executive and posterior evaluative regions. Cereb Cortex. 2, 435-443 (1992).
  23. Philip, N. S., et al. Decreased default network connectivity is associated with early life stress in medication-free healthy adults. Eur Neuropsychopharmacol. 23, 24-32 (2013).
  24. First, M. B., Spitzer, R. L., Gibbon, M., Williams, J. B. W. Structured Clinical Interview for Axis I DSM-IV Disorders. , (1994).
  25. Blake, D. D., et al. The development of a clinician-administered PTSD scale. J Trauma Stress. 8, 75-90 (1995).
  26. Folstein, M. F., et al. Mini-mental state'. A practical method for grading the cognitive state of patients for the clinician. J Psychiatr Res. 12, 189-198 (1975).
  27. Wolfe, J. W., Kimerling, R., Brown, P. J., Chrestman, K. R., Levin, K. Psychometric review of The Life Stressor Checklist-Revised. , Sidran Press. (1996).
  28. Bernstein, D. P., Fink, L. Childhood trauma questionnaire: a retrospective self-report. , Pearson Education, Inc. (1998).
  29. Cohen, S., et al. A global measure of perceived stress. J Health Soc Behav. 24, 385-396 (1983).
  30. Rush, A. J., et al. The 16-item quick inventory of depressive symptomatology (QIDS), clinician rating (QIDS-C), and self-report (QIDS-SR): A psychometric evaluation in patients with chronic major depression. Biol Psychiatry. 54, 573-583 (2003).
  31. Reynolds, R. AFNI program: afni_proc.py. http://afni.nimh.nih.gov/pub/dist/doc/program_help/afni_proc.py.html. , (2006).
  32. Posner, J., et al. Antidepressants normalize the default mode network in patients with dysthymia. JAMA Psychiatry. 70, 373-382 (2013).
  33. Murphy, K., et al. The impact of global signal regression on resting state correlations: are anti-correlated networks introduced. Neuroimage. 44, 893-905 (2009).
  34. Saad, Z. S., et al. Trouble at rest: how correlation patterns and group differences become distorted after global signal regression. Brain Connect. 2, 25-32 (2012).
  35. Shirer, W. R., et al. Decoding subject-driven cognitive states with whole-brain connectivity patterns. Cereb Cortex. 22, 158-165 (2012).
  36. Fisher, R. A. Frequency distribution of the values of the correlation coefficient in samples of an indefinitely large population. Biometrika. 10, 507-521 (1915).
  37. Cox, R. W. AFNI program: 3dClustSim. http://afni.nimh.nih.gov/pub/dist/doc/program_help/3dClustSim.html. , (2010).
  38. Smith, S. M., et al. Tract-based spatial statistics: voxelwise analysis of multi-subject diffusion data. Neuroimage. 31, 1487-1505 (2006).
  39. Mori, S., Wakana, S., Nagae-Poetscher, L. M., van Zijl, P. C. M. MRI Atlas of Human White Matter. , (2005).
  40. Catani, M., Thiebaut de Schotten, M. A diffusion tensor imaging tractography atlas for virtual in vivo dissections. Cortex. 44, 1105-1132 (2008).
  41. Sweet, L. H., et al. Default network response to a working memory challenge after withdrawal of continuous positive airway pressure treatment for obstructive sleep apnea. Brain Imaging Behav. 4, 155-163 (2010).
  42. Cole, D. M., et al. Advances and pitfalls in the analysis and interpretation of resting-state FMRI data. Front Syst Neurosci. 4, 8 (2012).
  43. Power, J. D., et al. Spurious but systematic correlations in functional connectivity MRI networks arise from subject motion. Neuroimage. 59, 2142-2154 (2012).
  44. Satterthwaite, T. D., et al. Impact of in-scanner head motion on multiple measures of functional connectivity: relevance for studies of neurodevelopment in youth. Neuroimage. 60, 623-632 (2012).
  45. Van Dijk, K. R., et al. The influence of head motion on intrinsic functional connectivity MRI. Neuroimage. 59, 431-438 (2012).
  46. Philip, N. S., et al. Regional homogeneity and resting state functional connectivity: associations with exposure to early life stress. Psychiatry Res. 214, 247-2453 (2013).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Przedruki i uprawnienia

Tagi

Neuroobrazowanie PTSDkonektywność w stanie spoczynkuzadanie pamięci operacyjnejfunkcjonalny rezonans magnetycznyobrazowanie tensora dyfuzjidezaktywacja indukowana zadaniemmultimodalne neuroobrazowanieanaliza sieci mózgowych
Opracowywanie fenotypów neuroobrazowania sieci trybu domyślnego w PTSD: integracja stanu spoczynku, pamięci roboczej i łączności strukturalnej
Skontaktuj się z nami
Poleć bibliotece

Prywatność

Warunki korzystania z usługi

Zasady

Prawa autorskie © 2026 MyJoVE Corporation. Wszelkie prawa zastrzeżone.