Artykuł metodologiczny

Zastosowanie funkcjonalnego neurofeedbacku opartego na obrazowaniu rezonansu magnetycznego w czasie rzeczywistym w celu obniżenia kory wyspowej u palaczy uzależnionych od nikotyny

DOI:

10.3791/59441

⸱

10 czerwca 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

W tym artykule

Podsumowanie

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

W funkcjonalnym rezonansie magnetycznym w czasie rzeczywistym (rtfMRI), aktywność mózgu jest eksperymentalnie manipulowana jako zmienna niezależna, a zachowanie jest mierzone jako zmienna zależna. Przedstawiony tutaj protokół koncentruje się na praktycznym zastosowaniu rtfMRI jako narzędzia terapeutycznego w zaburzeniach psychicznych, takich jak uzależnienie od nikotyny.

Streszczenie

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

Minęło ponad dziesięć lat od kiedy z powodzeniem wdrożono pierwsze podejście neurofeedback oparte na funkcjonalnym rezonansie magnetycznym (fMRI). Od tego czasu różne badania wykazały, że uczestnicy mogą nauczyć się dobrowolnie kontrolować ograniczony obszar mózgu. W związku z tym fMRI w czasie rzeczywistym (rtfMRI) zapewniło nową możliwość badania modyfikacji zachowania spowodowanych manipulacją aktywnością mózgu. W związku z tym gwałtownie wzrosły doniesienia o zastosowaniach rtfMRI do trenowania samoregulacji aktywności mózgu i jednoczesnych modyfikacjach w stanach behawioralnych i klinicznych, takich jak zaburzenia neurologiczne i psychiatryczne [np. schizofrenia, zaburzenie obsesyjno-kompulsywne (OCD), udar].

Badania neuroobrazowe w badaniach nad uzależnieniami wykazały, że przednia kora obręczy, kora oczodołowo-czołowa i kora wyspowa są aktywowane podczas prezentacji sygnałów związanych z narkotykami. Wykazano również, że aktywność zarówno w lewej, jak i prawej korze wyspowej jest silnie skorelowana z popędem narkotykowym, gdy uczestnicy są narażeni na sygnały wywołujące głód. Stąd obustronna wyspa ma szczególne znaczenie w badaniach nad popędem narkotykowym i uzależnieniem ze względu na jej rolę w reprezentacji stanów cielesnych (interoceptywnych). W tym badaniu zbadano zastosowanie neurofeedbacku rtfMRI do zmniejszenia aktywności zależnej od poziomu tlenu we krwi (BOLD) w obustronnej korze wyspowej uczestników uzależnionych od nikotyny. Badanie sprawdza również, czy istnieją modyfikacje związane z treningiem neurofeedback w ukrytych postawach uczestników wobec sygnałów głodu nikotynowego i wyraźnych zachowań związanych z głodem nikotyny.

Wprowadzenie

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

Neurofeedback to procedura warunkowania instrumentalnego, dzięki której ludzie lub zwierzęta mogą nauczyć się modulować aktywność neuronalną w jednym lub kilku obszarach mózgu. Trening zazwyczaj prowadzi do modyfikacji zachowania1. Zasadniczo sygnały mózgowe z jednego lub więcej opisanych obszarów mózgu są przekształcane w sensoryczne sprzężenie zwrotne (np. wizualne, słuchowe lub dotykowe), które jest dostarczane uczestnikowi w celu kontroli aktywności mózgu poprzez warunkowanie instrumentalne lub inne formy uczenia się. W odwróceniu tradycyjnego paradygmatu neuroobrazowania, badania neurofeedback modulują aktywność mózgu jako zmienną niezależną i mierzą zachowanie jako zmienną zależną. W ten sposób neurofeedback zapewnia nowatorskie podejście do badania udziału regionów mózgu w różnych funkcjach poznawczych oraz tego, jak hiper- lub hipoaktywacja tych obszarów mózgu może prowadzić do nieprawidłowego zachowania.

Neurofeedback był używany z różnymi metodami neuroobrazowania, takimi jak funkcjonalne rezonans magnetyczny (fMRI), elektroencefalografia (EEG) i funkcjonalna spektroskopia bliskiej podczerwieni (fNIRS). Paradygmaty neurofeedbacku oparte na EEG i fNIRS mają zalety wyższej rozdzielczości czasowej, przystępności cenowej i przenośności2,3. Charakteryzują się jednak niską rozdzielczością przestrzenną i niemożnością dotarcia do głębszych obszarów mózgu. Ponadto EEG ma złożoność obliczeniową problemu odwrotnego do określania źródła aktywacji neuronalnych na podstawie powierzchniowych sygnałów EEG4. Jednak dzięki najnowszym osiągnięciom w dziedzinie fMRI w czasie rzeczywistym (rtfMRI) możliwy jest dostęp do sygnałów hemodynamicznych ze wszystkich części mózgu, z dobrą rozdzielczością przestrzenną (np. 2 mm3) i rozdzielczością czasową 720 ms5. W ten sposób fMRI pokonuje wyżej wymienione ograniczenia, jakie posiadają techniki fNIRS i EEG.

Uzależnienie od nikotyny jest jedną z głównych przyczyn zgonów na całym świecie z powodu wielu chorób związanych z paleniem6. Rozpoznawane czynniki prowadzące do uzależnienia od nikotyny to społeczne, środowiskowe, psychologiczne7 oraz podatność genetyczna8. Na poziomie neurobiologicznym badania wykazały aktywację w przedniej korze obręczy (ACC), korze oczodołowo-czołowej (OFC), brzusznym obszarze nakrywki (VTA), brzusznym prążkowiu, ciele migdałowatym, hipokampie, korze przedczołowej (PFC) i korze wyspowej podczas prezentacji sygnałów związanych z narkotykami w przeciwieństwie do neutralnych wskazówek kontrolnych9,10,11,12,13,14. Aktywność zarówno w lewej, jak i prawej wyspie jest silnie skorelowana z popędem do palenia, gdy palacze oglądali wskazówki związane z narkotykami15,16. Wyspa odgrywa ważną rolę w wywoływaniu zachowań związanych z pragnieniem17,18,19,20,21, ponieważ odpowiada za postrzeganie stanu ciała. Doniesiono, że palacze ze zmianami w korze wyspowej byli bardziej skłonni do rzucenia palenia niż palacze z uszkodzeniem mózgu niezwiązanym z insula18.

Jednym z największych wyzwań w istniejących metodach rzucania palenia jest wysoki wskaźnik nawrotów22. Ponad 80% palaczy powraca do nałogu w ciągu pierwszych kilku miesięcy po rzuceniu palenia23. Narażenie na sygnały wcześniej związane z używaniem narkotyków jest główną przyczyną wysokiego wskaźnika nawrotów w uzależnieniu od nikotyny24. Mechanizm ten nazywa się efektem inkubacji. Obecny protokół został opracowany w celu ukierunkowania efektu inkubacji ocenianego za pomocą zadania pobudzania afektywnego. Wcześniejsze badania wykazały, że abstynenci mają negatywne, ukryte nastawienie do wskazówek związanych z paleniem25,26,27,28. W typowym zadaniu torowania afektywnego, bodźce emocjonalne modyfikują przetwarzanie celu afektywnego tak, że czas reakcji i dokładność odpowiedzi są zmieniane29. Innymi słowy, jeśli bodźce pierwsze i docelowe są tej samej wartościowości, czas reakcji w odpowiedzi na bodźce docelowe będzie szybszy i odwrotnie.

W obecnym badaniu przypuszcza się, że regulacja w dół obustronnej przedniej kory wyspowej zmniejszy łaknienie, a co za tym idzie, wartościowość sygnałów wywołujących głód zmieni się z negatywnej na neutralną, ponieważ ukierunkowanie uwagi i asocjacyjne odejdzie od wskazówek związanych z paleniem30. Zadanie niejawnego zachowania jest zadaniem afektywnego primingu, pierwotnie zaadaptowanym z Czyżewskiej i Graham31. Opierając się na wyżej wymienionej hipotezie, przewiduje się skrócenie czasu reakcji w odpowiedzi na kombinację liczby pierwszej (obraz wywołujący pragnienie lub jego neutralny odpowiednik) i słów docelowych o dodatniej wartościowości po bloku regulacji w dół w porównaniu z blokiem wyjściowym. Zadanie primingu (Rysunek 2B) składa się z liczby pierwszej (tj. obrazu wywołującego pragnienie lub jego neutralnego odpowiednika picture32) i słowa docelowego o wartościowości dodatniej lub ujemnej. Obraz główny jest prezentowany przez 200 ms, po którym następuje słowo docelowe prezentowane przez 1 sekundę. Asynchroniczność początku bodźca (SOA) wynosi 250 ms. Uczestnicy są następnie instruowani, aby ocenić wartość słowa docelowego (pozytywną lub negatywną) i odpowiedzieć poprzez naciśnięcie przycisku tak szybko i dokładnie, jak to możliwe.

System rtfMRI (Rysunek 1) składa się z następujących podsystemów: (1) uczestnik, (2) akwizycja sygnału, (3) analiza sygnału online i (4) sprzężenie zwrotne sygnału. Akwizycja sygnału odbywa się za pomocą skanera całego ciała Siemens Trio 3.0T przy użyciu sekwencji obrazowania echa planarnego (EPI) 33. Procedury takie jak rekonstrukcja obrazu, korekcja zniekształceń i uśrednianie sygnału są wykonywane na komputerze skanera. Po zrekonstruowaniu i wstępnym przetworzeniu obrazów są one eksportowane do podsystemu analizy sygnału. Podsystem analizy sygnału jest implementowany przy użyciu Turbo Brain Voyager (TBV)34. TBV pobiera zrekonstruowane obrazy i przeprowadza przetwarzanie danych, które obejmuje korekcję ruchu 3D i analizę statystyczną w czasie rzeczywistym przy użyciu ogólnego modelu liniowego35. TBV pozwala użytkownikowi rysować obszary zainteresowania (ROI) na wielu wokselach na obrazach funkcjonalnych i wyodrębniać średnie wartości BOLD ROI po każdym czasie powtórzenia (TR). Szeregi czasowe wybranych ROI są następnie eksportowane do skryptu MATLAB, który oblicza i przedstawia uczestnikowi informacje zwrotne.

Wizualna informacja zwrotna o aktywności mózgu jest dostarczana uczestnikom w formie graficznie animowanego termometru, którego paski zmieniają się proporcjonalnie do procentu zmian BOLD w ROI. W kilku badaniach wykorzystano przerywaną informację zwrotną (informację zwrotną przekazywaną uczestnikowi po kilku TR sekwencji EPI) do szkolenia uczestników36,37. Jednak w obecnym badaniu przewidywano, że uczestnicy będą mieli większe trudności z obniżeniem sygnału BOLD w przedniej wyspie z ciągłym sprzężeniem zwrotnym ze względu na rolę wyspy w integracji sensorycznej i zaangażowanie w przetwarzanie informacji o wizualnym sprzężeniu zwrotnym38. W związku z tym założono, że ciągłe sprzężenie zwrotne spowoduje konflikt między dwoma procesami w korze wyspowej, jednym procesem, który zwiększa sygnał z powodu zewnętrznego sprzężenia zwrotnego, a drugim, który zmniejsza sygnał z powodu treningu neurofeedbacku. W związku z tym w tym badaniu udzielamy informacji zwrotnej tylko na końcu każdego bloku regulacji w dół (opóźniona informacja zwrotna). Uczestnikom pokazuje się tekst (np. 0,87 euro) jako wizualną informację zwrotną (Rysunek 2A,C), który wskazuje kwotę zarobionych pieniędzy (nagroda pieniężna). Nagroda ta jest proporcjonalna do procentowej regulacji w dół osiągniętej w bloku regulacyjnym.

RtfMRI to nowatorska neurotechnologia, która może być w stanie przezwyciężyć problemy w terapeutycznym podejściu do leczenia uzależnień i może zapewnić bardziej niezawodne i skuteczne interwencje w celu zmniejszenia nawrotów. Długoterminowe cele obecnego badania są trojakie: 1) sprawdzenie, czy osoby uzależnione od nikotyny mogą nauczyć się obniżać sygnały BOLD w przedniej wyspie podczas obecności bodźców wywołujących zachowania głodowe; 2) zbadanie, czy trening neurofeedbacku prowadzi do modyfikacji zachowań związanych z łaknieniem; oraz 3) zbadanie, czy zmiany w poziomie łaknienia podczas treningu neurofeedbacku polegającego na regulacji w dół wyspy utrzymują się po sześciu miesiącach treningu bez żadnej innej interwencji. Ten artykuł zawiera szczegółowy opis protokołu eksperymentalnego rtfMRI i jego różnych elementów. Przedstawiono również przykładowe dane z badania oraz omówienie przyszłych wyzwań i potencjału tej metody w ramach badań. Przedstawiony protokół ma na celu zbadanie, czy trening neurofeedbacku oparty na fMRI może być wykorzystany do badania zmniejszenia aktywności mózgu w korze wyspowej palaczy papierosów. Ponadto protokół ma na celu zbadanie związków między aktywacją kory wyspowej a zachowaniami głodującymi papierosów palaczy.

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

Protokół

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

Komisja Etyki Wydziału Medycznego Uniwersytetu w Tybindze i Pontificia Universidad Católica de Chile zatwierdziły następujący protokół rtfMRI.

1. Konfiguracja sprzętu

  1. Sprzęt reprezentowany w Rysunek 1 jest przygotowany tylko raz do skonfigurowania eksportu danych MRI w czasie rzeczywistym.
  2. Przygotowanie pomieszczenia do rezonansu magnetycznego przebiega tak samo, jak w przypadku tradycyjnego pomiaru fMRI. Przygotuj salę rezonansu magnetycznego przed przyjazdem uczestnika.
  3. Podłącz 32- lub 20-kanałową cewkę głowicy do skanera.
  4. Podłącz VGA/HDMI projektora i urządzenie reagujące kompatybilne z MR (skrzynka przycisków) do komputera stymulacyjnego.
    UWAGA: W większości konfiguracji MR urządzenie reagujące dostarcza wyzwalacz TR do komputera bodźców. Ten wyzwalacz pomaga zsynchronizować prezentację bodźców i pozyskiwanie danych.

2. Przygotowanie uczestników poza skanerem

  1. Przygotuj formularz zgody i kwestionariusze, które uczestnicy muszą wypełnić przed przyjazdem.
  2. Gdy uczestnik dotrze na miejsce, wyjaśnij eksperyment i technikę fMRI. Poinstruuj również uczestnika, jak wykonać zadanie (np. podczas eksperymentu uczestnicy muszą mieć oczy otwarte i zawsze patrzeć na obrazy na ekranie wyświetlacza, a także powinni starać się nie poruszać głową wewnątrz skanera).
  3. Poproś uczestnika o podpisanie formularza zgody i wypełnienie kwestionariuszy wymaganych do oceny poziomu łaknienia.
  4. Poproś uczestników o wypełnienie następujących kwestionariuszy: 1) VAS-C: Wizualna Skala Analogowa, Łaknienie39, 2) QSU-b: Kwestionariusz popędów do palenia – Krótka wersja40, oraz 3) papierosy dziennie.
  5. Poproś uczestnika o wydychanie powietrza przez urządzenie do pomiaru tlenku węgla (CO).
    UWAGA: Pomiar CO41 wskazuje, czy uczestnik powstrzymuje się od palenia co najmniej 3 godziny przed przybyciem na sesję neurofeedbacku. CO jest mierzony w ppm (częściach na milion). Niskie wartości CO wskazują, że uczestnik nie palił przez co najmniej kilka godzin przed przyjazdem. Uczestnicy powinni zostać poproszeni o powstrzymanie się od palenia, aby sygnały głodu wywoływały wysokie pragnienie podczas eksperymentu. Uczestnicy z wysokimi wartościami CO zostaną ostrzeżeni przed przyszłą sesją neurofeedbacku, aby upewnić się, że powstrzymają się od palenia przed sesją rtfMRI. Uczestnicy, którzy nie powstrzymują się od palenia tytoniu dwukrotnie, powinni zostać wykluczeni z badania.

3. Pozycjonowanie uczestników

UWAGA: Procedura pozycjonowania uczestników na stole skanera jest podobna do tradycyjnego eksperymentu fMRI.

  1. Poproś uczestnika, aby wyjął wszystkie metalowe przedmioty z kieszeni przed wejściem do sali rezonansu magnetycznego.
  2. Poproś uczestnika, aby włożył zatyczki do uszu, zanim położy się na stole skanera w pozycji leżącej.
  3. Użyj padów, aby ustalić pozycję głowy uczestnika wewnątrz cewki głowicy. Ten krok pomaga zmniejszyć ruchy głowy podczas pomiaru.
  4. Zablokuj górną część cewki głowicy i przymocuj lusterko do cewki głowicy.
  5. Przekaż uczestnikowi urządzenie do reagowania i umieść je zgodnie z komfortem uczestnika.
  6. Poproś uczestnika, aby zamknął oczy i zaznaczył odniesienie do pozycji głowy uczestnika między brwiami za pomocą światła laserowego.
  7. Przesuń stół skanera, aby umieścić zaznaczoną pozycję na środku otworu MRI.
  8. Potwierdź z uczestnikiem, że znajduje się w wygodnej pozycji i że widzi bodźce wizualne wyświetlane na ekranie za skanerem za pomocą lustra. W razie potrzeby wyreguluj lusterko.

4. Akwizycja danych

  1. Podczas wstępnych skanów poproś uczestnika, aby zamknął oczy i starał się nie ruszać głową.
  2. Rozpocznij pomiar od sekwencji impulsów lokalizatora. Ta sekwencja jest zwykle używana do określenia pozycji wycinka w kolejnym skanowaniu anatomicznym i funkcjonalnym (sekwencja EPI).
  3. Wybierz pole widzenia (FOV) dla skanu anatomicznego o następujących parametrach: TR = 11,5 ms, TE = 5 ms, 176 warstw bez przerwy między warstwami, FOV = 240 x 240 mm2, matryca = 256 x 256, kąt odwrócenia = 18°, zapewniając 1 mm3 woksele izotropowe. Pole widzenia sekwencji obejmie całą głowę uczestnika.
  4. Pole widzenia dla skanowania funkcjonalnego (sekwencja EPI) jest wyrównane do linii spoidła przedniego/spoidła tylnego (linia AC-PC). Dostosuj położenie plasterków, aby pokryć obszar docelowy zainteresowania. Parametry sekwencji są następujące: TR = 1,5, FOV = 192 mm, 25 warstw, woksel = 3 mm x 3 mm x 3 mm, kąt odwrócenia = 70°.

5. Neurofeedback FMRI

  1. Powiadom uczestnika, że rozpoczyna się bieg neurofeedback i powtórz podane wcześniej instrukcje (np. że podczas linii bazowej blok jest reprezentowany przez znak "+").
    UWAGA: Uczestnik musi obserwować obraz na ekranie wyświetlacza. Z drugiej strony, podczas bloku regulacyjnego, reprezentowanego przez strzałkę w dół, uczestnicy powinni spróbować oderwać się od popędów łaknienia za pomocą pewnych strategii poznawczych. Kwota pieniędzy pokazana na końcu każdego bloku regulacyjnego reprezentuje ich wyniki. Wyższa kwota pieniędzy oznacza lepszą wydajność.
  2. Wykonaj przebieg neurofeedbacku, w którym blok podstawowy i regulacyjny występują naprzemiennie (30 s każdy; Rysunek 2).
  3. Na komputerze stymulacyjnym uruchom oprogramowanie do prezentacji kodu stymulacyjnego i naciśnij przycisk Enter po wyświetleniu na ekranie komunikatu Gotowy. Kod prezentacji czeka teraz na wyzwalacz, aby rozpocząć uruchamianie neurofeedback.
    UWAGA: Kod jest zsynchronizowany z wyzwalaczami TR pochodzącymi ze skanera. Dlatego jest to pierwszy krok w przygotowaniu do uruchomienia biegu neurofeedback.
  4. Na komputerze analitycznym uruchom wewnętrzny zestaw narzędzi MATLAB i turbo brain voyager (TBV).
  5. W przyborniku MATLAB wprowadź informacje specyficzne dla uczestnika, takie jak identyfikator pacjenta i numer przebiegu neurofeedbacku.
  6. Naciśnij przycisk Generuj pliki protokołu, aby przygotować plik protokołu, korzystając z informacji wstawionych w kroku 5.5.
    UWAGA: Plik protokołu zawiera informacje związane z czasem warunku (np. czas, w którym TR powinien rozpocząć się określony stan i jaki bodziec ma być zaprezentowany). Będzie on używany zarówno przez zestaw narzędzi MATLAB, jak i TBV.
  7. Naciśnij przycisk wykonaj w graficznym interfejsie użytkownika przybornika MATLAB. Kod oczekuje teraz na odbiór danych z TBV.
  8. W TBV wybierz plik protokołu wygenerowany w kroku 5.6. Ponadto wybierz plik .roi wygenerowany na podstawie poprzednich sesji neurofeedback.
    UWAGA: Wybór pliku ROI jest ważny, ponieważ pozwoli to uniknąć awarii oprogramowania TBV podczas początkowego (10 TR) okresu przebiegu neurofeedbacku.
  9. Przygotuj sekwencję EPI, która ma zostać zaimplementowana na komputerze hosta MR. Naciśnij przycisk start w TBV.
  10. Przerysuj docelowe ROI w oprogramowaniu TBV zgodnie z anatomicznymi punktami orientacyjnymi. Kształt i rozmiar komór w mózgu są wykorzystywane jako punkty orientacyjne do wyboru przedniej wyspy. Ponadto falisty kształt kory wyspowej jest wykorzystywany do precyzyjnego doboru wokseli związanych z obustronną wyspą przednią.
  11. Narysuj ROI na pierwotnym obszarze motorycznym (M1), używając bruzdy centralnej jako anatomicznego punktu orientacyjnego. Główny obszar motoryczny działa jako referencyjny zwrot z inwestycji, aby usunąć efekt globalnego wzrostu BOLD i wahań BOLD spowodowanych ruchem głowy.
  12. Pod koniec każdej sesji neurofeedbacku zapytaj uczestnika: "Jakiej strategii poznawczej używał podczas bloku regulacyjnego?". Ponadto zapytaj uczestnika o jego poziom komfortu i o to, czy chce kontynuować eksperyment.
  13. Po czterech uruchomieniach neurofeedback wybierz przycisk radiowy Tak dla przebiegu transferu.
    UWAGA: Przebieg transferowy jest podobny do przebiegu neurofeedback. Jednak uczestnicy dokonują samoregulacji w przypadku braku informacji zwrotnej. Pomaga to określić, czy wyuczona samoregulacja jest przenoszona na sytuację, w której uczestnik nie otrzyma neurofeedbacku (np. poza skanerem).

6. Grupa kontrolna

  1. Poinstruuj uczestników w grupie kontrolnej w taki sam sposób, jak w grupie eksperymentalnej. Przekaż jednak uczestnikom informację zwrotną o żółtku.
    UWAGA: W przypadku sprzężenia zwrotnego w jarzmie średnia ilość wzmocnienia (pieniędzy) zarówno w grupie eksperymentalnej, jak i kontrolnej pozostaje taka sama. Jedyną różnicą między tymi dwiema grupami jest przypadkowość informacji zwrotnej udzielanej uczestnikom. W przypadku uczestników w grupie kontrolnej całkowita ilość wzmocnienia (pieniędzy) jest rozdzielana między losowo przydzielone 40% prób regulacji w dół. Jednak w pozostałych 60% badań uczestnicy otrzymują negatywne opinie (zero euro). W ten sposób uczestnicy w grupie kontrolnej nie otrzymują warunkowej informacji zwrotnej.

7. Analiza offline

  1. Wstępne przetwarzanie danych fMRI
    1. Użyj zestawu narzędzi statystycznego mapowania parametrycznego (SPM), aby wstępnie przetworzyć dane fMRI (https://www.fil.ion.ucl.ac.uk/spm/ext/).
    2. Konwertuj dane fMRI w formacie DICOM na format NIFTI za pomocą narzędzia do konwersji formatu funkcji wsadowej SPM.
    3. Usuń początkowe 10 skanów z każdego przebiegu neurofeedbacku, aby uniknąć efektów równoważenia gradientu42.
    4. Wykonaj proces ponownego wyrównania, aby usunąć artefakty ruchu i wyrównać wszystkie woluminy do pierwszego woluminu sesji. Ponadto wykonaj korektę wycinka czasu, aby skompensować opóźnienie pobierania wycinka43.
    5. Przeprowadź segmentację skanu anatomicznego, korejestrację danych sekwencji EPI i danych anatomicznych oraz normalizację w celu odwzorowania danych przestrzeni obiektu do standardowego szablonu mózgu Instytutu Neurologicznego w Montrealu (MNI)44.
    6. Korzystając z naszego wewnętrznego kodu MATLAB, wyodrębnij sygnały BOLD z ROI w kształcie sześcianu utworzonych wokół współrzędnych MNI odpowiadających obustronnej przedniej wyspie i pierwotnej korze ruchowej.
  2. Obliczanie procentowej zmiany sygnału BOLD
    1. Oblicz procentową zmianę sygnału BOLD na podstawie średniej zmiany sygnału BOLD dla każdego zwrotu z inwestycji podczas bloku regulacyjnego w porównaniu z poprzednim blokiem bazowym. Równanie procentowej zmiany sygnału BOLD jest następujące:
      figure-protocol-1
  3. Analiza wyraźnych zachowań uczestników związanych z paleniem tytoniu
    1. Zaimportuj odpowiedzi uczestników na kwestionariusze (tj. QSU-b, VAS-C, miara CO i papierosy dziennie) do MATLAB.
    2. Przetestuj normalność danych za pomocą testu Kołmogorowa-Smirnowa dla jednej próby z MATLAB.
    3. Test t dla jednej próby powinien być stosowany do porównania odpowiedzi różnych kwestionariuszy dla każdego uczestnika oraz test t dla próby sparowanej do porównania wyników między grupą eksperymentalną i kontrolną.
  4. Analiza ukrytej postawy wobec sygnałów wywołujących pragnienie
    1. Wyodrębnij czas reakcji (RT) prób afektywnego primingu dla każdego uczestnika z plików dziennika wygenerowanych przez oprogramowanie do prezentacji.
    2. Usuń wartości odstające na podstawie RT (tj. nie uwzględniaj badań, w których RT jest dłuższy niż 2x odchylenie standardowe średniego RT uczestnika).
    3. Przetestuj normalność danych za pomocą testu Kołmogorowa-Smirnowa dla jednej próby z MATLAB.
    4. Porównaj wpływ regulacji w dół na medianę czasów reakcji unikalnych kombinacji liczb pierwszych (obrazy wywołujące pragnienie i neutralne) oraz celów (słowa pozytywne i negatywne) dla każdego uczestnika i porównaj między grupami eksperymentalnymi i kontrolnymi za pomocą sparowanego testu mądrego t.

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

Wyniki

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

Czterech pacjentów zostało zrekrutowanych na podstawie ich wyników w kwestionariuszu Fagerström Test for Nicotine Addiction (FTND)>45 dla średniego poziomu uzależnienia od nikotyny (wynik FTND >4) oraz liczby papierosów wypalanych codziennie (>15). Ponadto zapewniono, że uczestnicy nie mają żadnych tatuaży ani metalowych implantów zgodnie ze środkami bezpieczeństwa MRI instytucji. Dla każdego uczestnika wykonano pięć sesji rtfMRI, z których pierwsze cztery sesje przeprowadzono w ciągu 2 tygodni (2 ses...

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

Dyskusja

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

Wyniki uzyskane od czterech uczestników wskazują na możliwość nauczenia się przez palaczy papierosów zmniejszania aktywacji w obustronnej przedniej wyspie w obecności sygnałów wywołujących głód. Zmiany w ukrytych i jawnych zachowaniach związanych z paleniem po treningu neurofeedback u badanego uczestnika mogą być związane z wyuczoną regulacją w dół, ponieważ uczestnik nie przeszedł żadnych innych interwencji klinicznych lub eksperymentalnych w trakcie eksperymentu. Zmiana w ukrytym zachowaniu uczestnika może wskazywać na...

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

Oświadczenia

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

Autorzy nie mają nic do ujawnienia.

Podziękowania

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

To badanie było wspierane przez Comisión Nacional de Investigación Científica y Tecnológica de Chile (Conicyt) przez Fondo Nacional de Desarrollo Científico y Tecnológico, Fondecyt Postdoctoral grant (nr 3100648) Fondecyt Regular(projekty nr 1171313 i nr 1171320)oraz CONICYT PIA/Anillo de Investigación en Ciencia y Tecnología ACT172121.

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

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
MATHSWORKMATLAB wersja 2014a
Prezentacja - Systemy neurobehawioralnePrezentacja wersja 18.0
Brain Innovation B.V.Turbo Brain Voyager w wersji 2.6 lub 3.0

Bibliografia

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

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

Przedruki i uprawnienia

Poproś o pozwolenie na ponowne wykorzystanie tekstu lub ilustracji tego artykułu JoVE

Poproś o pozwolenie

Tagi

Real Time fMRINeurofeedback TrainingNicotine AddictionBrain Self RegulationBOLD ActivityAddiction NeuroimagingCraving ReductionBilateral InsulaFunctional MRI
Film wkrótce dostępny

Powiązane artykuły