Artykuł metodologiczny

Mapowanie częstotliwości stymulacji małżowinowej gałęzi nerwu błędnego w depresji z wykorzystaniem funkcjonalnej spektroskopii bliskiej podczerwieni

145 wyświetleń

⸱

DOI:

10.3791/70136

⸱

25 września 2026

 ,  ,  ,  ,  ,  ,  , 
1Department of Psychiatry and Psychotherapy, University of Marburg, 2Center for Mind, Brain, and Behavior (CMBB), University of Marburg, 3Department of Psychology, University of Marburg, 4Faculty of Medicine, University of British Columbia

W tym artykule

Podsumowanie

Niniejszy protokół zapewnia powtarzalne ramy mapowania zależnych od częstotliwości odpowiedzi korowych na przezskórną stymulację ucha gałązki nerwu błędnego z wykorzystaniem funkcjonalnej spektroskopii bliskiej podczerwieni u osób z zaburzeniami depresyjnymi.

Streszczenie

Zaburzenia depresyjne (MDD) wiążą się ze zmianami w wielkoskalowych sieciach mózgowych, a zmienność parametrów przezskórnej stymulacji ucha gałązki nerwu błędnego (taVNS), w szczególności częstotliwości stymulacji, ogranicza powtarzalność i porównywalność wyników między badaniami. W związku z tym niezbędne są ustandaryzowane strategie systematycznego doboru parametrów. Niniejszy protokół przedstawia powtarzalny, oparty na neuroobrazowaniu proces mapowania indywidualnych odpowiedzi korowych na wiele częstotliwości taVNS z wykorzystaniem funkcjonalnej spektroskopii bliskiej podczerwieni (fNIRS). Podejście to łączy ciągłą akwizycję fNIRS z podawaniem wielu częstotliwości stymulacji w ramach jednej sesji oraz analizą aktywności sieci stanu spoczynkowego (DMN) na poziomie sieciowym. Odpowiedzi specyficzne dla danej częstotliwości są kwantyfikowane przy użyciu metryk opartych na odległości, a następnie poddawane rankingowi algorytmicznemu w celu zidentyfikowania optymalnych parametrów stymulacji dla każdego uczestnika.
Opisany proces umożliwia bezpośrednie porównanie warunków stymulacji w obrębie jednego podmiotu i zapewnia ustrukturyzowane ramy dla eksploracyjnego mapowania parametrów w oparciu o odpowiedzi na poziomie sieciowym, zamiast stosowania projektów o stałej częstotliwości. Reprezentatywne wyniki wykazują możliwość uzyskania stabilnych sygnałów fNIRS we wszystkich warunkach oraz generowania interpretowalnych, specyficznych dla uczestnika rankingów częstotliwości. Choć protokół ten został zaprezentowany w kontekście MDD, można go dostosować do innych paradygmatów neuromodulacji i zaburzeń związanych z dysfunkcją na poziomie sieciowym, co może wesprzeć przyszłe badania ukierunkowane na indywidualny dobór parametrów.

Wprowadzenie

Przezskórna stymulacja małżowinowej gałęzi nerwu błędnego (taVNS) jest nieinwazyjną techniką neuromodulacji, która celuje w gałąź małżowinową nerwu błędnego i może wpływać na neuromodulacyjne jądra pnia mózgu oraz rozproszone sieci korowe1. Poprzednie prace wykazały, że fizjologiczne i neuronalne efekty taVNS silnie zależą od parametrów stymulacji2,3,4,5, w szczególności od częstotliwości stymulacji. W modelach zwierzęcych i ludzkich różne częstotliwości wiązano z odmiennymi ścieżkami neuromodulacyjnymi i odpowiedziami mózgu, a kliniczne protokoły taVNS obejmują obecnie szeroki zakres częstotliwości6. Ta zmienność podkreśla potrzebę systematycznego podejścia do mapowania częstotliwości i zasadniczego doboru parametrów, zamiast polegania na konwencjach stałej częstotliwości. Celem niniejszego protokołu jest dostarczenie odtwierzalnej metody wewnątrzpacjenckiego mapowania odpowiedzi neuronalnych na wiele częstotliwości taVNS z wykorzystaniem fizjologicznych odczytów na poziomie sieci.

Ogólnym celem niniejszego protokołu jest dostarczenie powtarzalnej metody mapowania indywidualnych odpowiedzi neuronalnych na wiele częstotliwości taVNS.

Funkcjonalna spektroskopia bliskiej podczerwieni (fNIRS) to przenośna technika optycznego obrazowania układu nerwowego, która mierzy hemodynamiczną odpowiedź kory z wysoką rozdzielczością czasową i jest kompatybilna z jednoczesną stymulacją taVNS7,8. W porównaniu z metodami opartymi na obrazowaniu metodą rezonansu magnetycznego (MRI), fNIRS oferuje większą przenośność, mniejsze obciążenie logistyczne i łatwiejszą integrację z procedurami stymulacyjnymi, bez ograniczeń takich jak unieruchomienie skanera, hałas akustyczny czy restrykcyjne konfiguracje sprzętowe. W porównaniu ze strategiami optymalizacji opartymi na objawach, fNIRS dostarcza bezpośredniego fizjologicznego wskaźnika odpowiedzi sieci korowych na stymulację, zamiast polegać wyłącznie na subiektywnych lub opóźnionych efektach klinicznych9. W przeciwieństwie do paradygmatów stymulacji o stałej częstotliwości10, niniejszy protokół umożliwia wyraźną charakterystykę zmienności międzyosobniczej w zakresie wrażliwości na częstotliwość, zamiast uśredniać odpowiedzi wszystkich uczestników. Ponadto fNIRS pozwala na skalowalne, powtarzalne pomiary w obrębie jednej sesji, co sprawia, że podejście to jest szczególnie odpowiednie dla eksploracyjnych badań mapowania częstotliwości i pilotażowych analiz wymagających wydajnych, powtarzalnych ocen.

To zintegrowane podejście powinno być stosowane, gdy badacze dążą do porównania parametrów neuromodulacji u tego samego uczestnika, identyfikacji potencjalnych zindywidualizowanych ustawień stymulacji lub opracowania protokołów przed przeprowadzeniem badań podłużnych lub zorientowanych na wynik. Jest ono szeroko stosowalne w stanach charakteryzujących się zaburzoną organizacją wielkoskalowych sieci mózgowych11. Niniejszy protokół jest szczególnie odpowiedni do eksploracyjnego mapowania parametrów, pilotażowych badań nad personalizacją oraz wczesnych etapów badań wykonalności. Przykładem ilustrującym takie zastosowanie jest depresja, która wiąże się ze zmienioną aktywnością i łącznością w obrębie sieci stanu spoczynkowego (DMN)12,13 oraz powiązanych sieci kontrolnych, a w przypadku taVNS wykazano zdolność do modulowania tych systemów14. Niemniej jednak w poprzednich badaniach stosowano niejednorodne częstotliwości stymulacji, a najbardziej odpowiednie częstotliwości ukierunkowane na sieci afektywne i poznawcze pozostają niepewne. Zmienność ta uzasadnia stosowanie porównań częstotliwości w obrębie jednego uczestnika zamiast polegania na pojedynczej częstotliwości przyjętej a priori.

W niniejszym opracowaniu opisujemy protokół wdrażania procesu mapowania częstotliwości taVNS sterowanego za pomocą fNIRS, odpowiedniego do zastosowań przy łóżku pacjenta oraz w badaniach podłużnych. Procedura obejmuje wstępną linię bazową w stanie spoczynku bez stymulacji, a następnie sesje taVNS w stanie spoczynku przy częstotliwościach 2, 10, 25 i 40 Hz, a także warunek pozorowany (sham) w celu kontroli efektów nieswoistych. Dla każdego warunku dane fNIRS są pozyskiwane i analizowane przy użyciu wielowymiarowych miar odległości sieciowej w stosunku do normatywnej referencji osoby zdrowej. Miary te oddają komplementarne aspekty organizacji sieci, w tym siłę łączności oraz regionalne wzorce interakcji15,16. Wynikowe pomiary na poziomie sieci są wykorzystywane do porównania efektów specyficznych dla danej częstotliwości u każdego uczestnika oraz do identyfikacji potencjalnych parametrów stymulacji w sposób oparty na analizie sieci. Następnie włączono warunek specyficzny dla wybranej częstotliwości w stanie spoczynku, aby ocenić krótkoterminową powtarzalność wybranej częstotliwości.

Niniejszy protokół jest najlepiej dostosowany do eksploracyjnego mapowania parametrów, personalizacji w ramach dowodu koncepcji oraz opracowywania protokołów przed przeprowadzeniem większych badań podłużnych lub klinicznych. Zapewnia on ustrukturyzowane ramy do systematycznego porównywania częstotliwości stymulacji u poszczególnych osób z wykorzystaniem fizjologicznych mierników na poziomie sieciowym. Metoda ta została zaprojektowana w celu wspierania generowania hipotez i identyfikacji potencjalnych częstotliwości w badaniach we wczesnej fazie lub badaniach pilotażowych. Nie jest ona przeznaczona do ustalenia ostatecznej skuteczności klinicznej, wyższości terapeutycznej ani optymalizacji leczenia, lecz ma służyć jako podstawa do późniejszych badań podłużnych i zorientowanych na wyniki poprzez eksploracyjny dobór parametrów oparty na analizie sieciowej.

Protokół

Wszystkie procedury z udziałem ludzi zostały przeprowadzone zgodnie z wytycznymi instytucjonalnymi oraz Deklaracją Helsińską i zostały zatwierdzone przez właściwą komisję etyki badań naukowych nad ludźmi Uniwersytetu Philipps w Marburgu (numer protokołu: 23-232 BO). Przed przystąpieniem do badania od wszystkich uczestników uzyskano pisemną świadomą zgodę.

Protokół podąża za chronologicznym przebiegiem procesu eksperymentalnego (szczegóły przedstawiono na Rysunku 1 ). Wszystkie etapy zostały zrealizowane przy użyciu zdefiniowanych parametrów, aby zapewnić powtarzalność i porównywalność wyników między uczestnikami. Parametry te obejmowały stałe ustawienia stymulacji taVNS (częstotliwości 2, 10, 25 i 40 Hz, szerokość impulsu oraz indywidualnie dostosowaną intensywność stymulacji), znormalizowany czas trwania pomiarów w stanie spoczynku, spójny warunek pozorowany (sham) oraz jednolity proces akwizycji i preprocessingu fNIRS, obejmujący konfigurację kanałów, korekcję ruchów, filtrowanie oraz procedury analizy sieciowej.

1. Zgoda etyczna i opis badania

  1. Uzyskanie zgody komisji etycznej
    1. Przed rozpoczęciem badania należy uzyskać zgodę Komisji Etyki Wydziału Medycyny Uniwersytetu Philippsa w Marburgu (protokół nr 23-232 BO).
    2. Wszystkie procedury należy przeprowadzać zgodnie z Deklaracją Helsińską oraz instytucjonalnymi wytycznymi dotyczącymi badań z udziałem ludzi.
    3. Przed rozpoczęciem przesiewu, oceny lub pozyskiwania danych należy uzyskać pisemną świadomą zgodę od każdego uczestnika.
  2. Określenie celów badania
    1. Niniejszy protokół służy do porównania stymulacji pozornej (sham) z wieloma aktywnymi częstotliwościami taVNS u tego samego uczestnika.
    2. Należy zastosować jednoczesną funkcjonalną spektroskopię bliskiej podczerwieni (fNIRS) w celu ilościowego określenia odpowiedzi sieci korowych podczas stymulacji.
    3. Należy wykorzystać zdefiniowane skrypty analizy, aby zidentyfikować kandyducyją indywidualną częstotliwość stymulacji na podstawie podobieństwa na poziomie sieci do szablonu zdrowej grupy kontrolnej.
  3. Określenie zakresu analitycznego
    1. Wszystkie wyniki należy interpretować jako opisowe i eksploracyjne.
    2. Niniejszego protokołu nie należy stosować do potwierdzania skuteczności klinicznej, wyższości terapeutycznej lub optymalizacji leczenia.
    3. Wyniki należy wykorzystać jako podstawę do przyszłych badań podłużnych lub zorientowanych na efekty końcowe.

2. Rekrutacja i przesiew uczestników

  1. Rekrutacja grup badawczych
    1. Zrekrutuj dorosłych uczestników do dwóch grup: z zaburzeniem depresyjnym większym (MDD) oraz zdrowych kontroli (HC).
    2. Zrekrutuj zdrowe kontrole w tym samym okresie badania i przy użyciu identycznych procedur, co w przypadku grupy MDD.
    3. Zapewnij wynagrodzenie zgodnie z wytycznymi instytucjonalnymi.
  2. Zastosowanie kryteriów włączenia
    1. Włącz do badania wyłącznie uczestników w wieku 18 lat lub starszych.
    2. Potwierdź prawidłowy lub skorygowany do normy wzrok.
    3. Tylko grupa MDD: Potwierdź diagnozę MDD za pomocą ustrukturyzowanego wywiadu klinicznego w oparciu o DSM-5.
    4. Tylko grupa MDD: Włącz wyłącznie uczestników z depresją o nasileniu lekkim do umiarkowanego (HAMD-24 ≥8 i <24; BDI-II ≥8 i <29).
    5. Tylko grupa zdrowych kontroli: Potwierdź brak obecnych chorób psychiatrycznych lub ciężkich chorób somatycznych.
  3. Zastosowanie kryteriów wykluczenia
    1. Wyklucz uczestników z zaburzeniami neurologicznymi lub w wywiadzie znacznymi urazami głowy.
    2. Wyklucz uczestników z chorobami psychiatrycznymi współistniejącymi.
    3. Wyklucz uczestników aktualnie przyjmujących leki psychotropowe lub antydepresyjne lub takich, którzy odstawili te leki w ciągu ostatnich 2 tygodni.
    4. Wyklucz uczestników z ideacjami samobójczymi lub ciężkimi objawami depresyjnymi.
    5. Wyklucz uczestników ze schorzeniami medycznymi, które mogą wpływać na funkcje neuronalne lub naczyniowe.
  4. Przeprowadzenie oceny klinicznej
    1. Przeprowadź badanie za pomocą skali Hamiltona do oceny depresji (HAMD-24).
    2. Przeprowadź badanie za pomocą Inwentarza Depresji Becka-II (BDI-II).
    3. Zapisz wyniki całkowite w bazie danych badania.

3. Przygotowanie środowiska eksperymentalnego

  1. Przygotowanie pomieszczenia laboratoryjnego
    1. Posadź uczestnika w cichym, słabo oświetlonym pomieszczeniu.
    2. Utrzymuj stabilną temperaturę otoczenia i zminimalizuj hałas zewnętrzny.
    3. Ustaw monitor w odległości około 1 m przed uczestnikiem.
  2. Instruktaż uczestnika
    1. Wyświetl na monitorze centralny krzyżyk fiksacyjny.
    2. Poinstruuj uczestnika, aby pozostał rozbudzony, zrelaksowany i nieruchomy.
    3. Poinstruuj uczestnika, aby przez cały czas trwania pomiarów utrzymywał wzrok na krzyżyku fiksacyjnym.

4. Przygotowanie taVNS i kalibracja stymulacji

  1. Przygotowanie sprzętu
    1. Należy użyć urządzenia do przezskórnej stymulacji małżowiny usznej nerwu błędnego wyposażonego w tytanowo-irydową elektrodę stymulującą.
    2. Przed każdą sesją należy sprawdzić kable, złącza oraz stan baterii.
  2. Pozycjonowanie elektrody
    1. Należy oczyścić lewą cymba conchae za pomocą chusteczek nasączonych alkoholem.
    2. Należy całkowicie osuszyć skórę.
    3. Elektrodę stymulującą należy umieścić na lewej cymba conchae.
    4. Należy zweryfikować stabilność kontaktu i pewność mocowania.
  3. Kalibracja amplitudy prądu
    1. Szerokość impulsu należy ustawić na 300 µs.
    2. Należy włączyć stymulację ciągłą bez cykli pracy.
    3. Należy rozpocząć od 0 mA i stopniowo zwiększać natężenie prądu w krokach 0,1-0,2 mA.
    4. Po każdym zwiększeniu natężenia należy poprosić uczestnika o ocenę odczuć w 10-stopniowej skali.
    5. Zwiększanie natężenia prądu należy przerwać przy najwyższej tolerowanej intensywności, która nie powoduje bólu.
    6. Docelowa odczuwalna intensywność powinna wynosić 7-8/10.
    7. Kalibrację należy powtórzyć oddzielnie dla częstotliwości 2, 10, 25 i 40 Hz.
    8. Należy zapisać końcową amplitudę prądu dla każdej częstotliwości.
  4. Konfiguracja stymulacji pozorowanej (sham)
    1. Urządzenie należy skonfigurować tak, aby nie dostarczało prądu elektrycznego.
    2. Pozycjonowanie elektrody musi być identyczne jak w warunkach aktywnych.
    3. Wszystkie sygnały wizualne, dotykowe i słuchowe muszą odpowiadać stymulacji aktywnej.
  5. Stosowanie bloków stymulacji aktywnej
    1. W ciągu sesji należy jednorazowo zastosować cztery aktywne częstotliwości (2, 10, 25 i 40 Hz).
    2. Kolejność bloków u uczestników należy zrandomizować przy użyciu sekwencji wygenerowanej komputerowo.
    3. Należy wprowadzić stałe odstępy między warunkami bez stymulacji.

5. Konfiguracja systemu fNIRS

  1. Przygotowanie sprzętu
    1. Użyć dwóch zsynchronizowanych systemów fNIRS.
    2. Wyposażyć każdy system w 16 źródeł światła i 16 detektorów.
  2. Zdefiniowanie montażu
    1. Użyć narzędzia do planowania układu optycznego w celu ukierunkowania na obszary sieci stanu spoczynkowego (default mode network).
    2. Rozmieścić optody tak, aby obejmowały przyśrodkową korę przedczołową, tylną korę obręczy/precuneus, obustronne zakręty kątowe oraz przyśrodkowe obszary skroniowe.
    3. Zastosować 3 cm odstępu między źródłem a detektorem dla kanałów o długim rozdziale.
    4. Dodać kanały o krótkim rozdziale o szerokości około 8 mm.
  3. Konfiguracja parametrów akwizycji
    1. Użyć długości fal 760 nm i 850 nm.
    2. Ustawić częstotliwość próbkowania na 5.1 Hz.
    3. Zsynchronizować oba systemy przed rozpoczęciem rejestracji.

6. Przeprowadzenie sesji eksperymentalnej

  1. Zdefiniowanie sekwencji blokowej
    1. Rejestracja bazowego stanu spoczynku (RS0) przez 6 min bez stymulacji.
    2. Wprowadzenie 2 min przerwy.
    3. Zastosowanie stymulacji pozornej (sham) przez 6 min.
    4. Wprowadzenie 2 min przerwy.
    5. Zastosowanie czterech zrandomizowanych bloków stymulacji aktywnej (2, 10, 25 i 40 Hz), każdy po 6 min.
    6. Wprowadzenie 2 min przerwy między kolejnymi blokami aktywnymi.
    7. Rejestracja stanu spoczynku po stymulacji (RS1) przez 6 min.
  2. Kontrola czasu trwania sesji
    1. Upewnienie się, że całkowity czas trwania sesji wynosi około 54 min.
    2. Ciągłe pozyskiwanie danych fNIRS przez wszystkie bloki.
  3. Utrzymanie ustandaryzowanych warunków
    1. Upewnienie się, że oświetlenie pomieszczenia, instrukcje i wyświetlacz fiksacyjny pozostają identyczne we wszystkich blokach.
    2. Ciągły monitoring kontaktu elektrod.
    3. W razie potrzeby wstrzymanie eksperymentu wyłącznie po zakończeniu bloku.

7. Wstępne przetwarzanie danych fNIRS

  1. Segmentacja nagrań
    1. Podziel nagrania ciągłe na fragmenty RS0, Sham, 2 Hz, 10 Hz, 25 Hz, 40 Hz oraz RS1.
    2. Wyodrębnij surowe sygnały intensywności dla każdego kanału i warunku.
  2. Kontrola jakości
    1. Zastosuj filtr pasmowo-przepustowy Butterwortha w zakresie od 0,5 do 2,33 Hz.
    2. Podziel sygnały na niezachodzące na siebie okna o długości 3 s.
    3. Oblicz wskaźnik sprzężenia ze skórą (SCI) oraz szczyt gęstości widmowej mocy (PSP).
    4. Zaklasyfikuj okna jako akceptowalne, gdy SCI ≥ 0,8 i PSP ≥ 0,1.
    5. Zachowaj kanały, w których co najmniej 70% okien jest akceptowalnych.
    6. Zachowaj uczestników, u których co najmniej 70% kanałów jest akceptowalnych.
  3. Korekcja artefaktów
    1. Skoryguj artefakty ruchowe przy użyciu metody Temporal Derivative Distribution Repair (TDDR).
    2. Zastosuj filtrowanie falkowe z wykorzystaniem bazy 8 falkowych.
    3. Zdefiniuj wartości odstające jako współczynniki przekraczające 4 odchylenia standardowe.
  4. Konwersja sygnałów
    1. Przelicz gęstość optyczną na stężenie oksyhemoglobiny, korzystając z zmodyfikowanego prawa Beera-Lamberta.

8. Obliczenie cech sieci i wybór kandydackiej częstotliwości

  1. Obliczenie łączności
    1. Oblicz odporne korelacje Pearsona pomiędzy wszystkimi parami ROI.
    2. Zapisz sześć unikalnych korelacji parzystych jako wektor łączności.
    3. Złóż symetryczną macierz łączności o wymiarach 4 × 4.
  2. Obliczanie cech pochodnych
    1. Oblicz wartości własne i wektory własne każdej macierzy.
    2. Oblicz średnią sterowalność dla każdego węzła po normalizacji macierzy.
  3. Konstrukcja szablonu zdrowego
    1. Oblicz średnią macierz łączności RS0 dla wszystkich zachowanych zdrowych uczestników kontrolnych.
    2. Użyj wynikowej macierzy jako referencyjnego szablonu zdrowego.
  4. Obliczanie odległości
    1. Oblicz odległość cosinusową między cechami uczestnika a szablonem dla łączności, wartości własnych i sterowalności.
    2. Oblicz podobieństwo wektorów własnych, stosując dopasowanie komponentów.
  5. Ranking warunków
    1. Uszereguj warunki Sham, 2 Hz, 10 Hz, 25 Hz i 40 Hz w kolejności rosnącej odległości dla każdej metryki.
    2. Przypisz rangę 1 do najmniejszej odległości.
    3. Zsumuj rangi dla wszystkich metryk dla każdego warunku.
  6. Wybór kandydującej zindywidualizowanej częstotliwości
    1. Zidentyfikuj warunek z najniższą skumulowaną sumą rang.
    2. Zdefiniuj ten warunek jako kandydującą zindywidualizowaną częstotliwość stymulacji.
  7. Obliczanie wzmocnienia stymulacji
    1. Oblicz wzmocnienie stymulacji (G_f) dla każdej częstotliwości, stosując następującą normalizację:
      Formuła gradacji wielkości ziaren, równanie Gf=(d0-df)/(max(df)-min(df)), schemat.​
      Gdzie df  to odległość RS0, a df  to odległość podczas stymulacji o częstotliwości f., obliczona dla warunków RS0, Sham, 2 Hz, 10 Hz, 25 Hz i 40 Hz.

Wyniki

Jakość danych i wykonalność akwizycji

Zastosowanie zdefiniowanych kryteriów jakości danych doprowadziło do wykluczenia kanałów i uczestników z niewystarczającą jakością sygnału. Pomyślne wyniki charakteryzują się wysokim stopniem zachowania kanałów we wszystkich warunkach, stabilnymi zapisami hemodynamicznymi oraz interpretowalnymi wzorcami łączności, które umożliwiają wiarygodną ocenę cech sieci. Wyniki słabe lub suboptymalne obejmują niską jakość sygnału, nadmierne artefakty ruchowe, niewłaściwe sprzężenie optody ze skórą głowy, niewystarczający stopień zachowania kanałów lub niespójne szacunki sieci, które ograniczają interpretowalność. Jak pokazano na Rysunku 3 oraz Rysunku 4, ostateczny zbiór danych po ocenie jakości obejmował 19 uczestników z zaburzeniami depresyjnymi (MDD; średni wiek: 31,21 lat, SD: 8,99; 10 kobiet) oraz 19 zdrowych osób kontrolnych (HC; średni wiek: 33,5 lat, SD: 13,51; 7 kobiet). Siedmiu uczestników (3 MDD i 4 HC) zostało wykluczonych ze względu na niewystarczającą jakość danych, związaną głównie z artefaktami ruchowymi lub niewłaściwym sprzężeniem optody ze skórą głowy.

Mapy jakości dla poszczególnych kanałów dodatkowo wykazały heterogeniczny rozkład przestrzenny jakości sygnału u uczestników, z lokalnymi obszarami obniżonej jakości u niektórych osób. Wyniki te podkreślają znaczenie stosowania zdefiniowanych wcześniej progów opartych na indeksie sprzężenia z ciałem (scalp coupling index) oraz szczycie widma mocy przed przystąpieniem do dalszej analizy. Procedury kontroli jakości te gwarantują, że późniejsze miary sieciowe są obliczane na podstawie wiarygodnych danych i stanowią krytyczny element protokołu. Przedstawione tutaj reprezentatywne wyniki zależą bezpośrednio od pomyślnego przejścia przez etap weryfikacji jakości danych, standaryzowanego przetwarzania wstępnego, ekstrakcji szeregów czasowych w oparciu o ROI oraz zastosowania zdefiniowanej wcześniej procedury selekcji opartej na sumie rang.

Wstępne przetwarzanie i konstrukcja sieci

Schemat eksperymentalny oraz przebieg wstępnego przetwarzania danych przedstawiono na Rysunku 1 i Rysunku 2. Po etapie kontroli jakości (Rysunek 2) sygnały zostały pomyślnie przeliczone na stężenie hemoglobiny oraz skorygowane pod kątem artefaktów ruchowych i systemowego szumu fizjologicznego. Pomyślne przeprowadzenie tych etapów wstępnego przetwarzania objawia się zachowaniem wysokiej jakości kanałów, stabilnymi regionalnymi szeregami czasowymi oraz interpretowalnymi szacunkami łączności; natomiast nieprawidłowe wyniki obejmują nadmierną utratę sygnału, nierozwiązane artefakty lub niewiarygodne pomiary sieciowe. Ekstrakcja regionalnych szeregów czasowych z węzłów sieci stanu spoczynkowego (default mode network) umożliwiła stworzenie macierzy łączności funkcjonalnej dla każdego stanu. Te reprezentatywne wyniki zależą bezpośrednio od pomyślnego wykonania kontroli jakości danych17, standaryzowanego wstępnego przetwarzania18, definicji ROI oraz zastosowania uprzednio określonej procedury rankingowej. Powstałe macierze łączności funkcjonalnej sieci stanu spoczynkowego stanowią podstawę do późniejszych porównań opartych na odległości.

Reprezentatywne wyniki na poziomie sieci

Rycina 5A przedstawia przykład specyficznego dla warunków profilu łączności funkcjonalnej DMN dla reprezentatywnego uczestnika z MDD, obok referencyjnego szablonu sieci DMN opracowanego na podstawie zdrowej grupy kontrolnej. Macierze te umożliwiają bezpośrednią wizualizację wzorców łączności między regionami w różnych warunkach i pomagają odróżnić prawidłowe wyniki protokołu od trudniejszych do interpretacji lub słabej jakości szacunków sieci. Inspekcja wizualna ujawnia zależne od warunków wariacje w organizacji sieci w stosunku do szablonu, ilustrując, w jaki sposób częstotliwość stymulacji może modulować strukturę sieci DMN w ramach jednej sesji.

Miary odległości (Rysunek 5B) kwantyfikują te różnice w ramach wielu parametrów (łączność, wartości własne, wektory własne oraz średnia sterowalność). Dla każdego parametru można uszeregować warunki na podstawie ich bliskości względem szablonu referencyjnego, gdzie niższe wartości odległości wskazują na większe podobieństwo. Co istotne, ranking różnych miar odległości różni się w zależności od warunków, co odzwierciedla komplementarne informacje o reprezentacjach sieci rejestrowane przez każdy z parametrów.

Wybór częstotliwości oparty na konsensusie

Aby zintegrować informacje z czterech parametrów, dokonano agregacji rang dla każdego uczestnika (Rycina 5C). Wyraźna separacja skumulowanych wyników rang pomiędzy warunkami wskazuje na skuteczne rozróżnienie odpowiedzi sieciowych specyficznych dla danej częstotliwości, natomiast bardzo podobne wyniki rang pomiędzy warunkami sugerują ograniczoną czułość protokołu lub słabą separację efektów stymulacji. Warunek z najniższą skumulowaną rangą zinterpretowano jako reprezentatywną częstotliwość stymulacji dla danego uczestnika. Tabela 1 podsumowuje te wybory dla wszystkich uczestników, wraz z odpowiadającymi im wartościami wzmocnienia stymulacji oraz zgodnością między parametrami ilościowo określoną przez współczynnik W Kendalla.

W grupie MDD u 12 z 19 uczestników najniższy skumulowany ranking odnotowano dla aktywnej częstotliwości stymulacji, a nie dla warunku pozornego (sham). Wybrana częstotliwość stymulacji różniła się między uczestnikami, co podsumowano w Tabeli 1. Zgodność między metrykami, określona za pomocą współczynnika W Kendalla, również różniła się w zależności od osoby, co odzwierciedla zmienność w spójności rankingów. Wyższe wartości współczynnika W Kendalla wskazują na silniejszą zgodność między metrykami i większą pewność, że wiele miar sieciowych wspiera ten sam ranking warunków, podczas gdy niższe wartości wskazują na słabszą zgodność i większą heterogeniczność między metrykami. Zatem ostateczny wybór należy interpretować jako zorientowaną na dane integrację komplementarnych cech sieciowych, a nie jako decyzję opartą na pojedynczej metryce.

Te reprezentatywne wyniki, oparte na analizie wykonalności, ilustrują rodzaje danych wyjściowych na poziomie sieci generowanych przez protokół i wykazują, że opisany schemat postępowania może zostać wdrożony w celu przeprowadzenia porównań wewnątrzpodmiotowych pomiędzy różnymi warunkami stymulacji. Wyniki te mają na celu zilustrowanie procesu akwizycji sygnału, wstępnego przetwarzania, ekstrakcji cech oraz mapowania parametrów opartego na rangach, a nie stanowią dowodu korzyści terapeutycznej, skuteczności klinicznej lub walidacji wydajności, jak pokazano w Ryciny 1–5 i Tabela 1.

Schemat ciągłego pomiaru fNIRS; układ stymulacji kory; rozmieszczenie źródeł i detektorów.
Rysunek 1. Projekt eksperymentalny i konfiguracja sondy fNIRS. (A) Wewnątrzgrupowy projekt eksperymentalny. Każdy uczestnik przeszedł wszystkie warunki w ramach jednej sesji, w tym stan spoczynkowy bazowy (RS0), stymulację pozorowaną (sham), cztery częstotliwości stymulacji aktywnej (2, 10, 25 i 40 Hz) oraz stan spoczynkowy po stymulacji (RS1). Kolejność stymulacji aktywnej była randomizowana pomiędzy uczestnikami. Każdy blok trwał 6 min i był oddzielony odstępami ~2 min bez stymulacji. Dane funkcjonalnej spektroskopii bliskiej podczerwieni (fNIRS) były rejestrowane w sposób ciągły (łącznie ~54 min) i segmentowane według warunków w celu przeprowadzenia analizy. (B) Układ sondy fNIRS pokazujący 32 źródła (czerwone) i 30 detektorów (niebieskie), tworzących 89 kanałów o długim oddaleniu i 8 kanałów o krótkim oddaleniu (okrążone). Kanały o krótkim oddaleniu posłużyły do usunięcia powierzchownego szumu fizjologicznego. (C) Profil czułości korowej układu sond względem sieci stanu spoczynkowego (DMN), opracowany na podstawie atlasu Automated Anatomical Labeling (AAL), ilustrujący zależność czułości pomiaru od głębokości. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

Schemat analizy konektywności mózgu, przepływ danych podczas wstępnego przetwarzania, ekstrakcja ROI, obliczanie cech.
Rycina 2Potok przetwarzania wstępnego i ekstrakcji cech dla analizy sieci opartej na fNIRS.
Surowe dane dotyczące natężenia światła podzielono na bloki specyficzne dla poszczególnych warunków (RS0, sham, częstotliwości stymulacji oraz RS1). Jakość danych oceniono za pomocą indeksu sprzężenia ze skórą głowy (SCI) > 0,8) oraz szczyt widma mocy (PSP > 0,1), a zachowano jedynie kanały wysokiej jakości. Sygnały przekształcono na gęstość optyczną, a następnie zastosowano korekcję ruchu z wykorzystaniem naprawy rozkładu pochodnej czasowej (TDDR) oraz filtrowania falowego. Obliczono zmiany stężenia hemoglobiny i zastosowano regresję krótkich odstępów w celu redukcji systemowego szumu fizjologicznego. Do analizy sieciowej wyekstrahowano szeregi czasowe z obszarów zainteresowania (ROI) w obrębie sieci aktywności spoczynkowej (DMN), w tym z przyśrodkowej kory przedczołowej (mPFC), przedklinowania (Prec), dolnego zakrętu ciemieniowego (IPL) oraz przyśrodkowego płata skroniowego (MTL). Obliczono łączność funkcjonalną pomiędzy obszarami ROI. Wyznaczone cechy obejmowały wartości łączności, wartości własne, wektory własne oraz średnią sterowalność. Prosimy kliknąć tutaj, aby wyświetlić powiększoną wersję tej ryciny.

Analiza jakości kanałów; wykres słupkowy i mapa ciepła danych uczestników pokazujące dobre kanały (RS0).
Rysunek 3. Ocena jakości danych u uczestników z zaburzeniami depresyjnymi (MDD).
(A) Liczba kanałów spełniających kryteria jakości w stanie spoczynkowym (RS0) dla każdego uczestnika z MDD. Słupki reprezentują wszystkie kanały (szary), kanały o dużym odstępie (niebieski) oraz kanały o krótkim odstępie (pomarańczowy) spełniające kryteria jakości (≥70% czasu rejestracji z SCI > 0.8 i PSP > 0.1). Linie przerywane wskazują maksymalną liczbę dostępnych kanałów o dużym odstępie (89), kanałów o krótkim odstępie (8) oraz próg akceptowalnej jakości danych na poziomie uczestnika (zachowanie ≥70% wszystkich kanałów). Uczestnicy poniżej progu są wyróżnieni (D13, D18, D19). (B) Jakość danych dla poszczególnych kanałów u uczestników. Mapa ciepła przedstawia procent czasu rejestracji spełniający kryteria jakości dla każdego kanału i uczestnika podczas RS0. Ciemniejsze cieniowanie oznacza niższą jakość danych. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

Porównanie liczby kanałów, wykres słupkowy; jakość kanałów, mapa ciepła; analiza danych dla neuroobrazowania.
Rysunek 4. Ocena jakości danych u zdrowych uczestników kontrolnych. (A) Liczba kanałów spełniających kryteria jakości w warunkach bazowych (RS0) dla każdego zdrowego uczestnika kontrolnego. Słupki wskazują wszystkie kanały (szare), kanały o dużym odstępie (niebieskie) oraz kanały o krótkim odstępie (pomarańczowe) spełniające kryteria jakości (≥70% czasu rejestracji z SCI > 0,8 i PSP > 0,1). Linie przerywane wskazują maksymalną liczbę dostępnych kanałów oraz próg akceptowalnej jakości danych na poziomie uczestnika (zachowanie ≥ 70% wszystkich kanałów). Uczestnicy poniżej progu zostali zaznaczeni (HC13, HC14, HC15, HC18). (B) Jakość danych dla poszczególnych kanałów u wszystkich uczestników. Mapa ciepła przedstawia procent czasu rejestracji spełniający kryteria jakości dla każdego kanału i uczestnika podczas RS0. Ciemniejsze zacieniowanie wskazuje niższą jakość danych. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

Analiza konektywności i sterowalności mózgu; mapy ciepła i wykresy słupkowe; porównanie danych EEG.
Rycina 5Reprezentatywny dobór częstotliwości stymulacji w oparciu o odległość u jednego uczestnika.
(A) Macierze łączności funkcjonalnej przedstawiające interakcje parzyste pomiędzy czterema obszarami sieci aktywności spoczynkowej (DMN) dla jednego reprezentatywnego uczestnika z MDD (D11) w różnych warunkach (RS0, sham oraz częstotliwości stymulacji). Obszary obejmują przyśrodkową korę przedczołową (mPFC), dolny zakręt kątowy (IPL), przedklin oraz przyśrodkowy płat skroniowy (MTL). Centralna macierz przedstawia szablon zdrowej grupy kontrolnej wyznaczony na podstawie grupowych danych RS0.B) Miary odległości pomiędzy każdym stanem a wzorcem zdrowej grupy kontrolnej w czterech metrykach: odległość łączności (D_conn), odległość wartości własnych (D_eig), odległość wektorów własnych (D_evec) oraz odległość średniej sterowalności (D_AC). Słupki reprezentują wartości odległości; niższe wartości wskazują na większe podobieństwo do wzorca. Przedstawiono rankingi dla każdego stanu (pozycja 1 = najmniejsza odległość). (C) Ranking konsensusowy dla poszczególnych metryk uzyskany poprzez sumowanie rang dla każdego stanu. Stan o najniższej sumarycznej randze wybrano jako kandydującą częstotliwość stymulacji dla tego uczestnika. Prosimy kliknąć tutaj, aby wyświetlić powiększoną wersję tego rysunku.

Identyfikator uczestnikaŁącznośćWartość własnaWektor własnySterowalność średniaKonsensusKandall-W
D0140 Hz (G=1,00)40 Hz (G=1,00)40 Hz (G=1,00)40 Hz (G=0,29)40 Hz0.85
D02Pozorny (G=0,18)Pozorne (G=0,00)Pozorna (G=0,11)Sztuczna operacja (G=-0,09)Kontrola pozorowana0.89
D0310 Hz (G=0,20)Pozorna (G=0,05)2HZ (G=0,56)Pozorna (G=0,63)40 Hz0.34
D07KONTROLA (G=0,29)25 Hz (G=0,06)2HZ (G=0,33)25 Hz (G=0,45)25 Hz0.36
D10Kastracja pozorna (G=1,00)Kastracja pozorna (G=1,00)Placebo (G=1,00)Koncepcyjny (G=1,00)Pozorny0.59
D1110 Hz (G=0,71)10 Hz (G=0,66)2HZ (G=0,73)40 Hz (G=1,00)10 Hz0.34
D1540 Hz (G=0,58)40 Hz (G=0,53)40 Hz (G=0,21)40 Hz (G = -0,27)40 Hz0.96
D1625 Hz (G=1,00)10 Hz (G=1,00)25 Hz (G=0,90)25 Hz (G=0,40)25 Hz0.64
D172HZ (G=0,51)2HZ (G=0,75)25 Hz (G=0,73)10 Hz (G=0,82)10 Hz0.21
D2025 Hz (G=-0,08)25 HZ (G = 0,04)25 Hz (G=-0,27)Grupa pozorowana (G=0,31)25 Hz0.84
D21Kontrola (G=0,37)2 Hz (G=0,08)Sztuczna (G=0,27)40 Hz (G=-0,28)Koszowy (operacja pozorna)0.41
D222HZ (G=-0,06)10 HZ (G=0,19)2HZ (G=0,75)2HZ (G=1,00)2 Hz0.47
D23Sham (G=0,53)25 HZ (G=-0,14)Sham (G=0,71)40 Hz (G=0,23)Pozorne0.31
D2425 Hz (G=0,59)25 Hz (G=0,18)25 Hz (G=0,18)Pozorna (G=0,34)25 Hz0.5
D2525 Hz (G=1,00)Kontrola pozorowana (G=-0,01)10 Hz (G=1,00)Placebo (G=0,19)25 Hz0.16
D2610 Hz (G=0,52)Sztuczne/kontrolne (G=0,01)10 Hz (G=1,00)10 Hz (G=0,71)10 Hz0.93
D2710 Hz (G=-0,11)10 Hz (G=0,20)2HZ (G=-0,20)40 Hz (G=1,00)2 Hz0.05
D2810 Hz (G=0,51)10 Hz (G=0,04)10 Hz (G=1,00)10 Hz (G=-0,02)10 Hz0.81
D2910 Hz (G=0,81) 10 Hz (G=0,54) Koszowy (G=1,00)10 Hz (G=1,00) 10 Hz0.85
Wzmocnienie0.50, 0.520.32, 0.180.58, 0.730.46, 0.400.55, 0.50
 (Średnia, mediana)

Tabela 1: Dobór częstotliwości specyficznej dla uczestnika w zależności od miar odległości.

Dla każdego uczestnika raportowano warunek stymulacji powiązany z minimalną odległością od szablonu zdrowej grupy kontrolnej dla czterech miar opartych na sieciach: odległości łączności (D_conn), odległości wartości własnych (D_eig), odległości wektorów własnych (D_evec) oraz odległości średniej sterowalności (D_AC). Wartości w nawiasach (G) wskazują wzmocnienie stymulacji. Kolumna Consensus przedstawia kandydującą częstotliwość stymulacji na podstawie agregacji rang czterech miar. Wskaźnik W Kendall’a określa stopień zgodności między miarami dla każdego uczestnika. Ostatni wiersz podsumowuje średnie i medianowe wartości wzmocnienia stymulacji dla wszystkich uczestników dla każdej miary, wraz z odpowiadającymi im wartościami W Kendall’a.

Dyskusja

Uzasadnienie metodologiczne i krytyczne etapy

Niniejszy protokół przedstawia zestandaryzowany schemat postępowania w celu mapowania w ramach jednej sesji efektów zależnych od częstotliwości przezskórnej stymulacji nerwu błędnego przez małżowinę uszną (taVNS) przy użyciu funkcjonalnej spektroskopii bliskiej podczerwieni (fNIRS) w stanie spoczynku. Celem jest ustrukturyzowane porównanie potencjalnych parametrów stymulacji w kontrolowanych warunkach, a nie walidowana optymalizacja indywidualna.

Kluczowe dla niezawodnej implementacji są kilka etapów. Niewłaściwe przeprowadzenie tych kroków może skutkować obniżeniem jakości sygnału, niewiarygodnymi szacunkami łączności, niestabilnymi rankingami lub utratą zbiorów danych nadających się do analizy. Natężenie stymulacji musi być kalibrowane oddzielnie dla każdej częstotliwości do stałego poziomu odczuwalnego (7–8/10), ponieważ progi percepcyjne różnią się w zależności od częstotliwości i w przeciwnym razie mogłyby zaburzyć porównania19. Nieprawidłowa kalibracja może prowadzić do różnic w odczuwanym natężeniu stymulacji, a nie do rzeczywistych, specyficznych dla danej częstotliwości efektów neuronalnych, co zmniejsza porównywalność między warunkami. Jakość danych fNIRS musi być zapewniona poprzez stabilne sprzężenie optod-skóra głowy, korekcję ruchu, regresję krótkich odstępów oraz zdefiniowane kryteria zachowania kanałów. Aby zapewnić porównywalność cech sieci, wymagane jest spójne zdefiniowanie regionu zainteresowania (ROI) u wszystkich uczestników i we wszystkich warunkach. Wreszcie, wybór częstotliwości powinien opierać się na zdefiniowanym podejściu rankingowym integrującym wiele komplementarnych miar, a nie na pojedynczym pomiarze. Te kroki metodologiczne bezpośrednio determinują jakość, stabilność i interpretowalność wynikających z nich miar sieci, a tym samym wpływają na reprezentatywne wyniki przedstawione w sekcji Wyniki.

Sekwencyjny schemat w obrębie jednej sesji i efekty przeniesienia

Protokół zakłada sekwencyjne zastosowanie wielu częstotliwości stymulacji w ramach jednej sesji, bez wydłużonego okresu wypłukiwania fizjologicznego. Mimo zastosowania stałych odstępów między warunkami, nie można wykluczyć efektów przeniesienia lub interakcji. Może to wpływać na niezależność odpowiedzi specyficznych dla danego warunku i należy wziąć to pod uwagę przy interpretacji różnic między częstotliwościami stymulacji. W związku z tym różnice w częstotliwościach należy interpretować jako względne efekty w obrębie sesji. Zidentyfikowana „optymalna częstotliwość” odzwierciedla warunek o najlepszych wynikach w tej konkretnej sesji i powinna być interpretowana jako względny, oparty na danych ranking wyniku w obrębie sesji, a nie jako ostateczny lub uogólnialny parametr stymulacji bez przeprowadzenia replikacji20.

Porównanie z alternatywnymi podejściami

Protokoły o stałej częstotliwości umożliwiają standaryzację, ale nie uwzględniają zmienności międzyosobniczej, natomiast dostrajanie oparte na objawach nie zapewnia bezpośredniego wglądu fizjologicznego21. Podejścia kierowane za pomocą funkcjonalnego rezonansu magnetycznego (fMRI) zapewniają szerszy zakres przestrzenny, lecz są mniej praktyczne w przypadku wielokrotnych pomiarów lub zastosowań przy łóżku pacjenta. W porównaniu z tymi podejściami, niniejszy protokół oferuje zalety w postaci przenośności, wykonalności wielokrotnych pomiarów oraz bezpośredniej oceny na poziomie sieci, będąc jednocześnie ograniczonym przez mniejszą głębokość przestrzenną i podatność na artefakty ruchowe22. Należy go zatem traktować jako pragmatyczne ramy dla eksploracyjnego mapowania parametrów, a nie jako klinicznie zwalidowaną strategię optymalizacji.

Ograniczenia

Protokół opiera się na projekcie jednej sesji i nie ocenia trwałości efektów sieciowych ani wyników klinicznych. Sekwencyjna stymulacja może wprowadzać efekty resztkowe pomiędzy warunkami23. Czynniki te mogą wpływać na stabilność i uogólnialność zidentyfikowanych odpowiedzi specyficznych dla danej częstotliwości. Ponadto zmienność anatomiczna, rozmieszczenie elektrod oraz impedancja skóry mogą wpływać na wydajność stymulacji, podczas gdy rygorystyczne kryteria kontroli jakości fNIRS mogą zmniejszyć liczbę analizowalnych zbiorów danych. Co więcej, pomiary fNIRS są ograniczone do obszarów korowych i nie obejmują aktywności podkorowej, która może przyczyniać się do efektów na poziomie sieci.

Zakres i zastosowanie

Niniejszy protokół jest szczególnie odpowiedni dla badaczy prowadzących badania pilotażowe, testy wykonalności lub wczesne etapy opracowywania protokołów w badaniach nad neuromodulacją. Wspiera on wybór kandydackich parametrów stymulacji w oparciu o informacje o sieciach, ale nie ustanawia skuteczności terapeutycznej ani precyzyjnej psychiatrii. Ramy te można dostosować do innych sieci, zaburzeń lub parametrów stymulacji poprzez modyfikację rozmieszczenia optod i definicji ROI, pod warunkiem zachowania spójnego przetwarzania wstępnego, rygorystycznej kontroli jakości oraz przejrzystych procedur porównawczych24.

Oświadczenia

Wszyscy uczestnicy wyrazili pisemną zgodę na udział w eksperymentach przed ich rozpoczęciem. Protokoły badania zostały przeanalizowane i zatwierdzone przez właściwą komisję etyczną Uniwersytetu w Marburgu.

Własne skrypty oprogramowania, zanonimizowane dane oraz inne materiały wykorzystane w niniejszym badaniu mogą zostać udostępnione zainteresowanym stronom na zapytanie.

Oświadczenie o wkładzie autorów

Svenja J. Francke wniosła wkład w rekrutację uczestników, pozyskiwanie danych, administrację projektem, metodologię oraz pisanie pierwotnego szkicu i poprawionego manuskryptu. Sarah Alizadeh wniosła wkład w konceptualizację, metodologię, analizę danych, wizualizację oraz pisanie pierwotnego szkicu i poprawionego manuskryptu. José C. García Alanis wniósł wkład w konceptualizację, metodologię, administrację projektem, analizę danych oraz recenzję i edycję manuskryptu. Dorian Kock wniósł wkład w rekrutację uczestników, pozyskiwanie danych, metodologię oraz pisanie pierwotnego szkicu i poprawionego manuskryptu. Jannick Herrmann wniósł wkład w rekrutację uczestników, pozyskiwanie danych, metodologię oraz pisanie pierwotnego szkicu i poprawionego manuskryptu. Maximilian Kastl wniósł wkład w rekrutację uczestników, pozyskiwanie danych, metodologię oraz pisanie pierwotnego szkicu i poprawionego manuskryptu. Hamidreza Jamalabadi wniósł wkład w konceptualizację, metodologię, analizę danych, nadzór oraz recenzję i edycję manuskryptu. Felix P. Bernhard wniósł wkład w konceptualizację, metodologię, nadzór oraz pisanie pierwotnego szkicu i poprawionego manuskryptu.

Podziękowania

Praca ta została częściowo sfinansowana z grantów konsorcjalnych niemieckiej Fundacji Badawczej (DFG) SFB/TRR 393 (grant projektowy nr 521379614), grantu badawczego fundacji von Behring Röntgen (nr 70\_00038), grantu badawczego Szpitala Uniwersyteckiego w Gießen i Marburgu (UKGM, nr 1/2024 MR) oraz fundacji Edda und Helmut Laich Stiftung. Praca ta otrzymała ponadto wsparcie centrum DYNAMIC, finansowanego z programu LOEWE Hesjańskiego Ministerstwa Nauki i Sztuki (numer grantu: LOEWE 1/16/519/03/09.001(0009)/98) oraz Deutsche Forschungsgemeinschaft (niemieckiej Fundacji Badawczej, DFG) w ramach niemieckiego

Strategia Doskonałości (EXC 3066/1 „The Adaptive Mind”, Projekt nr 533717223).

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
system fNIRS (noszony, wielokanałowy, fali ciągłej)NIRxNIRSport2Przenośny wielokanałowy system fNIRS o dwóch długościach fal do rejestracji hemodynamicznej kory mózgowej
oprogramowanie do akwizycji fNIRSNIRxAuroraDedykowane oprogramowanie wykorzystywane do akwizycji sygnału, monitorowania i znakowania zdarzeń
czapeczka fNIRS z optodamiNIRxKompatybilna z NIRSport2Używana do rozmieszczenia źródeł i detektorów
Optody (źródła i detektory)NIRxKompatybilne z NIRSport2Kanały o dużym odstępie (~30 mm) i kanały o krótkim odstępie (~8 mm)
MATLABMathWorksNajnowsza wersja użyta w badaniuUżywany do wstępnego przetwarzania, analizy łączności i skryptów niestandardowych
Signal Processing ToolboxMathWorksdodatek do MATLABUżywany do filtrowania i przetwarzania szeregów czasowych
Statistics and Machine Learning ToolboxMathWorksdodatek do MATLABUżywany do rankingu, statystyk opisowych i miar zgodności
Niestandardowe skrypty analityczneWłasneN/AUżywane do wstępnego przetwarzania, ekstrakcji cech i selekcji częstotliwości w oparciu o ranking
urządzenie do stymulacji taVNStVNS GmbHModel urządzenia użyty w badaniuUżywane do przezskórnej stymulacji małżowiny usznej nerwu błędnego
Elektrody do stymulacji małżowiny usznejtVNS GmbHKompatybilne ze stymulatoremUżywane do umieszczenia w obrębie lewej cymba conchae
Kable i złącza elektrodtVNS GmbHKompatybilne ze stymulatoremUżywane do połączenia elektrod z urządzeniem stymulującym
Krem kontaktowy / żel przewodzącytVNS GmbHN/AUżywany w celu poprawy kontaktu elektrody ze skórą podczas stymulacji
Gaziki nasączone alkoholemtVNS GmbHN/AUżywane do przygotowania skóry przed umieszczeniem elektrod
PsychoPyOpen Science Tools Ltd.Wersja 2024.4.2Używane do kontroli eksperymentalnej, pomiaru czasu, randomizacji bloków, prezentacji bodźców i synchronizacji
Stacja robocza (komputer)LenovoThinkPad T14, G31666Używana do kontroli akwizycji i analizy offline; Intel Core Ultra 5, 16 GB RAM, 500 GB SSD, Windows 11 Pro
Monitor / wyświetlaczLenovoThinkVision T32UD-40Wyświetlacz IPS 31,5 cala używany do prezentacji krzyża fiksacyjnego; rozdzielczość 3840 × 2160 przy 60 Hz
Cicha pomieszczenie testowePlacówka instytucjonalnaN/AUżywane w celu zminimalizowania rozproszeń środowiskowych podczas rejestracji

Bibliografia

  1. Rings, T., von Wrede, R., Bröhl, T., Schach, S., Helmstaedter, C., et al. Impact of transcutaneous auricular vagus nerve stimulation on large-scale functional brain networks: from local to global. Front Physiol. 12, 700261(2021).
  2. Kong, J., Fang, J., Park, J., Li, S., Rong, P. Treating depression with transcutaneous auricular vagus nerve stimulation: state of the art and future perspectives. Front Psychiatry. 9, 20(2018).
  3. Badran, B. W., et al. Short trains of transcutaneous auricular vagus nerve stimulation (taVNS) have parameter-specific effects on heart rate. Brain Stimul. 11 (4), 699-708 (2018).
  4. Farmer, A. D., et al. International consensus based review and recommendations for minimum reporting standards in research on transcutaneous vagus nerve stimulation (version 2020). Front Hum Neurosci. 14, 568051(2020).
  5. Yakunina, N., Kim, S. S., Nam, E. -C. Optimization of transcutaneous vagus nerve stimulation using functional MRI. Neuromodulation. 20 (3), 290-300 (2017).
  6. Parente, J., et al. Neural, anti-inflammatory, and clinical effects of transauricular vagus nerve stimulation in major depressive disorder: a systematic review. Int J Neuropsychopharmacol. 27 (3), pyad058(2024).
  7. Chao, J., et al. fNIRS evidence for distinguishing patients with major depression and healthy controls. IEEE Trans Neural Syst Rehabil Eng. 29, 2211-2221 (2021).
  8. Ho, C. S. H., et al. Diagnostic and predictive applications of functional near-infrared spectroscopy for major depressive disorder: a systematic review. Front Psychiatry. 11, 378(2020).
  9. Ludwig, M., Pereira, C., Keute, M., Düzel, E., Betts, M. J., et al. Evaluating phasic transcutaneous vagus nerve stimulation (taVNS) with pupil dilation: the importance of stimulation intensity and sensory perception. bioRxiv. , (2024).
  10. Fox, M. D., Buckner, R. L., White, M. P., Greicius, M. D., Pascual-Leone, A. Efficacy of transcranial magnetic stimulation targets for depression is related to intrinsic functional connectivity with the subgenual cingulate. Biol Psychiatry. 72 (7), 595-603 (2012).
  11. Drysdale, A. T., et al. Resting-state connectivity biomarkers define neurophysiological subtypes of depression. Nat Med. 23 (1), 28-38 (2017).
  12. Kaiser, R. H., Andrews-Hanna, J. R., Wager, T. D., Pizzagalli, D. A. Large-scale network dysfunction in major depressive disorder: a meta-analysis of resting-state functional connectivity. JAMA Psychiatry. 72 (6), 603-611 (2015).
  13. Whitfield-Gabrieli, S., Ford, J. M. Default mode network activity and connectivity in psychopathology. Annu Rev Clin Psychol. 8, 49-76 (2012).
  14. Fang, J., et al. Transcutaneous vagus nerve stimulation modulates default mode network in major depressive disorder. Biol Psychiatry. 79 (4), 266-273 (2016).
  15. Bassett, D. S., Sporns, O. Network neuroscience. Nat Neurosci. 20 (3), 353-364 (2017).
  16. Gu, S., et al. Controllability of structural brain networks. Nat Commun. 6, 8414(2015).
  17. Brigadoi, S., et al. Motion artifacts in functional near-infrared spectroscopy: a comparison of motion correction techniques applied to real cognitive data. Neuroimage. 85 (Pt 1), 181-191 (2014).
  18. Yücel, M. A., et al. Best practices for fNIRS publications. Neurophotonics. 8 (1), 012101(2021).
  19. Berman, G. J., Bialek, W., Shaevitz, J. W. Predictability and hierarchy in Drosophila behavior. Proc Natl Acad Sci U S A. 113 (42), 11943-11948 (2016).
  20. Atanackov, P., Peterlin, J., Derlink, M., Kovačič, U., Kejžar, N., et al. The acute effects of varying frequency and pulse width of transcutaneous auricular vagus nerve stimulation on heart rate variability in healthy adults: a randomized crossover controlled trial. Biomedicines. 13 (3), 700(2025).
  21. Anderson, Z., Turner, J. A., Ashar, Y. K., Calhoun, V. D., Mittal, V. A. Application of hyperalignment to resting state data in individuals with psychosis reveals systematic changes in functional networks and identifies distinct clinical subgroups. Aperture Neuro. 4, (2024).
  22. Austelle, C. W., et al. A comprehensive review of vagus nerve stimulation for depression. Neuromodulation. 25 (3), 309-315 (2022).
  23. Badran, B. W., et al. Neurophysiologic effects of transcutaneous auricular vagus nerve stimulation (taVNS) via electrical stimulation of the tragus: a concurrent taVNS/fMRI study and review. Focus. 20 (1), 80-89 (2022).
  24. Baig, S. S., et al. Optimizing non-invasive vagus nerve stimulation for treatment in stroke. Neural Regen Res. 20 (12), 3388-3399 (2025).

Przedruki i uprawnienia

Przeglądaj więcej artykułów

Mapowanie fNIRSneuroobrazowanie w depresjisieć aktywności spoczynkowejmapowanie częstotliwości stymulacjianaliza na poziomie sieciprzezskórna stymulacja nerwu błędnegoindywidualny dobór parametrów

Ten artykuł został opublikowany

Film wkrótce dostępny

Skontaktuj się z nami
Poleć bibliotece

Prywatność

Warunki korzystania z usługi

Zasady

Prawa autorskie © 2026 MyJoVE Corporation. Wszelkie prawa zastrzeżone.