Artykuł metodologiczny

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

0 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 odzwierciedla chronologiczny przebieg 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), standaryzowany czas trwania serii w stanie spoczynku, spójny warunek pozorowany (sham) oraz jednolity proces akwizycji i wstępnego przetwarzania danych fNIRS, w tym konfigurację kanałów, korekcję ruchów, filtrowanie oraz procedury analizy sieciowej.

1. Zatwierdzenie etyczne i opis badania

  1. Uzyskanie zgody etycznej
    1. Przed rozpoczęciem badania należy uzyskać zgodę Komisji Etycznej Wydziału Medycyny Uniwersytetu Philippsa w Marburgu (Protokół nr 23-232 BO).
    2. Wszystkie procedury należy przeprowadzać zgodnie z Deklaracją Helsińską oraz wytycznymi instytucjonalnymi dotyczącymi badań z udziałem ludzi.
    3. Przed rozpoczęciem przesiewu, ocen lub pozyskiwaniem danych należy uzyskać pisemną świadomą zgodę od każdego uczestnika.
  2. Określenie celów badania
    1. Niniejszy protokół służy do porównania stymulacji pozorowanej (sham) oraz wielu aktywnych częstotliwości taVNS u tego samego uczestnika.
    2. Do ilościowego określenia odpowiedzi sieci korowych podczas stymulacji należy wykorzystać jednoczesną funkcjonalną spektroskopię bliskiej podczerwieni (fNIRS).
    3. Należy zastosować zdefiniowane skrypty analityczne w celu zidentyfikowania potencjalnej zindywidualizowanej częstotliwości 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 w celu ustalenia skuteczności klinicznej, wyższości terapeutycznej lub optymalizacji leczenia.
    3. Wyniki należy wykorzystać do zaplanowania przyszłych badań podłużnych lub zorientowanych na wyniki.

2. Rekrutacja i przesiewowe badanie uczestników

  1. Rekrutacja grup badawczych
    1. Zrekrutuj dorosłych uczestników do dwóch grup: z zaburzeniem depresyjnym większym (MDD) oraz zdrową grupę kontrolną (HC).
    2. Zrekrutuj osoby do zdrowej grupy kontrolnej w tym samym okresie badania i przy użyciu tych samych procedur, co w przypadku grupy MDD.
    3. Zapewnij wynagrodzenie zgodnie z wytycznymi instytucjonalnymi.
  2. Zastosowanie kryteriów włączenia
    1. Włącz tylko 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 opartego na DSM-5.
    4. Tylko grupa MDD: Włącz tylko uczestników z lekkim do umiarkowanego nasileniem depresji (HAMD-24 ≥8 i <24; BDI-II ≥8 i <29).
    5. Tylko zdrowa grupa kontrolna: Potwierdź brak obecnych zaburzeń psychiatrycznych lub ciężkich chorób somatycznych.
  3. Zastosowanie kryteriów wykluczenia
    1. Wyklucz uczestników z zaburzeniami neurologicznymi lub historią znacznych urazów głowy.
    2. Wyklucz uczestników z chorobami psychiatrycznymi współistniejącymi.
    3. Wyklucz uczestników aktualnie przyjmujących leki psychotropowe lub przeciwdepresyjne lub takich, którzy przerwali przyjmowanie tych leków w ciągu ostatnich 2 tygodni.
    4. Wyklucz uczestników z myślami samobójczymi lub ciężkimi objawami depresyjnymi.
    5. Wyklucz uczestników z chorobami, które mogą wpływać na funkcje neuronalne lub naczyniowe.
  4. Przeprowadzenie oceny klinicznej
    1. Przeprowadź badanie przy użyciu skali ocen depresji Hamiltona (HAMD-24).
    2. Przeprowadź badanie przy użyciu inwentarza depresji Becka-II (BDI-II).
    3. Zapisz wyniki całkowite w bazie danych badania.

3. Przygotowanie środowiska eksperymentalnego

  1. Przygotowanie pomieszczenia laboratoryjnego
    1. Usiądź uczestnika w cichym, słabo oświetlonym pomieszczeniu.
    2. Utrzymaj 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. Poleć uczestnikowi, aby pozostał rozbudzony, zrelaksowany i nieruchomy.
    3. Poleć uczestnikowi, 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. Oczyścić lewą część cymba conchae za pomocą gazików nasączonych alkoholem.
    2. Całkowicie osuszyć skórę.
    3. Umieścić elektrodę stymulującą na lewej cymba conchae.
    4. Zweryfikować stabilność kontaktu oraz bezpieczne rozmieszczenie.
  3. Kalibracja amplitudy prądu
    1. Ustawić szerokość impulsu na 300 µs.
    2. Włączyć stymulację ciągłą bez cyklu pracy.
    3. Zacząć od 0 mA i stopniowo zwiększać natężenie prądu w krokach 0,1-0,2 mA.
    4. Poprosić uczestnika o ocenę odczucia w 10-stopniowej skali po każdym zwiększeniu natężenia.
    5. Zaprzestać zwiększania natężenia prądu przy najwyższej tolerowanej intensywności bez bólu.
    6. Dążyć do subiektywnej intensywności na poziomie 7-8/10.
    7. Powtórzyć kalibrację oddzielnie dla częstotliwości 2, 10, 25 i 40 Hz.
    8. Zarejestrować końcową amplitudę prądu dla każdej częstotliwości.
  4. Konfiguracja stymulacji pozorowanej (sham)
    1. Skonfigurować urządzenie tak, aby nie dostarczało prądu elektrycznego.
    2. Zachować identyczne rozmieszczenie elektrody jak w warunkach aktywnych.
    3. Dopasować wszystkie sygnały wizualne, dotykowe i słuchowe do stymulacji aktywnej.
  5. Zastosowanie bloków stymulacji aktywnej
    1. Dostarczyć cztery aktywne częstotliwości (2, 10, 25 i 40 Hz) raz każdą w trakcie sesji.
    2. Zrandomizować kolejność bloków u uczestników, używając sekwencji generowanej komputerowo.
    3. Wprowadzić stałe przerwy 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/przedklinową, obustronne zakręty kątowe oraz przyśrodkowe obszary skroniowe.
    3. Zastosować odstęp 3 cm między źródłem a detektorem dla kanałów o dużym oddaleniu.
    4. Dodać kanały o krótkim oddaleniu, wynoszącym 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. Określenie sekwencji bloków
    1. Rejestracja stanu spoczynkowego linii bazowej (RS0) przez 6 min bez stymulacji.
    2. Wprowadzenie 2 min interwału.
    3. Zastosowanie stymulacji pozornej (sham) przez 6 min.
    4. Wprowadzenie 2 min interwału.
    5. Zastosowanie czterech randomizowanych bloków stymulacji aktywnej (2, 10, 25 i 40 Hz), każdy po 6 min.
    6. Wprowadzenie 2 min interwału pomiędzy kolejnymi blokami aktywnymi.
    7. Rejestracja stanu spoczynkowego po stymulacji (RS1) przez 6 min.
  2. Zachowanie czasu trwania sesji
    1. Upewnienie się, że całkowity czas trwania sesji wynosi około 54 min.
    2. Ciągła akwizycja sygnału fNIRS we wszystkich blokach.
  3. Zachowanie ustandaryzowanych warunków
    1. Upewnienie się, że oświetlenie pomieszczenia, instrukcje i wyświetlacz fiksacyjny pozostają identyczne we wszystkich blokach.
    2. Ciągłe monitorowanie kontaktu elektrod.
    3. W razie potrzeby przerwanie eksperymentu wyłącznie po zakończeniu bloku.

7. Przetwarzanie wstępne danych fNIRS

  1. Segmentacja nagrań
    1. Podziel ciągłe nagrania na segmenty: 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 pasmowo-przepustowy filtr 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 głowy (SCI) oraz szczyt widmowej gęstości mocy (PSP).
    4. Zakwalifikuj okna jako akceptowalne, gdy SCI ≥ 0,8 oraz 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 za pomocą metody Temporal Derivative Distribution Repair (TDDR).
    2. Zastosuj filtrowanie falkowe z wykorzystaniem bazy 8 falk.
    3. Zdefiniuj wartości odstające jako współczynniki przekraczające 4 odchylenia standardowe.
  4. Konwersja sygnałów
    1. Przelicz gęstość optyczną na poziom oksyhemoglobiny, korzystając z zmodyfikowanego prawa Beera-Lamberta.

8. Obliczanie cech sieci i wybór kandydującej częstotliwości

  1. Obliczenie łączności
    1. Oblicz odporne korelacje Pearsona dla wszystkich par ROI.
    2. Zapisz sześć unikalnych korelacji parzystych jako wektor łączności.
    3. Zbuduj symetryczną macierz łączności 4 × 4.
  2. Obliczenie 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 zakwalifikowanych zdrowych uczestników kontrolnych.
    2. Użyj otrzymanej macierzy jako referencyjnego szablonu zdrowego.
  4. Obliczenie odległości
    1. Oblicz odległość cosinusową między cechami uczestnika a szablonem dla łączności, wartości własnych i sterowalności.
    2. Oblicz podobieństwo wektorów własnych za pomocą dopasowania komponentów.
  5. Ranking warunków
    1. Uporządkuj 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 częstotliwości zindywidualizowanej
    1. Zidentyfikuj warunek z najniższą skumulowaną sumą rang.
    2. Zdefiniuj ten warunek jako kandydującą zindywidualizowaną częstotliwość stymulacji.
  7. Obliczenie wzmocnienia stymulacji
    1. Oblicz wzmocnienie stymulacji (G_f) dla każdej częstotliwości, korzystając z następującej normalizacji:
      figure-protocol-1​
      Gdzie df  to odległość RS0, a  df  to odległość podczas częstotliwości stymulacji 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 o niewystarczającej jakości sygnału. Pomyślne wyniki charakteryzują się wysokim stopniem utrzymania kanałów w różnych warunkach, stabilnymi zapisami hemodynamicznymi oraz interpretowalnymi wzorcami łączności, które pozwalają na wiarygodną ocenę cech sieci. Wyniki słabe lub suboptymalne obejmują niską jakość sygnału, nadmierne artefakty ruchowe, niewłaściwe sprzężenie optody ze skórą głowy, niewystarczające utrzymanie kanałów lub niespójne szacunki sieci, które ograniczają interpretowalność. Jak pokazano na Rysunku 3 oraz Rysunku 4, końcowy 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 kontroli (HC; średni wiek: 33,5 lat, SD: 13,51; 7 kobiet). Siedmiu uczestników (3 MDD i 4 HC) zostało wykluczonych z powodu niewystarczającej jakości danych, związanej głównie z artefaktami ruchowymi lub niewłaściwym sprzężeniem optody ze skórą głowy.

Mapy jakości dla poszczególnych kanałów dodatkowo wykazały heterogeniczne rozkłady przestrzenne jakości sygnału u uczestników, z lokalnymi obszarami obniżonej jakości u niektórych osób. Wyniki te podkreślają znaczenie stosowania zdefiniowanych progów w oparciu o wskaźnik sprzężenia ze skórą głowy oraz szczyt widma mocy przed przystąpieniem do dalszej analizy. Te procedury kontroli jakości zapewniają, że kolejne miary sieciowe są obliczane na podstawie wiarygodnych danych i stanowią krytyczny element protokołu. Przedstawione tutaj reprezentatywne wyniki zależą bezpośrednio od pomyślnego przeprowadzenia weryfikacji jakości danych, zestandaryzowanego preprocessingu, ekstrakcji szeregów czasowych w oparciu o ROI oraz zastosowania zdefiniowanej procedury selekcji sumy rang.

Przetwarzanie wstępne i konstrukcja sieci

Schemat eksperymentalny oraz przebieg wstępnego przetwarzania danych przedstawiono na Rysunku 1 oraz Rysunku 2. Po etapie kontroli jakości (Rysunek 2) sygnały zostały pomyślnie przekształcone w stężenie hemoglobiny oraz skorygowane pod kątem artefaktów ruchowych i systematycznego szumu fizjologicznego. Pomyślne zakończenie tych kroków wstępnego przetwarzania objawia się zachowaniem wysokiej jakości kanałów, stabilnymi regionalnymi szeregami czasowymi oraz interpretowalnymi szacunkami łączności, podczas gdy niekorzystne wyniki obejmują nadmierną utratę sygnału, nierozwiązane artefakty lub niewiarygodne miary sieciowe. Ekstrakcja regionalnych szeregów czasowych z węzłów sieci stanu spoczynkowego (default mode network) umożliwiła konstrukcję macierzy łączności funkcjonalnej dla każdego stanu. Te reprezentatywne wyniki zależą bezpośrednio od pomyślnego przeprowadzenia kontroli jakości danych17, ustandaryzowanego wstępnego przetwarzania18, definicji ROI oraz zastosowania predefined ranking procedure. Powstałe macierze łączności funkcjonalnej sieci stanu spoczynkowego stanowią podstawę do późniejszych porównań opartych na odległości.

Reprezentatywne wyniki na poziomie sieci

Rysunek 5A przedstawia przykład specyficznego dla warunków profilu łączności funkcjonalnej DMN dla reprezentatywnego uczestnika z MDD, obok referencyjnego szablonu sieci DMN opracowanego na podstawie zdrowych kontroli. Macierze te umożliwiają bezpośrednią wizualizację wzorców łączności między regionami w różnych warunkach i pomagają odróżnić poprawne wyniki protokołu od mniej interpretowalnych lub niskiej jakości szacunków sieci. Inspekcja wizualna ujawnia zależne od warunków zmienności w organizacji sieci w stosunku do szablonu, ilustrując, w jaki sposób częstotliwość stymulacji może modulować strukturę sieci DMN w obrębie jednej sesji.

Miary odległości (Rysunek 5B) kwantyfikują te różnice w ramach wielu wskaźników (łączność, wartości własne, wektory własne i średnia sterowalność). Dla każdego wskaźnika można uszeregować warunki na podstawie ich bliskości do szablonu referencyjnego, przy czym 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 przechwytywane przez każdy z wskaźników.

Wybór częstotliwości oparty na konsensusie

Aby zintegrować informacje z czterech wskaźników, 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 wartością rangi zinterpretowano jako kandydata na reprezentatywną częstotliwość stymulacji dla danego uczestnika. Tabela 1 podsumowuje te wybory dla wszystkich uczestników, wraz z odpowiadającymi im wartościami wzmocnienia stymulacji oraz zgodnością między wskaźnikami ilościowo określoną za pomocą współczynnika W Kendalla.

W grupie MDD u 12 z 19 uczestników najniższy skumulowany ranking wystąpił dla aktywnej częstotliwości stymulacji, a nie dla warunku sham. Wybrana częstotliwość stymulacji różniła się w zależności od uczestnika, co podsumowano w Tabeli 1. Zgodność między metrykami, określona za pomocą współczynnika W Kendalla, również różniła się między osobnikami, co odzwierciedla zmienność 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 metryk. Zatem ostateczny wybór należy interpretować jako zintegrowany w oparciu o dane zbiór komplementarnych cech sieciowych, a nie jako decyzję opartą wyłącznie na pojedynczej metryce.

Te reprezentatywne wyniki, oparte na analizie wykonalności, ilustrują rodzaje danych wyjściowych na poziomie sieci generowanych przez protokół i wykazują, że schemat postępowania może zostać wdrożony w celu przeprowadzenia porównań wewnątrzpodmiotowych pomiędzy różnymi warunkami stymulacji. Wyniki te mają służyć jako przykład akwizycji sygnału, przetwarzania wstępnego, ekstrakcji cech i mapowania parametrów opartego na rangach, a nie jako dowód korzyści terapeutycznych, skuteczności klinicznej czy walidacji wydajności, co pokazano w Rycina 1–5 i Tabela 1.

figure-results-1
Rysunek 1. Schemat eksperymentalny i konfiguracja sondy fNIRS. (A) Wewnątrzpodmiotowy schemat 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 około 2 min bez stymulacji. Dane funkcjonalnej spektroskopii bliskiej podczerwieni (fNIRS) były rejestrowane w sposób ciągły (łącznie ok. 54 min) i podzielone na segmenty według warunków w celu przeprowadzenia analizy. (B) Układ sondy fNIRS przedstawiający 32 źródła (czerwone) i 30 detektory (niebieskie), tworzące 89 kanałów o dużym odstępie i 8 kanałów o krótkim odstępie (zakreślone okręgiem). Kanały o krótkim odstępie zostały wykorzystane do usunięcia powierzchniowego szumu fizjologicznego. (C) Profil czułości korowej układu sond w odniesieniu do sieci aktywności spoczynkowej (DMN), opracowany na podstawie atlasu Automated Anatomical Labeling (AAL), ilustrujący czułość pomiarową zależną od głębokości. Kliknij tutaj, aby wyświetlić większą wersję tego rysunku. 

figure-results-2
Rycina 2. Schemat przetwarzania wstępnego i ekstrakcji cech dla analizy sieciowej opartej na fNIRS.
Surowe dane dotyczące natężenia światła podzielono na bloki specyficzne dla danych warunków (RS0, pozoracja, częstotliwości stymulacji oraz RS1). Jakość danych oceniono za pomocą wskaźnika sprzężenia ze skórą głowy (SCI > 0.8) oraz szczytu widma mocy (PSP > 0.1), a do dalszej analizy zakwalifikowano jedynie kanały wysokiej jakości. Sygnały przeliczono na gęstość optyczną, po czym zastosowano korekcję ruchową metodą naprawy rozkładu pochodnych czasowych (TDDR) oraz filtrowanie falkowe. Obliczono zmiany stężenia hemoglobiny i zastosowano regresję z kanałów o krótkim odstępie w celu redukcji systemicznego szumu fizjologicznego. Na potrzeby analizy sieciowej serie czasowe wyekstrahowano z obszarów zainteresowania (ROIs) w obrębie sieci stanu spoczynkowego (DMN), w tym z przyśrodkowej kory przedczołowej (mPFC), kuli precuneus (Prec), dolnego zakrętu płata ciemieniowego (IPL) i przyśrodkowego płata skroniowego (MTL). Obliczono łączność funkcjonalną między obszarami ROI. Wyekstrahowane cechy obejmowały wartości łączności, wartości własne, wektory własne oraz średnią sterowalność. Kliknij tutaj, aby zobaczyć powiększoną wersję tej ryciny.

figure-results-3
Rycina 3. Ocena jakości danych u uczestników z zaburzeniem depresyjnym nawracającym (MDD).
(A) Liczba kanałów spełniających kryteria jakości w warunkach wyjściowych (RS0) dla każdego uczestnika z MDD. Słupki przedstawiają wszystkie kanały (szary), kanały o długim 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 długim odstępie (89), kanałów o krótkim odstępie (8) oraz próg akceptowalnej jakości danych na poziomie uczestnika (≥70% zachowanych wszystkich kanałów). Uczestnicy poniżej progu zostali wyróżnieni (D13, D18, D19). (B) Jakość danych w podziale na kanały we wszystkich uczestnikach. 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 tej ryciny.

figure-results-4
Rycina 4Ocena jakości danych u zdrowych uczestników kontrolnych. (A) Liczba kanałów spełniających kryteria jakości w warunkach bazowych (RS0) dla każdego zdrowego uczestnika z grupy kontrolnej. 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 oraz 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 wyróżnieni (HC13, HC14, HC15, HC18). (B) Jakość danych w poszczególnych kanałach dla wszystkich 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 tej ryciny.

figure-results-5
Rysunek 5. Reprezentatywny wybór częstotliwości stymulacji w oparciu o odległość u jednego uczestnika.
(A) Macierze łączności funkcjonalnej pokazujące interakcje parzyste między czterema regionami sieci stanu spoczynkowego (DMN) dla jednego reprezentatywnego uczestnika z MDD (D11) w różnych warunkach (RS0, sham i częstotliwości stymulacji). Regiony obejmują przyśrodkową korę przedczołową (mPFC), dolny zakręt ciemieniowy (IPL), przedklinek (Prec) oraz przyśrodkowy płat skroniowy (MTL). Centralna macierz reprezentuje szablon zdrowej grupy kontrolnej wyprowadzony z danych RS0 na poziomie grupowym. (B) Miary odległości między każdym warunkiem a szablonem grupy kontrolnej w czterech metrykach: odległości łączności (D_conn), odległości wartości własnych (D_eig), odległości wektorów własnych (D_evec) i odległości średniej sterowalności (D_AC). Słupki reprezentują wartości odległości; niższe wartości wskazują na większe podobieństwo do szablonu. Rankingi są przedstawione dla każdego warunku (rank 1 = najmniejsza odległość). (C) Ranking konsensusu między metrykami uzyskany poprzez sumowanie rang dla każdego warunku. Warunek z najniższą sumaryczną rangą został wybrany jako kandydująca 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
D02Pozorne (G=0,18)Szym (G=0,00)Sham (G=0,11)Grupa pozorowana (Sham) (G=-0,09)Pozorowany0.89
D0310 Hz (G=0,20)Pozorna (G=0,05)2HZ (G=0,56)Koszowa (G=0,63)40 Hz0.34
D07Szym (G=0,29)25 HZ (G=0,06)2HZ (G=0,33)25 Hz (G=0,45)25 Hz0.36
D10KONTROLA (G=1,00)Pozorna (G=1,00)Pozorna (G=1,00)Szynowy (G=1,00)Pozorna0.59
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)Kontrola (G=0,31)25 Hz0.84
D21K kontrolna (G=0,37)2 Hz (G=0,08)Kastracja pozorna (Sham) (G=0,27)40 HZ (G=-0,28)Pozorny0.41
D222HZ (G=-0,06)10 Hz (G=0,19)2HZ (G=0,75)2HZ (G=1,00)2 Hz0.47
D23Grupa pozorowana (G=0,53)25HZ (G=-0,14)Sham (G=0,71)40 HZ (G=0,23)Pozorowany0.31
D2425 Hz (G=0,59)25 Hz (G=0,18)25 Hz (G = 0,18)KONTROLNA (G=0,34)25 Hz0.5
D2525 Hz (G=1,00)Koszowe (G=-0,01)10 Hz (G=1,00)Koncesja (G=0,19)25 Hz0.16
D2610 Hz (G=0,52)Szam (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)2HZ0.05
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) Szynowy / Pozorna operacja (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 metryk odległości.

Dla każdego uczestnika raportowany jest warunek stymulacji związany z minimalną odległością od szablonu zdrowej grupy kontrolnej dla czterech wskaźników 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) oznaczają wzmocnienie stymulacji. Kolumna Consensus przedstawia kandydującą częstotliwość stymulacji na podstawie agregacji rang z czterech wskaźników. Współczynnik W Kendalla określa stopień zgodności między wskaźnikami dla każdego uczestnika. Ostatni wiersz podsumowuje średnie i medianowe wartości wzmocnienia stymulacji dla wszystkich uczestników dla każdego wskaźnika wraz z odpowiadającymi im wartościami W Kendalla.

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

Tagi

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.