Pomiar aktywności czołowo-limbicznej za pomocą emocjonalnego zadania dziwacznego u dzieci z rodzinnym wysokim ryzykiem schizofrenii
2 grudnia 2015
Ten artykuł opisuje, jak wykorzystać emocjonalne zadanie dziwaka i fMRI do pomiaru aktywacji mózgu u dzieci i młodzieży z rodzinnie wysokim ryzykiem schizofrenii (FHR). FMRI zostało użyte do pomiaru różnic w regionach czołowo-prążkowo-limbicznych podczas emocjonalnego dziwnego zadania. Dzieci z FHR wykazywały nieprawidłową aktywację funkcjonalną w okresie dojrzewania.
Ogólnym celem tej procedury jest wykonanie obrazowania MR u dzieci i młodzieży podczas wykonywania emocjonalnego dziwnego zadania. Osiąga się to poprzez zaprojektowanie dziecku odpowiedniego emocjonalnego zadania dziwacznego. Drugim krokiem jest umożliwienie uczestnikom przećwiczenia wykonywania zadania w symulowanym środowisku skanera.
Następnie uczestnicy wykonują to samo zadanie w skanerze MRI. Ostatnim krokiem jest analiza danych behawioralnych i obrazowych. Ostatecznie, obrazowanie funkcjonalne podczas emocjonalnego dziwacznego zadania.
W schizofrenii krewni pierwszego stopnia są wykorzystywani do wykazywania zmniejszonej aktywacji obwodów prążkowania czołowego i odpowiedzi na bodźce docelowe u zagrożonych dzieci i młodzieży. Główną zaletą tej techniki jest to, że pozwala na nieinwazyjne obrazowanie mózgów dzieci i młodzieży w czasie, gdy są one zaangażowane w funkcje poznawcze. Chociaż metoda ta może zapewnić wgląd w schizofrenię, może być również stosowana do innych rozwojowych chorób psychicznych, takich jak choroba afektywna dwubiegunowa lub autyzm lub inne zaburzenia mózgu, takie jak zespół stresu pourazowego.
Ogólnie rzecz biorąc, osoby, które nie mają doświadczenia w stosowaniu tej metody, będą miały trudności, ponieważ istnieje wiele kroków do stworzenia projektu eksperymentalnego, uzyskania obrazów, zaprogramowania potoków analizy i przetwarzania obrazu oraz zastosowania prawidłowych projektów eksperymentalnych do swojego projektu. Uczestniczące w badaniu dzieci i osoby ze schorzeniami neuropsychiatrycznymi również doświadczają trudności, ponieważ procedury wymagają od nich pozostania w bezruchu podczas typowej sesji rezonansu magnetycznego podczas wykonywania zadań behawioralnych. Ponadto procedury wymagają jasnej komunikacji i rozpowszechniania informacji między eksperymentatorem a uczestnikiem, co wymaga znacznej ilości szkolenia.
Na początek użyj oprogramowania Siegel do wygenerowania zadania behawioralnego opartego na zdarzeniach, które przedstawia rzadkie bodźce docelowe, takie jak okrąg w sekwencji częstszych bodźców standardowych, takich jak zaszyfrowane obrazy. Wybierz zestaw bodźców awersyjnych i zestaw bodźców neutralnych z bazy danych International Effective Picture System. Obrazy te są oceniane w skali od jednego do dziewięciu, przy czym wyższe liczby wskazują na wyższy pozytywny poziom walencji i pobudzenia.
Wybierz zestaw obrazów, które są odpowiednie dla wieku badanej grupy, na przykład zdjęcia węży, pająków lub innych zwierząt. Zaprogramuj skrypt zadania tak, aby obrazy były prezentowane w pseudolosowej kolejności przez 1 500 milisekund ze średnią 500 milisekund między obecnymi bodźcami docelowymi i zadaniami nieistotnych neutralnych obrazów nie częściej niż co 15 sekund i stanowiły około 4% bodźców. Pamiętaj, aby zmienić czasy początku zdarzenia, aby zapewnić lepszą rozdzielczość funkcji odpowiedzi hemodynamicznej, utwórz w sumie osiem zestawów obrazów, po jednym dla każdego z ośmiu przebiegów funkcjonalnych.
Rekrutuj uczestników w wieku od 9 do 18 lat, którzy są w rodzinie z wysokim ryzykiem psychozy, a także zdrowych osób z grupy kontrolnej. Uzyskanie świadomej zgody od uczestników lub opiekunów prawnych oraz wstępu od osób niepełnoletnich, które biorą udział w badaniu. Zacznij od umieszczenia uczestników w symulowanym skanerze MRI, aby zapoznać ich ze środowiskiem MRI.
Następnie upewnij się, że rozumieją instrukcje dotyczące zadania i odtwórz nagranie dźwiękowe dźwięku dźwięku skanera, podczas gdy kończą ćwiczenie zadania behawioralnego. Poproś uczestnika, aby użył tego samego bezpiecznego pola wejściowego MRI, które będzie używane podczas rzeczywistego skanowania i poinstruuj go, aby nacisnął jeden przycisk palcem wskazującym w odpowiedzi na wszystkie bodźce docelowe, a drugi przycisk palcem środkowym w przypadku wszystkich innych bodźców. Gdy osoba poczuje się komfortowo w symulowanym skanerze, umieść ją w skanerze MRI 3.0 Tesla.
Po pierwsze, uzyskaj zestaw obrazów strukturalnych, w tym anatomiczny obraz T one ważony współplanisty 3D, używając zepsutej sekwencji impulsów akwizycyjnych przywołanych gradientowo. Następnie uzyskaj dane obrazowania funkcjonalnego za pomocą sekwencji obrazowania gradientowego echa z pełnym pokryciem mózgu. Aby zmierzyć aktywność mózgu podczas zadania behawioralnego, użyj tej sekwencji obrazowania dla każdego uruchomienia zadania behawioralnego, przedstaw zadanie w ośmiu funkcjonalnych biegach, z których każdy trwa około czterech minut i składa się ze 120 punktów czasowych obrazowania.
Rozpocznij analizę od wstępnego przetworzenia obrazów, otwórz narzędzie do analizy eksperckiej FMRI w oprogramowaniu FSL i wybierz analizę pierwszego poziomu i statystyki wstępne. Następnie w zakładce danych wybierz liczbę obrazów wejściowych oraz ścieżkę do każdego z obrazów MR. Ustaw także katalog wyjściowy.
Wprowadź łączną liczbę woluminów, liczbę odrzuconych przejęć i TR. Następnie w zakładce statystyk wstępnych ustaw korekcję ruchu na pełne wygładzanie przestrzenne MFL z maksymalnie połową do pięciu milimetrów i wybierz korekcję czasu wycinka. Nie wybieraj B zero UN wypaczania i normalizacji intensywności i wybierz BET ekstrakcja mózgu i górnoprzepustowe filtrowanie czasowe. Następnie w zakładce rejestracji dla głównego obrazu strukturalnego wprowadź ścieżkę do czaszki osoby obnażonej T one skan.
Użyj liniowego wyszukiwania normalnego z co najmniej sześcioma stopniami swobody. Następnie wybierz przestrzeń standardową i wprowadź ścieżkę do obrazu MNI Atlas. Użyj normalnego wyszukiwania liniowego z 12 stopniami swobody, wyklucz uczestników, których ruch głowy jest większy niż trzy milimetry.
Teraz, aby porównać dane między warunkami zadania w ramach jednego przebiegu, wybierz analizę pierwszego poziomu, statystyki i statystyki postów. W zakładce danych ustaw liczbę wejść i wprowadź ścieżkę do każdego z obrazów MR oraz katalogu wyjściowego. Wprowadź łączne wolumeny, liczbę odrzuconych nabytków i TR. Następnie w zakładce statystyki wybierz użyj filmu, wstępnego wybielania i pełnej konfiguracji modelu.
Ustaw liczbę oryginalnych EV na liczbę warunków zadania. Dla każdego warunku wybierz niestandardowy format trzech kolumn z menu kształtu podstawowego i HRF podwójnej gamma z menu konwolucji, a następnie wybierz plik tekstowy zawierający format chronometrażu zadania. Ten plik tekstowy w trzech kolumnach z jednym wpisem dla każdego zdarzenia.
Pierwsza kolumna powinna zawierać czas rozpoczęcia. Drugi powinien zawierać czas trwania, a trzeci wagę zdarzenia. Teraz w zakładce test kontrastu i F utwórz jeden kontrast dla każdego warunku testowego i porównania w statystykach postów wybierz klaster z menu progowego i ustaw próg Z i próg P klastra odpowiednio na 2,3 i 0,05.
Następnie w zakładce rejestracja wybierz główny obraz strukturalny i wprowadź ścieżkę do czaszki obiektu. Zdjęty z jednego obrazu. Użyj liniowego wyszukiwania normalnego z co najmniej sześcioma stopniami swobody i wybierz przestrzeń standardową.
Wprowadź ścieżkę do obrazu atlasu MNI i użyj normalnego wyszukiwania liniowego z 12 stopniami swobody. Następnie, w przypadku analizy drugiego poziomu, porównaj dane między przebiegami. Dla każdego warunku zadania wybierz analizę i statystyki wyższego poziomu oraz statystyki postów.
Następnie w zakładce danych wybierz dane wejściowe jako katalogi stóp niższego poziomu. Ustaw liczbę wejść i wprowadź ścieżkę do każdego z obrazów MR. Wprowadź również ścieżkę do katalogu wyjściowego i całkowitą liczbę odrzuconych przejęć oraz TR.In zakładki statystyk zmień efekt mieszany płomień jeden na stałe efekty.
Korzystając z kreatora konfiguracji modelu, wybierz opcję średnia dla pojedynczej grupy i proces. Następnie w zakładce zamieszczanie reklam wybierz klaster w menu progów i ustaw próg Z oraz próg klastra P odpowiednio na 2,3 i 0,05. Teraz, aby porównać dane między tematami dla każdego warunku zadania we wszystkich przebiegach, wybierz analizę i statystyki wyższego poziomu oraz statystyki postów.
W zakładce danych wybierz dane wejściowe to obrazy 3D COPE z katalogów stóp. Ustaw liczbę wejść i wprowadź ścieżkę do każdego z obrazów. Wprowadź katalog wyjściowy, łączną liczbę woluminów, liczbę odrzuconych przejęć i TR. Następnie w zakładce statystyki wybierz opcję pełna konfiguracja modelu.
Ustaw liczbę EV równą liczbie zmiennych grupy i współzmiennych. Wprowadź wartości dla każdego tematu dla każdego ev. Na koniec, przeciwnie, wyślij testy F.
Dodaj kontrast dla każdej zmiennej testowej i dla każdego kontrastu. Dla każdej zmiennej testowej ustaw kontrast, wybierając jedną w kolumnie pod odpowiednią wartością ev. Dla każdego kontrastu ustaw pierwszą wartość na jeden, a drugą na ujemną.
Następnie w statystykach postów wybierz klaster z menu rozwijanego progowania i ustaw próg Z i próg P klastra odpowiednio na 2,3 i 0,05. Tutaj możemy zobaczyć mapy aktywacji pokazujące różnice między grupami, jak widać. W tym przypadku rodzinna grupa wysokiego ryzyka wykazała większą aktywację niż grupa kontrolna podczas przetwarzania docelowego.
Na tych obszarach grupa kontrolna wykazała większą aktywację niż rodzinna grupa wysokiego ryzyka podczas przetwarzania docelowego. W tym przypadku rodzinna grupa wysokiego ryzyka aktywowała się bardziej niż grupa kontrolna podczas awersyjnego, większy niż neutralny kontrast, a tutaj grupa kontrolna aktywowała się bardziej niż rodzinna grupa wysokiego ryzyka podczas awersyjnego, większy niż neutralny kontrast, te mapy aktywacji wykazały różnice w grupach związanych z wiekiem. Zaobserwowane tutaj obszary mają większą dodatnią korelację z wiekiem w rodzinnej grupie wysokiego ryzyka niż w grupie kontrolnej podczas przetwarzania docelowego.
Tutaj widzimy obszary z większą dodatnią korelacją z wiekiem w grupie kontrolnej niż w rodzinnej grupie wysokiego ryzyka podczas awersji. Kontrast większy niż neutralny. Nie zapominaj, że praca z osobami w środowisku skanera może być bardzo niebezpieczna Podczas wykonywania tej procedury należy zawsze podjąć środki ostrożności, takie jak rezonans magnetyczny, badania przesiewowe bezpieczeństwa oraz odpowiednie środki ostrożności i komfortu, a także szkolenie.
Technika ta stworzyła również nową metodę wizualizacji nieprawidłowych procesów neuronalnych w zaburzeniach mózgu, takich jak schizofrenia, autyzm i zespół stresu pourazowego. Próbując wykonać tę procedurę, ważne jest, aby pamiętać o komunikowaniu się z uczestnikami, aby pomóc im zachować spokój i koncentrację. Po opanowaniu tej techniki można ją wykonać w ciągu dwóch godzin, jeśli jest wykonywana prawidłowo.
Po tej procedurze można wykonać inne metody, takie jak EEG, aby odpowiedzieć na dodatkowe pytania dotyczące neurosynchronizacji w podobnych kohortach.
Wyświetl pełny transkrypt i uzyskaj dostęp do tysięcy filmów naukowych
Przegląd
Niniejsze badanie analizuje aktywację mózgu u dzieci i młodzieży z rodzinnym wysokim ryzykiem schizofrenii z wykorzystaniem zadania emotional oddball oraz fMRI. Badania wskazują na nieprawidłową aktywację funkcjonalną w obszarach czołowo-prążkowiowo-limbicznych w okresie dojrzewania.
Kluczowe elementy badania
Dziedzina nauki
- Neuronauka
- Psychologia
- Obrazowanie
Wstęp
- Rodzinne wysokie ryzyko schizofrenii (FHR) wiąże się ze zmianami w funkcjonowaniu mózgu.
- Zadanie oddball z emocjami służy do oceny przetwarzania emocjonalnego.
- fMRI pozwala uzyskać wgląd w wzorce aktywacji mózgu.
- Zrozumienie tych wzorców może pomóc w opracowaniu wczesnych interwencji.
Cel badania
- Pomiar aktywacji mózgu podczas zadania oddball wywołującego emocje.
- Porównanie wzorców aktywacji pomiędzy grupą FHR a grupą kontrolną.
- Identyfikacja potencjalnych biomarkerów ryzyka schizofrenii.
Zastosowane metody
- Projektowanie dostosowanego do dzieci zadania typu emotional oddball.
- Ćwiczenie zadania w symulowanym środowisku skanera.
- Przeprowadzanie skanów fMRI podczas wykonywania zadania przez uczestników.
- Analiza danych behawioralnych i obrazowych w celu wykrycia różnic w aktywacji.
Główne wyniki
- Dzieci z FHR wykazywały nieprawidłową aktywację w kluczowych obszarach mózgu.
- Odnotowano różnice w obrębie obwodów czołowo-prążkowano-układu limbicznego.
- Wyniki sugerują zaburzone przetwarzanie emocjonalne u osób z FHR.
- Otrzymane rezultaty mogą przyczynić się do zrozumienia rozwoju schizofrenii.
Wnioski
- fMRI podczas zadania typu emotional oddball dostarcza kluczowych informacji.
- Nieprawidłowe wzorce aktywacji mózgu mogą wskazywać na ryzyko schizofrenii.
- Dalsze badania są niezbędne, aby zgłębić te wyniki.
Najczęściej zadawane pytania
Znaczenie dla przemysłu
To oparte na fMRI zadanie typu „emotional oddball” stanowi nieinwazyjną metodę badania obwodów czołowo-prążkowiowo-limbicznych u populacji pediatrycznych, umożliwiając wczesne rozpoznanie trajektorii ryzyka neurorozwojowego. Poprzez rejestrację zależnych od wieku różnic w aktywacji u dzieci z rodzinnym wysokim ryzykiem schizofrenii, podejście to wspiera walidację celu i mechanistyczne ograniczanie ryzyka w procesie odkrywania leków ukierunkowanych na ośrodkowy układ nerwowy. Paradygmat ten umożliwia ilościowy, powtarzalny pomiar deficytów przetwarzania emocjonalnego i wykonawczego, istotnych w badaniach przesiewowych pod kątem wskazań psychiatrycznych.
Strategiczne zastosowania w badaniach i rozwoju biofarmaceutycznym
Wczesne odkrywanie i walidacja celu
- Wartość naukowa: Umożliwia badanie dysfunkcji obwodów neuronalnych leżących u podstaw deficytów przetwarzania emocjonalnego u młodzieży z grup ryzyka.
- Wartość operacyjna: Dostarcza standaryzowany paradygmat fMRI do porównywania wzorców aktywacji między grupą ryzyka a grupą kontrolną.
Przesiewy i opracowywanie testów
- Wartość naukowa: Generuje mierzalne odpowiedzi sygnału BOLD na dystraktory awersyjne i neutralne podczas detekcji celu.
- Wartość operacyjna: Wspiera przygotowanie analizy poprzez dostosowanie projektu bodźców do wieku oraz zastosowanie protokołów korekcji ruchu.
Badania translacyjne i przedkliniczne
- Wartość naukowa: Ułatwia dopasowanie międzygatunkowe poprzez badanie konserwatywnych sieci czołowo-limbicznych zaangażowanych w zaburzenia psychiatryczne.
- Wartość operacyjna: Umożliwia podłużne śledzenie zmian w aktywacji neuronalnej na różnych etapach rozwoju.
Integracja potoków i przepływów pracy
Metoda ta wpisuje się w kontinuum procesu odkrywania, dostarczając wczesnych odczytów mechanistycznych, które pozwalają ocenić wiarygodność celu oraz gotowość do prowadzenia przesiewu fenotypowego w badaniach neuropsychiatrycznych.
- Biologia odkryć: Wspiera testowanie hipotez dotyczących dysregulacji czołowo-prążkowiowo-limbicznej w genetycznych modelach ryzyka.
- Przesiewanie: Dostarcza powtarzalnych, ilościowych wyników fMRI do oceny wpływu związków na reaktywność emocjonalną.
- Analityka: Umożliwia uzyskanie map aktywacji i porównań opartych na kontrastach, co pozwala na wnioskowanie statystyczne na poziomie grupowym.
- Badania translacyjne: Łączy wczesne biomarkery neuronalne z ciągłością przedkliniczną poprzez analizę zachowanych obwodów neuronalnych.
- Ponowne wykorzystanie w przedsiębiorstwie: Stanowi skalowalną platformę neuroobrazowania, którą można zastosować w wielu wskazaniach dotyczących OUN.
Wpływ operacyjny i przedsiębiorstwowy
- Wartość naukowa: Zwiększa pewność prognostyczną poprzez powiązanie wzorców aktywacji neuronalnej ze statusem ryzyka klinicznego.
- Wartość operacyjna: Zapewnia powtarzalność dzięki standaryzowanemu projektowi zadań, korekcji ruchu i protokołom rejestracji.
- Wartość strategiczna: Wspiera decyzje typu go/no-go poprzez redukcję niepewności biologicznej w zakresie oddziaływania na cel.
- Wpływ na portfolio: Umożliwia priorytetyzację celów w ośrodkowym układzie nerwowym z uwzględnieniem ryzyka, w oparciu o rozwojowe fenotypy neuronalne.
Uwagi dotyczące implementacji
- Doświadczenie w dziedzinie pediatrycznego fMRI, projektowania eksperymentów oraz programowania zadań behawioralnych.
- Dostęp do skanera MRI 3.0 Tesla z możliwością obrazowania EPI w trybie gradient echo oraz do skanera pozorowanego (mock scanner) do celów treningowych.
- Standaryzacja czasu prezentacji bodźców, progów ruchu (<3mm) oraz potoków przetwarzania wstępnego (FSL FEAT).
- Uwzględnienie adaptacji treści bodźców w zależności od grup wiekowych i populacji klinicznych.
- Ograniczenia obejmują współpracę uczestników, artefakty ruchowe oraz konieczność przeprowadzenia rozbudowanego szkolenia w zakresie administrowania zadaniami.
