Zastosowanie analizy przyczynowości Grangera ukierunkowanego związku funkcjonalnego w chorobie Alzheimera i łagodnych zaburzeniach poznawczych

Ogólnym celem niniejszej analizy przyczynowości Grangera jest badanie ukierunkowanej łączności funkcjonalnej w mózgu związanej z postępem choroby Alzheimera, co pozwala na ustanowienie nowej obiektywnej podstawy do oceny stopnia zaawansowania choroby. Metoda ta może pomóc w odpowiedzi na kluczowe pytania w dziedzinie choroby Alzheimera, takie jak ukierunkowana łączność między PCC a pozostałymi obszarami mózgu. Główną zaletą tej techniki jest to, że mierzy ona efekty przyczynowe szeregów czasowych fMRI oraz wykazuje dynamikę i kierunki osłabionego sygnału.

Zastosowanie tej techniki rozciąga się na diagnostykę progresji choroby Alzheimera, ponieważ pozwala ona na porównanie kierunkowej łączności funkcjonalnej między grupą z AD, MCI oraz grupą kontrolną. Dzięki temu, że metoda ta umożliwia wgląd w skalowanie kierunkowej łączności funkcjonalnej w chorobie Alzheimera, może ona zostać zastosowana również w innych systemach, takich jak badania elektroencefalograficzne. Zazwyczaj osoby rozpoczynające pracę z tą metodą mogą napotkać trudności, jeśli nie są zaznajomione z obsługą oprogramowania.

W pierwszej kolejności wprowadzamy dane dla semestru, a następnie analizujemy istniejącą literaturę dotyczącą analizy przyczynowości Grangera. Praktyczna demonstracja tej metody jest kluczowa, ponieważ istnieją liczne aspekty, które należy odnotować, a których nie można w pełni opisać w tekście. Rozpocznij od uruchomienia oprogramowania RESTplus i kliknij lewym przyciskiem myszy w sekcji Pipeline.

Zaimportuj odpowiednie pliki do programu RESTplus. Wybierz katalog roboczy, a następnie katalogi początkowe dla obrazów EPI i T1. Następnie, aby przekonwertować pliki Dicom na format Nifti, zaznacz pole DicomToNifti w sekcji Preprocessing.

Następnie zaznacz parametry EPI Dicom to Nifiti oraz T1 to Nifiti. Usuń pierwsze 10 punktów czasowych, zaznaczając opcję RemoveFirstTimePoints i ustawiając parametr końcowy na 10. Na koniec zaznacz pole Slice timing.

Ustaw numer plastra zgodnie z parametrami RS FMRI badania i wprowadź kolejność plastrów. Zaznacz opcję Realign, aby skorygować czas oraz ruchy głowy. Następnie wykonaj normalizację przestrzenną, zaznaczając Normalize, i pozostaw domyślne parametry na dole.

Użyj zunifikowanej segmentacji obrazu T1 i zestandaryzuj wszystkie głowy do tej samej przestrzeni, wybierając odpowiednie parametry. Przeprowadź normalizację, korzystając z zunifikowanej segmentacji obrazu T1 oraz szablonu europejskiego. Następnie wybierz opcję wygładzania, aby przeprowadzić wygładzanie przestrzenne przy użyciu izotropowego jądra Gaussa o pełnej szerokości połówki maksimum wynoszącej 6 mm.

Usuń trend liniowy, zaznaczając opcję Detrend. W celu zwiększenia stosunku sygnału do szumu wybierz regresję uciążliwych współzmiennych (nuisance covariates regression) w postaci następujących parametrów: sześciu parametrów ruchu głowy, globalnego średniego sygnału, sygnału z białej istoty oraz sygnału z płynu mózgowo-rdzeniowego. Na koniec wybierz filtr, aby zachować sygnały z zakresu od 0,01 do 0,08 hertz.

Usuń szum fizjologiczny o wysokiej częstotliwości oraz dryft o niskiej częstotliwości. Rozpocznij od przeprowadzenia analizy przyczynowości Grangera na poziomie wokseli (Granger Causality Analysis, GCA), korzystając z modułu REST GCA w narzędziach REST toolbox. W polu Postprocessing zaznacz opcję GCA.

Ustaw kolejność na jeden w ustawieniach domyślnych. Wybierz Define ROI i wybierz sferyczny ROI, aby zdefiniować obszar zainteresowania. Wybierz Dalej.

Zidentyfikuj interesujące punkty startowe w tylnej części kory pojedynczej, czyli PCC, ustawiając współrzędne środka i promień obszaru ROI punktu startowego na podstawie znanych danych, a następnie wybierz OK. Następnie wybierz Run i OK, aby uruchomić program. W kolejnym kroku odszukaj foldery o nazwach ZGCA i GCA po przetworzeniu odpowiednich danych z plików. Posegreguj pliki ZGCA i przypisz je odpowiednio do czterech podfolderów: XX, XY, YX oraz YY.

W programie otwórz RESTplus i kliknij lewym przyciskiem myszy Analiza Statystyczna (Statistical Analysis). Kliknij lewym przyciskiem myszy Test T dla dwóch prób REST (REST Two-Sample T-Test). Nazwij wynik wyjściowy T1XY i ustaw katalog wyjściowy.

Kliknij lewym przyciskiem myszy opcję Add Group Images, aby otworzyć podfolder XY w folderze AD Results oraz podfolder XY w folderze NC Results. Następnie kliknij lewym przyciskiem myszy, aby otworzyć podplik BrainMask w folderze mask. Na koniec wybierz Compute, aby uruchomić program.

Nazwij wyniki wyjściowe jako T2XY i ustaw katalog wyjściowy. Kliknij lewym przyciskiem myszy Add Group Images, aby otworzyć podfolder XY w folderze AD Results oraz podfolder XY w folderze MCI Results.

Powtórz obliczenia pliku maski mózgu, aby uzyskać wyniki dla T3XY, T1YX, T2YX i T3YX, co łącznie daje sześć plików. Kliknij lewym przyciskiem myszy w oknie Viewer programu RESTplus, aby wyświetlić otrzymane pliki. Zaimportuj szablon o nazwie Ch2 w sekcji Underlay.

Na koniec odszukaj sześć wynikowych plików w katalogu wyjściowym i uzupełniaj nakładkę jeden po drugim. Stwórz końcowy wykres, korzystając z sześciu plików wyjściowych. Po uprzedniej identyfikacji aktywnych węzłów w całym mózgu, zastosowano technologię GCA w celu określenia kierunkowej łączności funkcjonalnej z PCC do całego mózgu.

Oraz z całego mózgu do PCC w grupach AD, MCI i kontrolnej. Kierowana łączność z całego mózgu do PCC była nasilona w grupie AD w porównaniu z normalną grupą kontrolną i koncentrowała się głównie w obustronnym obszarze móżdżku poza DMN. Kierowana łączność z PCC do całego mózgu była znacznie zmniejszona w grupie AD w porównaniu z grupą kontrolną, przy czym głównymi regionami były m.in. prawy precuneus i lewy zakręt czołowy przedni należące do DMN.

Przy prawidłowym wykonaniu technika ta może zostać zrealizowana w ciągu 14 godzin. Podczas przeprowadzania tej procedury należy pamiętać, że wszystkie nazwy plików i zdjęć muszą być w języku angielskim i nie mogą zawierać spacji. Po opracowaniu technika ta otworzyła badaczom z dziedziny fMRI drogę do analizy ukierunkowanej łączności funkcjonalnej w progresji choroby Alzheimera.

Po obejrzeniu tego filmu powinni Państwo posiadać dobrą wiedzę na temat tego, jak badać ukierunkowaną łączność funkcjonalną w mózgu powiązaną z progresją AD. Pozwoli to na stworzenie obiektywnej podstawy do oceny stopnia zaawansowania choroby.