Методическая статья

Измерение лобно-лимбической деятельности, используя эмоциональном чудак Задача у детей с семейной высокий риск шизофрении

DOI:

10.3791/51484

⸱

2 декабря 2015 г.

 ,  ,  ,  ,  ,  ,  , 
1Department of Psychiatry, University of North Carolina at Chapel Hill School of Medicine, 2Duke-UNC Brain Imaging and Analysis Center, Duke University Medical Center, 3Curriculum in Neurobiology, University of North Carolina at Chapel Hill

В этой статье

Краткое содержание

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

В этой статье описывается, как использовать эмоциональное чудаковатое задание и фМРТ для измерения активации мозга у детей и подростков с семейным высоким риском развития шизофрении (ЧСС). FMRI был использован для измерения различий в лобно-стриато-лимбических областях во время эмоционального чудаковатого задания. У детей с ФЧС наблюдалась аномальная функциональная активация в подростковом возрасте.

Аннотация

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

Подростковый возраст — это критический период развития, когда часто проявляются ранние симптомы шизофрении. Родственники первой степени родства людей с шизофренией, которые находятся в группе семейного высокого риска (ЧСС), могут демонстрировать аналогичные когнитивные и эмоциональные изменения. Тем не менее, неврологические изменения, лежащие в основе возникновения этих симптомов, остаются неясными. Это исследование было направлено на выявление различий в лобной, стриатальной и лимбической областях у детей и подростков с ЧСС с использованием функциональной магнитно-резонансной томографии. Группы из 21 ребенка и подростка в ЧСС и 21 здорового контрольной группы выполнили эмоциональную задачу, которая основывалась на избирательном внимании и подавлении эмоциональной информации, не относящейся к задаче. Стандартное задание было модифицировано и теперь включает в себя аверсивные и нейтральные дистракторы, чтобы изучить потенциальные групповые различия как в эмоциональной, так и в исполнительной обработке. Это задание было разработано специально для того, чтобы дети и подростки могли справиться, сохранив сложность и эмоциональное содержание образа в соответствии с возрастом. Кроме того, мы демонстрируем методику подходящей регистрации фМРТ для детей и подростков. Эта парадигма также может быть применена в будущих исследованиях для измерения изменений в нейронной активности в других популяциях с гипотетическими изменениями в развитии исполнительной и эмоциональной обработки.

Введение

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

Шизофрения - это расстройство развития нервной системы с известным генетическим компонентом1,2 и симптомами, включающими дефицит как исполнительной, так и эмоциональной обработки3,4. Считается, что родственники первой степени родства подвержены повышенному риску развития шизофрении, и было показано, что они разделяют некоторые из этих нейрокогнитивных дефицитов как в когнитивной, так и в социально-эмоциональнойсферах. Поэтому мы ожидаем, что активность мозга в областях, связанных с исполнительной и эмоциональной обработкой, может быть изменена у членов семьи из группы риска до появления клинических симптомов.

Предыдущие исследования показали, что как взрослые с шизофренией, так и взрослые с семейным высоким риском демонстрируют аберрантную активность в исполнительных и эмоциональных сетях; однако остается неясным, как эти изменения происходят во время развития. Демонстрация того, что эти изменения происходят в раннем возрасте, станет важным первым шагом в понимании патофизиологии расстройства. Таким образом, в данном исследовании используется эмоциональная чудаковатая парадигма во время функционального МРТ (фМРТ) сканирования для измерения активности мозга во время выполнения задачи, требующей как исполнительной, так и эмоциональной обработки у подростков с риском развития шизофрении. Чудаковатые парадигмы часто используются для изучения функции лобно-полосатых схем при шизофрении6 и у лиц с семейным высокимриском 7 путем измерения процессов избирательного внимания, выделенных на целевые стимулы, относящиеся к задаче. В данном случае стандартная странная задача была модифицирована, чтобы включить в себя не имеющие отношения к задаче аверсивные и нейтральные стимулы, которые, как было показано, вызывают изменения в активности мозга у пациентов с шизофренией.

Эта статья измеряет функциональные различия между здоровыми подростками и подростками с высоким семейным риском развития шизофрении с помощью эмоционального чудаковатого задания. Схема задания аналогична той, которую использовали Фихтенхольц и коллеги, но выбор отвратительных эмоциональных образов был изменен таким образом, чтобы он подходил для детей в возрасте от 9 до 18 лет. Использование этой задачи во время функциональной МРТ позволило идентифицировать конкретные области мозга, которые демонстрировали паттерны гиперактивации и гипоактивации у детей и подростков с ЧСС при шизофрении, в дополнение к возрастным изменениям нейронной активности в подростковом возрасте.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Протокол

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

Методы исследования, используемые в ходе данного исследования были одобрены институциональные наблюдательные советы (IRB) из Университета Дьюка и Университета Северной Каролины - Чапел-Хилл.

1. Задача Дизайн изображений

  1. Генерация поведения задачу на основе событий, которая представляет редкие целевые стимулы (круг) в пределах последовательности более частых стандартных стимулов (яичница изображений). Схема задачи показан на рисунке 1. Представить задачу, используя программное обеспечение CIGAL 10.

figure-protocol-1
Рисунок 1. Схема дизайна задач. Эта цифра была изменена с Хартом и др. 20, с разрешения. Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры.

  1. Выберите, какET из отвращение стимулов и набор нейтральных стимулов из базы данных Международного аффективное изображение системы (ИПД). IAPS изображения оценивается по шкале от 1-9, чтобы отразить уровни возбуждения и валентности 11. Высокие цифры показывают положительную валентность выше и возбуждение. Выберите набор изображений, которые соответствуют возрасту в исследуемой группе, например, изображения змей, пауков и других животных.
    Примечание: задача-не имеет значения отрицательные подкрепления изображения, используемые в этом исследовании имели среднюю оценку валентное 3,38 (SD = 1,78) и средней оценкой в ​​6.14 возбуждения (SD = 2,08). Нейтральные стимулы изображения имели среднюю валентность 6.21 (SD = 0,26) и средней оценкой возбуждения 3,72 (SD = 2,15).
  2. Программа сценарий Задача такая, что изображения представлены в псевдо-случайном порядке на 1500 мс с 500 мс означает интервал между стимул. Нынешние целевые стимулы и задачи-не имеет значения нейтральные изображения не чаще, чем каждые 15 сек и сделать каждый около 4% стимулов. Джиель событий время развития в целях обеспечения лучшего разрешения функции отклика гемодинамики.
  1. Создать 8 наборов изображений, по одному для каждого из 8 функциональных трасс, таких, что участники представлены в общей сложности 40 целей и 40 задач, не имеет значения нейтральных изображений на протяжении всех 8 серий.

2. Участник Настройка и сканирование

  1. Набирать детей и подростков в возрасте от 9 до 18 лет, которые либо здоровые люди управления или которые в семейной высоким риском психоза.
    1. Убедитесь, что здоровые люди не имеют психические заболевания или каких-либо членов семьи первой степени с психическими заболеваниями. Убедитесь, что семейные участники риска имеют по крайней мере один родственник первой степени (родитель или родной брат) с шизофренией. Не исключает их наличие других психических заболеваний в первой степени родства.
    2. Возраст и пол матч здоровых участников с участником группы риска семейнаяс.
  2. Приобретать информированное согласие от участников в возрасте старше 18 для несовершеннолетних, приобретают информированное согласие от родителей / опекунов. Кроме того, приобрести письменного согласия от несовершеннолетних, принимающих участие в исследовании.
  3. Поместите участников макет сканера МРТ для того, чтобы ознакомить их с окружающей средой. Слушать аудиозапись шума сканера и их завершения практики пробег поведенческой задачи для того, чтобы гарантировать, что они понимают инструкции задач.
  4. Поместите участника в томограф и приобрести любые необходимые сканирования локализации мозга и / или анатомические изображения.
  5. Использование окно ввода МРТ-сейф, сказать участникам нажать одну кнопку с их указательным пальцем в ответ на всех целевых стимулов и другой кнопки с их средним пальцем для всех других стимулов.
  6. После сканирования МРТ, собирать субъективные рейтинги возбуждения и валентности для изображений, используемых в исследовании из подмножества участников. В Currenт исследование получены рейтинги от 15 управления и 13 с семейной высокого риска.

3. Получение изображения

  1. Участники Место в 3,0 Тесла МРТ сканера. Во-первых, приобрести набор структурных изображений, включая 3D копланарного анатомические Т1 контраста изображения, используя градиентное напомнил приобретения последовательность импульсов (TR: 5,16 мс; TE: 2,04 мс; FOV: 24 см; матрицу изображения: 256 × 256; флип Угол обзора: 20; размер воксела: 0,94 мм × 0,94 мм × 1,9 мм; 68 осевые ломтики).
  2. Приобретать функциональные данные изображений с помощью градиента эхо эхо-планарной последовательности изображений с охватом полного мозга (ТР: 2,000 мс; TE: 27 мсек; FOV: 24 см; матрица изображения: 64 × 64; флип угол: 60; размер воксела: 3.75 мм × 3,75 мм × 3,8 мм, 34 аксиальных срезов), так что активность мозга может быть измерено при выполнении поведенческого задачи. Запустите эту последовательность изображений для каждого запуска поведенческой задачи. Каждый прогон должен состоять из 120 временных точек изображения.
  3. Представьте ТаSK в 8 функциональных трасс, каждая из которых длится примерно 4 мин.

4. Анализ

  1. Предварительная изображения: Открытое МРТ Эксперт Analysis Tool (ПОДВИГ) в FSL 12. Выберите анализ первого уровня и предварительно статистике.
    1. На вкладке «Данные», выберите количество входных изображений и введите путь к каждому из изображений МР вы собираетесь обрабатывать. Установите выходной каталог. Введите Всего томов, количество выброшенных приобретений, и TR.
    2. На вкладке "Pre-статистики", установите исправление движения для MCFLIRT, пространственное сглаживание FWHM 5 мм, и "фрагмент времени коррекции". Выберите "BET добычу мозга" и "верхних частот" временную фильтрацию, но не выбирайте B0 unwarping (ЮНЕСС у вас есть карты градиента поля) или "я ntensitiy normaization". 12,14.
    3. На вкладке "Регистрация", выберите "Main STRUctural изображения ". Введите путь к череп раздели T1-взвешенные изображения объекта. Использование линейного обычный поиск по крайней мере 6 DOF. Выберите пространство флажок Standard. Введите путь к атлас изображения MNI. Используйте нормальный, линейные поиск с 12 ФО. Пресс-Go.
    4. Исключить участникам больше, чем 3 мм движения головы в X, Y, Z или направлений.
  2. Уровень 1: Сравнение данных между условиями задачи в один проход. Открыть ПОДВИГ. Выберите "анализ первого уровня" и "Статистика + разместить статистика".
    1. На вкладке Данные установите количество входов и введите путь к каждому из изображений МР. Введите путь к директории "Output". Введите "Всего объемы", ряд приобретений, выброшенных и TR.
    2. На вкладке "Статистика", выберите "Использовать ФИЛЬМ prewhitening" флажок 16. Нажмите "полной модели SEКнопка стро ". Установите "Количество оригинальных электромобилей» к числу условий задачи. Для каждого состояния, выберите "(формат 3 столбца) на заказ" из основной формы выпадающего меню и "двойной Гама HRF от" свертки "в раскрывающемся меню и выберите 17,18 текстовый файл, содержащий параметры синхронизации.
      1. Формат этот текстовый файл в 3 колонки с одной записью для каждого "событие" данного типа. Первый столбец должен содержать время начала (в секундах), второй должен содержать длительность (в секундах), а третий должен содержать вес событий. На вкладке Контрасты и F-тесты, создать один контраст для каждого состояния задачи и по одной для каждого сравнения.
    3. На вкладке «пост-Stats", выберите "Cluster" на "пороговых значений" в раскрывающемся меню и установите "Z" и порог кластера P Threshold до 2,3 и 0,05 соответственно 8,19.
    4. На вкладке "Регистрация", выберите "Main структурное изображение". Введите путь к череп раздели T1-взвешенные изображения объекта. Используйте линейный обычный поиск по крайней мере 6 DOF. Выберите "Стандартный" пространство флажок. Введите путь к изображению атлас MNI. Используйте нормальный, линейный поиск с 12 ФО. Нажмите "Перейти".
  3. Уровень 2: Сравнение данных между работает для каждого состояния задачи. Открыть ПОДВИГ. Выберите "анализ высшего уровня" и "Статистика + разместить статистика" из выпадающего меню.
    1. На вкладке Данные, выберите "Входы подвиг каталоги нижнего уровня". Установите количество входов и введите путь к каждому из изображений МР. Введите путь к директории "Output".
    2. На вкладке "Статистика", изменить "Смешанные эффекты: FLAME1" окно выбора с "Исправлена ​​Еffects ". Нажмите" Модель Мастер установки "кнопку. Выберите" одна группа в среднем "и нажмите кнопку" Process ".
    3. На вкладке «пост-статистики", выберите "Cluster" на "пороговых значений" в раскрывающемся меню и установите "Z" и порог порог "Кластер" P 2,3 и 0,05 соответственно 8,19. Нажмите "Перейти".
  4. Уровень 3: Сравнение данных между субъектами для каждого состояния задачи во всех прогонов. Открыть ПОДВИГ. Выберите "анализ высшего уровня" и "Статистика + разместить статистика" из выпадающего меню.
    1. На вкладке Данные, выберите "Входы 3D справиться изображения с FEAT каталогов." Установите количество входов и введите путь к каждому из изображений МР. Введите путь к директории "Output".
    2. На "Статистика" тAB, нажмите "Полное установки модели". Установите количество электромобилей, равное числу групповых переменных и ковариат, таких как диагностической группы, возраста, пола и т.д. Введите значения для каждого субъекта (вход 1 - вход п) для каждого EV. Вы можете использовать окно "Вставить", чтобы скопировать таблицу из этих значений.
      1. На вкладке "Контрасты и F-тесты", добавить контраста для каждой переменной тестирования и для каждого контраста (например, диагностика группа). Для каждой переменной теста, установить контрастность, выбрав значение 1 в столбце под соответствующим EV. Для каждого, напротив, установить первое значение 1, а второй -1. Выберите "Готово".
    3. На вкладке «пост-Stats", выберите "Cluster" на "пороговых значений" в раскрывающемся меню и установите "Z" и порог порог "Кластер" P 2,3 и 0,05 соответственно 8,19 "Перейти".

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Результаты

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

Там не было никаких различий между группами на основе демографических характеристик 20. Поведенческие данные показали, что задача обнаружения цели находится на соответствующем уровне сложности для детей и подростков в возрасте от 9-18. В текущем исследовании, контролирует правильно определили 82.36% целевых (SD = 0,14), а семейная группа риска правильно определили 76,8% мишеней (SD = 0,17). Обе группы показали снизилась точность при определении эмоциональных фотографий по сравнению с нейтрал...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Обсуждение

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

Было показано, что модифицированная парадигма эмоционального чудака в настоящем исследовании вызывает различия в нейронном рекрутинге во время избирательного внимания и эмоциональной обработки у детей и подростков с риском развития шизофрении. В то время как существующие парадигмы, использующие задачу эмоционального чудака, использовались для исследования нейронных изменений у взрослых популяций с психическими заболеваниями8, нынешняя парадигма может быть особенно полезной для измерения маркеров уязвимости в б...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Раскрытие информации

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

В настоящее время д-р Перкинс получает грантовую поддержку от Janssen и является консультантом компании Dainippon. В прошлом д-р Перкинс является или был членом бюро докладчиков в компаниях Eli Lilly и AstraZeneca. Ранее д-р Перкинс получал гранты от AstraZeneca, Bristol-Myers Squibb, Otsuka, Eli Lilly, Janssen и Pfizer; а также консультационные и образовательные услуги от AstraZeneca, Bristol-Myers Squibb, Eli Lilly, Janssen, Glaxo Smith Kline, Forest Labs, Pfizer и Shire. Все остальные авторы заявляют об отсутствии биомедицинских финансовых интересов или потенциальном конфликте интересов.

Благодарности

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

Мы благодарим Эрин Дуглас, Анну Эванс и Кэролин Беллион за их вклад в набор участников и клиническую оценку. Мы также благодарим Майкла Каспа, Зои Ингландер, Джастина Вудлифа и Джеймса Картера за их вклад в сбор и анализ данных, а также Роберта М. Хамера за консультации по статистическому анализу и редактированию рукописи. Наконец, мы благодарим людей и их семьи, которые приняли участие в этом исследовании.

Это исследование было поддержано грантом центра Конте P50 MH064065 от Национального института психического здоровья. Доктор Харт был поддержан T32 HD040127 от Национального института детского здоровья и развития человека.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Материалы

Список материалов, использованных в этой статье
ИмяКомпанияКаталожный номерКомментарии
МРТ сканер3TBIAC 3T (заменен)
GE

Ссылки

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Kety, S. S., Rosenthal, D., Wender, P. H., Schulsinger, F. Mental illness in the biological and adoptive families of adpoted schizophrenics. Am J Psyc. 128, 302-306 (1971).
  2. Weinberger, D. R. Implications of normal brain development for the pathogenesis of schizophrenia. Arch Gen Psychia. 44, 660-669 (1987).
  3. Nuechterlein, K. H., Dawson, M. E. Information processing and attentional functioning in the developmental course of schizophrenic disorders. Schizophr Bul. 10, 160-203 (1984).
  4. Nuechterlein, K. H. The vulnerability/stress model of schizophrenic relapse: a longitudinal study. Acta Psychiatr Scand, Supp. 382, 58-64 Forthcoming.
  5. Keshavan, M. S. Premorbid cognitive deficits in young relatives of schizophrenia patients. Front Hum Neurosc. 3 (62), (2010).
  6. Kiehl, K. A., Liddle, P. F. An event-related functional magnetic resonance imaging study of an auditory oddball task in schizophrenia. Schizophr Re. 48, 159-171 (2001).
  7. Bramon, E. Is the P300 wave an endophenotype for schizophrenia? A meta-analysis and a family study. Neuroimag. 27, 960-968 (2005).
  8. Dichter, G. S., Bellion, C., Casp, M., Belger, A. Impaired modulation of attention and emotion in schizophrenia. Schizophr Bul. 36, 595-606 (2010).
  9. Fichtenholtz, H. M. Emotion-attention network interactions during a visual oddball task. Brain Res Cogn Brain Re. 20, 67-80 (2004).
  10. Voyvodic, J. T. Real-time fMRI paradigm control, physiology, and behavior combined with near real-time statistical analysis. Neuroimag. 10, 91-106 (1999).
  11. International affective picture system (IAPS): Digitized photographs, instruction manual and affective ratings. Technical Report A-6. , The Center for Research in Psychophysiology, University of Florida. (2005).
  12. Smith, S. M. Advances in functional and structural MR image analysis and implementation as FSL. Neuroimag. 23, 208-219 (2004).
  13. Smith, S. M. Fast robust automated brain extraction. Hum Brain Map. 17, 143-155 (2002).
  14. Jenkinson, M., Bannister, P., Brady, M., Smith, S. Improved optimization for the robust and accurate linear registration and motion correction of brain images. Neuroimag. 17, 825-841 (2002).
  15. Jenkinson, M., Smith, S. A global optimisation method for robust affine registration of brain images. Med Image Ana. 5, 143-156 (2001).
  16. Woolrich, M. W., Ripley, B. D., Brady, M., Smith, S. M. Temporal autocorrelation in univariate linear modeling of FMRI data. Neuroimag. 14, 1370-1386 (2001).
  17. Beckmann, C. F., Jenkinson, M., Smith, S. M. General multilevel linear modeling for group analysis in FMRI. Neuroimag. 20, 1052-1063 (2003).
  18. Woolrich, M. W., Behrens, T. E., Beckmann, C. F., Jenkinson, M., Smith, S. M. Multilevel linear modelling for FMRI group analysis using Bayesian inference. Neuroimag. 21, 1732-1747 (2004).
  19. Genovese, C. R., Lazar, N. A., Nichols, T. Thresholding of statistical maps in functional neuroimaging using the false discovery rate. Neuroimag. 15, 870-878 (2002).
  20. Hart, S. J. Altered fronto-limbic activity in children and adolescents with familial high risk for schizophrenia. Psychiatry Re. 212, 19-27 (2013).
  21. Hariri, A. R., Bookheimer, S. Y., Mazziotta, J. C. Modulating emotional responses: effects of a neocortical network on the limbic system. Neurorepor. 11, 43-48 (2000).
  22. Gottesman, I. I., Gould, T. D. The endophenotype concept in psychiatry: etymology and strategic intentions. Am J Psyc. 160, 636-645 (2003).
  23. Glahn, D. C., Thompson, P. M., Blangero, J. Neuroimaging endophenotypes: strategies for finding genes influencing brain structure and function. Hum Brain Map. 28, 488-501 (2007).

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Перепечатки и разрешения

Запросить разрешение на повторное использование текста или иллюстраций этой статьи JoVE

Запросить разрешение

Теги

Похожие статьи