Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
Click here for the English version

Medicine

El desarrollo de Neuroimagen fenotipos del modo de red por defecto en el TEPT: Integrando el estado de reposo, la memoria de trabajo, y la conectividad estructural

doi: 10.3791/51651 Published: July 1, 2014

Abstract

Técnicas de neuroimagen estructural y funcional complementarios utilizados para examinar el modo de red por defecto (DMN) podrían potencialmente mejorar la evaluación de la gravedad de la enfermedad psiquiátrica y dar validez añadido al proceso de diagnóstico clínico. Investigaciones recientes de neuroimagen sugieren que los procesos DMN pueden interrumpirse en varias enfermedades psiquiátricas relacionadas con el estrés, como el trastorno de estrés postraumático (TEPT).

Aunque las funciones DMN específicos permanecen bajo investigación, se piensa en general a participar en la introspección y la auto-procesamiento. En las personas sanas que exhibe mayor actividad durante los períodos de descanso, con menos actividad, observada como la desactivación, durante las tareas cognitivas, como por ejemplo, la memoria de trabajo. Esta red está formada por la corteza medial prefrontal, la corteza cingulada posterior / precuneus, cortezas parietal lateral y medial regiones temporales.

Imaginación funcional y estructural múltipleSe han desarrollado enfoques ng para estudiar la DMN. Estos tienen un potencial sin precedentes para fomentar la comprensión de la función y disfunción de esta red. Enfoques funcionales, tales como la evaluación de reposo conectividad estado y la desactivación inducida tarea-, tienen un excelente potencial para identificar neurocognitivo específica y neuroaffective (funcionales) marcadores de diagnóstico y puede indicar la gravedad de la enfermedad y el pronóstico con mayor precisión o especificidad. Enfoques estructurales, tales como la evaluación de la morfometría y la conectividad, pueden proporcionar marcadores únicos de resultados etiología y largo plazo. Combinados métodos, funcionales y estructurales proporcionan fuertes enfoques multimodales, complementarios y sinérgicos para desarrollar fenotipos de imágenes basado en DMN válidos en condiciones psiquiátricas relacionadas con el estrés. Este protocolo tiene como objetivo integrar estos métodos para investigar la estructura y función DMN en el TEPT, relacionando los hallazgos con la gravedad de la enfermedad y los factores clínicos relevantes.

Introduction

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

Neuroimagen representa una herramienta con un potencial sin precedentes para examinar la validez de diagnóstico, la severidad de la enfermedad, los pronósticos y la respuesta al tratamiento en neuropsiquiatría. Una amplia gama de técnicas de neuroimagen complementarios es ahora disponible para caracterizar la estructura y la función de los sistemas de clave del cerebro, y para ayudar en la identificación de fenotipos de neuroimagen en poblaciones psiquiátricas. De estos sistemas, el modo de red por defecto (DMN) ha recibido una gran atención en la literatura cognitiva y la neurociencia clínica en la última década.

La DMN es una denominada "red de estado de reposo" que incluye la corteza prefrontal medial (MPFC) como el nodo principal anterior, cíngulo posterior corteza / precuneus (PCC) como el nodo posterior principio, junto con las cortezas parietal inferior-laterales y regiones temporales mediales. Ellos característica clave de esta red es que exhibe su mayor actividad durante los períodos de descanso, WHIch se produce mientras los sujetos están despiertos y alertas, pero no participan en una tarea específica; esta actividad estado de reposo se acuñó el "Modo predeterminado" de la función cerebral 1. Descansar la actividad estatal en el DMN es también altamente sincronizada, que se describe como descansando conectividad funcional estatal. La otra característica clave de la DMN es que demuestra disminución de la actividad durante los períodos de aumento de las demandas cognitivas externos, que se observa como la desactivación inducida tarea durante la neuroimagen funcional paradigmas 2,3. La hipótesis es que se necesita el equilibrio entre el interior (es decir, el estado de reposo) y externa (es decir, la actividad relacionada con la tarea) exigencias para mantener el cerebro sano funcionamiento 3-5.

Las siguientes secciones proporcionan una breve descripción de los tres métodos para el estudio de la conectividad funcional: DMN y desactivación tarea asociada, seguido de la conectividad estructural. Estos tres métodos son la descripciónribed formas complementarias para caracterizar esta red en muestras clínicas, como los pacientes con trastorno de estrés postraumático y trastornos psiquiátricos relacionados.

Descansar Estado DMN Conectividad Funcional

Descansando conectividad funcional estado ha convertido recientemente en un enfoque común utilizado para evaluar los patrones de la función cerebral de línea de base en la ausencia de demandas de la tarea. La conectividad funcional es un método analítico que cuantifica la coherencia, o el grado de sincronía en la señal dependiente del nivel de oxígeno en sangre (negrita) en el tiempo, a través de diferentes regiones del cerebro. Un creciente cuerpo de literatura de investigación sugiere que los patrones típicos de conectividad DMN se pueden alterar en clínica y las poblaciones en riesgo, y en particular aquellos con una exposición previa al estrés o trauma significativo. El hallazgo más común ha sido la disminución de la conectividad funcional DMN reposo estado asociado con TEPT 6. Esta conectividad disminuida puede VHAe aplicaciones clínicas directas, como disminución conectividad DMN pueden ser predictivos de los que se puede desarrollar trastorno de estrés postraumático después de un estresante aguda 7. Conectividad funcional DMN disminuida puede ser interpretado de varias maneras, lo más común que refleja la falta de comunicación entre las regiones cerebrales cruciales involucrados en la auto-procesamiento, que pueden llevar a una incapacidad para reasignar los recursos internos de procesamiento DMN línea de base a las demandas externas. Esta interrupción de la red puede explicar los síntomas clínicos principales de trastornos psiquiátricos como trastorno de estrés postraumático y otros trastornos psiquiátricos relacionados con el estrés 8. Más investigación de la etiología de estos trastornos es un área importante para la investigación futura.

Desde una perspectiva más general, las ventajas de examen de la conectividad funcional de la DMN incluyen relativamente fácil aplicación y un patrón robusto de reposo conectividad funcional estado en los controles sanos que permite una comparación fiable 9,10

Desactivaciones asociadas DMN-Tarea

El examen de la respuesta DMN durante la memoria de trabajo (WM) ofrece otro enfoque para investigar la función y disfunción de esta red más allá de reposo sincronía estado. Este enfoque, que refleja el método más común de imagen de resonancia magnética funcional (fMRI), proporciona información diferente acerca de la respuesta a las demandas de tareas que pueden tener importancia clínica 11. Investigaciones anteriores han documentado que los participantes con TEPT demuestran funcionamiento deteriorado WM y un mayor grado de desactivaciones DMN durante las tareas de WM, quizás reflejando un mayor esfuerzo cognitivo 12-15. Using WM como un desafío FMRI tiene varias ventajas. Por ejemplo, que se desenganche de forma fiable varias regiones clave DMN, de reposo a un estado activo. Más relevante para el TEPT y otros trastornos psiquiátricos relacionados con el estrés, WM tareas se desenganchan de forma fiable el MPFC, el principal nodo de DMN anterior que está involucrado en vías críticas dysregulated en el TEPT. Ha sido bien establecido que el MPFC modula ascendente actividad de la amígdala, y probablemente desempeña un papel crucial en el condicionamiento del miedo 16. Las evaluaciones de la actividad MPFC también puede ser un indicador útil en el futuro la atención clínica. Por ejemplo, en un estudio previo de los agentes de policía traumatizados, la psicoterapia de exposición aumentó la actividad MPFC y la disminución de la actividad de la amígdala durante la recuperación de la memoria traumática. Estos cambios de neuroimagen se asociaron con los síntomas TEPT disminuyeron 17. Esta instancia de desactivaciones mpfc inducidas-WM es sólo un ejemplo de cómo las métricas de neuroimagen se pueden aplicar a las poblaciones clínicas, y la exploración adicionalde otros componentes de DMN es probable que sea un área fructífera de investigación futura.

En este protocolo, se utiliza la tarea n-back de la memoria de trabajo verbal. La tarea n-back se utiliza ampliamente en la investigación FMRI, y proporciona un encendido seguro de la activación ejecutivo y regiones de desactivación de red de modo predeterminado 18,19. Esta tarea incluye tres componentes, una tarea carta vigilancia 0-back, la tarea 2-back de la memoria de trabajo y de descanso de línea de base para la comparación. Durante la tarea de vigilancia 0-back, los participantes respondieron "sí" cuando apareció un objetivo predeterminado consonante ("H" o "h") y "no" por otras consonantes con un cuadro de respuesta de dos botones, mientras que en el interior del escáner. Seis bloques de control 0-back de 9 consonantes se presentan durante esta tarea. Durante la 2-back, una serie de consonantes se presentan visualmente en 500 ms cada una, con un intervalo inter de 2.500 ms. Los participantes hacen un "sí" o "no"respuesta, después de presentados cada consonante, para indicar si se trata de la misma o diferente de la consonante presentó dos previamente en una serie (por ejemplo., w, N, R, N, R, Q, R, Q, N, W, etc. , con las respuestas correctas se indican en negrita). Durante la 2-back, seis series de 45 segundos de 15 consonantes se presentan. Para realizar correctamente el participante debe mantener un conjunto cognitivo exigiendo que incluye buffering constante fonológica (es decir. La celebración de las consonantes en la memoria a corto plazo), ensayo subvocal fonológica (es decir. Repitiendo consonantes sin articular en voz alta), y la coordinación ejecutiva. En ambos 0 - y los bloques de 2-back, la tasa de presentación es la misma, el 33% de los objetivos se presentan en lugares al azar, y la capitalización es aleatorio para fomentar la codificación verbal. Una línea de base descansando 30 segundos con un punto de fijación en forma de cruz se presenta antes de cada bloque 0-back; esta línea de base se utiliza para subsequcomparaciones rentes de actividad de tarea asociada en comparación con la línea de base durante los análisis de datos.

Tomados en conjunto, los datos existente sugiere que la caracterización de la actividad DMN tarea asociada durante una variedad de tareas puede desempeñar un papel importante en el uso clínico de análisis DMN funcional. Hay otras ventajas de utilizar WM como un reto FMRI en el estrés relacionado con trastornos psiquiátricos. Al igual que en reposo conectividad estado, hay un patrón claro de desactivaciones DMN durante WM en individuos sanos, lo que facilita las comparaciones con muestras clínicas. WM también es un trauma neutral, que puede evitar el desencadenamiento de los síntomas de TEPT clínicos durante la exploración. Por lo tanto, este método también tiene el potencial de ser convertido en un biomarcador de neuroimagen que refleja cómo el cerebro responde a las demandas externas en los trastornos psiquiátricos relacionados con el estrés.

DMN Estructural Conectividad

Mientras que la imagen funcional es capaz de describir el cambios en la conectividad cerebral o actividad asociada con la exposición al estrés, los enfoques funcionales no describen la etiología detrás de los cambios del cerebro observados. Métodos de imagen estructural, tales como imágenes de tensor de difusión (DTI), son capaces de medir y cuantificar la integridad de los tractos de sustancia blanca que conectan las regiones del cerebro. DTI es el enfoque de neuroimagen estructural más común y las medidas de integridad de la materia blanca en base al anisotrópico (es decir direccional) flujo de moléculas de agua a lo largo de los tractos de sustancia blanca, como los flujos de agua predominantemente a lo largo de los tractos de sustancia blanca (frente a través de ellos). Esta diferencia en el flujo direccional se expresa como la anisotropía fraccional (FA). Menores grados de FA se cree que reflejan los cambios microestructurales en tractos de sustancia blanca, que pueden ser manifestaciones de lesión neuronal a partir de una variedad de causas, incluyendo las consecuencias de la exposición al estrés 4. Desde una perspectiva de red, la actividad cerebral coordinada (es decir, en reposo la actividad estatal o cooractividad relacionada con la tarea dinados) debe confiar en las conexiones estructurales. En el caso de los resultados de DMN anteriores, lesión estructural deteriora la comunicación entre los nodos de DMN, lo que lleva a la disminución de la conectividad funcional DMN. Del mismo modo, el aumento de los patrones de desactivación pueden reflejar el daño microestructural que requiere la contratación de mayores áreas de la corteza durante la respuesta a la tarea. Relevante para trastorno de estrés postraumático y la DMN, varios estudios han demostrado la disminución de la FA en el haz cíngulo 20,21, que es el tracto materia blanca que conecta las principales estructuras límbicas del cerebro 22. Es probable que las medidas más precisas que utilizan tractography (es decir, que traza directamente tractos de sustancia blanca en el nivel neuronal) podrán aclarar específicamente que las fibras de materia blanca están implicados en la interrupción de la red. Las ventajas de las imágenes DTI es que es relativamente fácil de adquirir ya que no existen tareas necesarias para llevar a cabo en el escáner.

En la foprotocolo llowing, los enfoques funcionales de reposo conectividad funcional del Estado y la cuantificación de las desactivaciones inducida tareas se combinan con un examen de la conectividad estructural utilizando DTI, con el fin de mapear la estructura y función DMN y relacionar estos hallazgos con la gravedad de la enfermedad y los factores clínicos relevantes en el TEPT . Hemos implementado anteriormente este enfoque en adultos sanos expuestos al trauma 18,23 y se encontró que este protocolo proporciona un método convincente para caracterizar la DMN que se presta a la adaptación al estudio de TEPT y otros tipos de estrés relacionados con enfermedades psiquiátricas.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

Los participantes elegibles firmar consentimiento informado por escrito para participar en el proyecto de investigación. La investigación se lleva a cabo de conformidad con las directrices institucionales, nacionales e internacionales para el bienestar humano.

1. Screening participante y las entrevistas de diagnóstico

  1. Después de consentimiento informado, realizar entrevistas de diagnóstico para verificar el diagnóstico de trastorno de estrés postraumático y la gravedad de la enfermedad. NOTA: Estas medidas incluyen la Entrevista Clínica Estructurada para el DSM-IV-TR (SCID) 24 y la administrada por un médico de PTSD Scale (CAPS) 25, así como el Examen de Estado Mini-Mental de Folstein (MMSE) 26 para evaluar el estado cognitivo.
  2. Pida a los participantes llenar las escalas de autoinforme pertinentes a la tensión y el estado de ánimo.
    NOTA: Estos incluyen el Revisada-Checklist vida estresante (LSC-R) 27, Niñez Trauma Questionnaire (CTQ) 28, Escala de Estrés Percibido (PSS) 29 e inventario rápido de los síntomas depresivoss (QIDS-SR) 30.
  3. Programe los participantes elegibles para la RM, donde los participantes llegan aproximadamente 1 hora antes de la sesión de exploración programada, para revisar los componentes necesarios para la exploración, tales como los procedimientos de estudio de resonancia magnética y de seguridad.
  4. Obtener la orina, el embarazo (cuando proceda), y las pruebas de toxicología antes de escanear.

2. Los participantes de capacitación para realizar la tarea n-back

  1. Comienza la primera carrera con la prueba de la carta vigilancia 0-back.
    1. Instruya a los participantes para indicar "sí" a un objetivo consonante ("h" o "H") a través de una caja con dos botones de respuesta y "No" a todas las demás consonantes.
    2. Mostrar el participante 9 consonantes de 500 ms cada uno, con un tiempo de 2,500 ms interstimulus, para un total de 27 segundos, y pedirle que contestara según lo indicado anteriormente. NOTA: La consonante objetivo se muestra 4 veces dentro de cada bloque 0-back.
  2. A continuación, haga que los participantes practicar el 2-baprueba ck.
    1. Instruya a los participantes a dar una respuesta "Sí" o "No" en el cuadro de respuesta de dos botones, después de presentados cada consonante, para indicar si se trata de la misma o diferente de la consonante presentó dos previamente en una serie.
    2. Mostrar al participante una serie de 15 consonantes, de 500 ms cada una, con un intervalo inter de 2500 ms, para un total de 45 segundos. NOTA: Un estímulo objetivo aparece 5 veces.
  3. Capacitar a los participantes para llevar a cabo la tarea n-back fuera del escáner, hasta que llega a su rendimiento> 75% de aciertos en el componente 2-back. NOTA: Los parámetros anteriores se pueden automatizar mediante el software de presentación de estímulos (véase la Tabla de Materiales / Equipos).

3. RM Adquisición

  1. Haga que el cambio de los participantes en la ropa compatible con resonancia magnética, y llevarlos dentro de un 3 Tesla MRI sala del escáner. Pídales que usen tapones para los oídos para la protección auditiva, y luego se acueste en una camilla que duraranl en última instancia los trasladan a la mitad de la máquina de resonancia magnética.
    1. Coloque cojines alrededor de su cabeza para minimizar el movimiento de cabeza. Les proporcionan el cuadro de respuesta compatible con la RM para la tarea de memoria de trabajo n-back, apriete el bulbo para detener la exploración en caso de una emergencia, y colocar un oxímetro de pulso en el dedo para el monitoreo y registro fisiológico.
    2. Coloque la cabeza de bobina de 32 canales y presentación de pantalla sobre la cabeza del participante, y moverlos hacia el centro del escáner.
  2. Asegúrese de que el participante se sienta cómodo y se puede ver la pantalla y, a continuación, iniciar el MRI sesión de digitalización. Comience con la adquisición de alta resolución (1 mm 3) escáneres cerebrales anatómicas. Introduzca los parámetros de resonancia magnética de alta resolución en la consola del escáner en tiempo de eco (TE) = 2,98 ms, Tiempo de repetición (TR) = 1900 ms, campo de visión (FOV) = 256 mm 2 y la matriz de tamaño 64 2 en rodajas de 1 mm. Inicie la adquisición MRI pulsando el botón "Ejecutar" en la exploraciónconsola ner.
  3. Establezca los parámetros de adquisición de imágenes BOLD FMRI en la consola escáner como TR = 2500 ms, TE = 28 ms, FOV = 192 mm 2, y la matriz de tamaño 64 2 de 3 mm cortes axiales.
  4. A continuación, obtener imágenes FMRI en la memoria de trabajo, mediante la prueba n-back (ver apartado 2) con los siguientes parámetros:
    1. Presentar una cruz de fijación 30 seg línea de base, para el paciente, antes de cada uno de los bloques del 0-back que utilizan el software de presentación de estímulo. NOTA: Esto proporcionará una base de comparación para el otro 0 - y los bloques 2-back durante el análisis de datos.
    2. Proyecte las instrucciones para el paciente durante 3 segundos antes de cada 0 o tarea 2-back con el software de la presentación del estímulo.
    3. En total, se incluyen tres porciones 0-back y 2-back junto con dos bloques de referencia, en dos carreras de formación de imágenes, que se presentan con el fin de contra-balanceado.
  5. Presione "Ejecutar" en la consola del escáner de resonancia magnética para empezar.
  6. Después de la terminación de la n-back, garantizar laparticipante es cómodo y listo para seguir adelante. Dígales que el bloque de descanso es el siguiente, y decirles que no dormirse. Utilice el software de presentación de estímulo para mostrar una cruz de fijación en la pantalla.
  7. Adquirir descansando imágenes de estado para el próximo 4 minutos, con la misma configuración FMRI como se utiliza para adquirir imágenes n-back (ver 3.3), pulsando el botón "Ejecutar" en la consola del escáner de resonancia magnética.
  8. Repita los pasos 3.4. y 3,5. Antes de cada nueva sección, pida al participante si se sienten cómodos y si son capaces de continuar. Si son capaces, siguen el protocolo. Si no es así, haga una pausa el equipo de resonancia magnética y hacer los ajustes para la comodidad como sea necesario.
  9. A continuación, decirle al participante que el escáner puede estar temblando en las próximas secuencias, y darles instrucciones para que cierren los ojos y relajarse lo mejor que puedan en el escáner. Luego de adquirir una secuencia DTI pulsando el botón "Ejecutar" en la consola del escáner.
  10. Establezca los parámetros de adquisición de imágenes de DTI en el con escánerúnica a doble espín imágenes eco-planar de difusión (DWI), con gradientes de difusión aplicadas en 64 direcciones no colineales (b = 1,000), un DWI para cada dirección del gradiente y 10 no ponderado (b = 0) Imágenes de normalización, TR = 10 060 ms, TE = 103 ms, FOV = 226 mm, 128 2 matriz, grosor de corte = 1,8 mm, con ecos parciales e interpolación en.
  11. Retire el participante desde el escáner, y preguntar acerca de la forma en la sesión fue. Responda a todas las preguntas que puedan tener, y darles las gracias por su participación. Haga que el equipo escáner de resonancia magnética escribir un DVD con imágenes de los participantes y la grabación de los datos fisiológicos posterior análisis.

4. Análisis de Datos

  1. Preprocesamiento de datos
    1. El uso de software de procesamiento de FMRI, reconstruir los datos en bruto en los conjuntos de datos 3D + tiempo, concatenar y registrarse para el quinto volumen de la primera serie, para minimizar el movimiento del artefacto y los parámetros de corrección de movimiento ceder. Aplicar el filtrado de paso de banda (0,009-0,08 Hz) para aislar el dominio de la frecuencia DMN y reducir los efectos de baja deriva de frecuencia y el ruido de alta frecuencia. NOTA: Las variables de puro estorbo para cada voxel deben incluir ventrículo normal y de series de tiempo de la sustancia blanca, así como 6 estimaciones de los parámetros de movimiento de la cabeza; estas estimaciones deben incluir ambos valores degradado y de derivados. La evolución en el tiempo previsto de las variables de molestia debe ser removido de la serie de tiempo completo voxel para producir un conjunto de datos de series de tiempo "residuales" que se utilizarán para el análisis de correlación más tarde 31.
    2. Datos de escalas para normalizar dentro de una serie de intensidad, y los datos suaves de hasta un 4 mm de ancho completo la mitad del máximo (FWHM) del kernel de Gauss. Censor de imágenes con más de 1,5 mm de desplazamiento del conjunto de datos 32. No lleve a cabo la regresión de la señal global (GSR), ya que puede influir en GSR correlaciones en los datos del estado de reposo 33,34.
  2. Descansar análisis de conectividad del Estado
    1. Utilice semillas región conectividad analiza para evaluarla relación entre definida a priori regiones para evaluar la conectividad funcional 11. NOTA: Las semillas que se incluyen son los principales nodos anterior y posterior de la DMN, el MPFC y PCC, respectivamente. Coordenadas funcionales de estas ubicaciones son generalmente superiores a las ubicaciones atlas-definido 35.
    2. Extracto de la serie de media hora BOLD de estas semillas y llevar a cabo un análisis de correlación de todo el cerebro. Transformar los valores de R de correlación de las puntuaciones Z 36 para la prueba de hipótesis posterior.
      1. Comparar los valores de Z entre los grupos en un voxel por voxel base para evaluar las diferencias significativas en la conectividad funcional entre el TEPT y los controles como medida de resultado primaria. Umbral de estos resultados en una significación de dos colas de p <0,05, utilizando la familia de sabios (es decir cluster) de corrección de errores. NOTA: La corrección Cluster se genera utilizando simulaciones de Monte Carlo para estimar la probabilidad de grupos de falsos positivos. Utilice algorith estadísticams para calcular la corrección de clúster en función del FOV, resolución, la suavidad y la intensidad de la señal en el nivel de voxel individuo 37.
    3. Para evaluar la relación entre los síntomas clínicos y los resultados de las imágenes, realizar el seguimiento de los análisis que incluyen las correlaciones entre las puntuaciones de la escala de calificación y puntaje Z de la conectividad de las regiones DMN. Incluir análisis de correlación que cuenta para obtener información demográfica relevante, como la gravedad de la depresión, lesión cerebral traumática, así como la educación y otras variables asociadas.
  3. Los análisis de la memoria de trabajo
    1. Utilice el software de procesamiento FMRI para pre-procesar los datos y basada en voxel GLM para cuantificar la actividad específica de la tarea en cada voxel del cerebro de los conjuntos de datos individuales 11,31. NOTA: Las variables independientes en el GLM son el curso temporal de descanso y el 0 - 2 y las tareas de devolución (incluyendo transiciones hemodinámicos modeladas en función gamma) y covariables (deriva lineal y observard movimiento), con la señal BOLD con el tiempo como la variable dependiente.
    2. Promedio resultante pesos beta GLM entre regiones DMN especificados. NOTA: Estas respuestas n-back promediados a partir de datos de nivel individual sirven como medida básica de la actividad cerebral en los análisis estadísticos a nivel de grupo subsiguientes.
    3. Usar análisis de covarianza para examinar las diferencias de nivel de grupo entre los grupos de TEPT y no TEPT y para estimar los efectos de dificultad de la tarea (por ejemplo, las comparaciones de actividad durante 0 - Tareas 2-back vs) en cada región DMN; También incluya el análisis de las medidas de control estadístico pertinentes según sea necesario durante el reposo analiza el estado en 4.2.
  4. Conectividad Estructural Utilizando DTI
    1. Preprocesamiento
      1. El uso de software de procesamiento de imágenes DTI, co-registro no difusión (es decir. B = o) para corregir los artefactos de movimiento, y el uso como imagen de una normalización de las imágenes potenciadas en difusión posteriores. Utilice una transformación afín 12 parámetrospara registrar las imágenes potenciadas en difusión para dar cuenta de los artefactos de movimiento y por corrientes de Foucault.
      2. Asegúrese de que el vector de gradiente para cada dirección de difusión se hace girar para tener en cuenta las transformaciones anteriores para modelar apropiado. Calcula un tensor de difusión de segundo orden por voxel de las atenuaciones de señal ponderadas de difusión mediante un procedimiento de ajuste no lineal restringida 38.
      3. Utilice las imágenes potenciadas en difusión para calcular valores propios, vectores propios y los mapas de anisotropía fraccional de difusión.
    2. Utilice software tractography cuantificar la integridad de la del haz del cíngulo. Utilizar atlas estándar para la selección región de semillas, tales como los que por Mori et al. 39 y Catani y De Schotten 40. Filtrar tractography resultante a través de una región de la exclusión de la línea media para eliminar las fibras que cruzan entre los hemisferios. Calcula media FA, rastro, axial y la difusividad radial para todos los voxels por las que pasa el haz del cíngulo. </ Li>
    3. Use modelo mixto ANOVA para cada medida de difusión, con el hemisferio como una variable intrasujeto, para comparar las diferencias de grupo entre el TEPT y los participantes no TEPT, estadísticamente se controlan otros factores, como la gravedad de la depresión, el abuso de sustancias, LCT leve y la educación y demográfico variables utilizando ANCOVA.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

Los resultados representativos se basan en los datos recopilados utilizando el mismo enfoque de formación de imágenes en dos muestras diferentes de individuos con antecedentes de trauma infantil y el maltrato, pero sin TEPT 21,22. Los resultados de reposo conectividad funcional estado análisis revelaron un patrón espacial coherente con los principales nodos de la DMN (Figura 1) 1-3,8 incluyendo la MPFC, PCC, giro angular / lóbulo parietal inferior y regiones temporales medias. La confirmación de esta distribución espacial sirve como una comprobación inicial de validez, y permite la comprobación de hipótesis posterior.

Los patrones de la actividad cerebral durante la memoria de trabajo se muestran en la Figura 2. Las imágenes de la componente 2-back (Figura 2a) muestran aumento de la activación en la red ejecutiva que co-produce con desactivación en el DMN. La activación en regiones ejecutivas, como la circunvolución frontal media, el área motora suplementaria y inferior lóbulo parietal se representan en color naranja y rojo, yuxtapuesta a la desactivación de las regiones DMN (es decir mPFC, PCC y medial regiones temporales) aparecen en azul. Este patrón es coherente con la literatura 11,41 n-back antes y sirve como una comprobación de validez antes de proceder a la prueba de hipótesis. Figura 2B muestra los resultados de la componente de 0-posterior de la n-back, lo que demuestra la desactivación modesta, en particular en el PCC , pero sin una fuerte desactivación MPFC. Activación moderada también se observa en la corteza frontal medial.

Por último, la medida del haz cíngulo, según lo revelado por tractography probabilístico, se muestra en la Figura 3. Imágenes tridimensionales muestran la forma general y la distribución de las fibras cingulum, que más o menos trazan la forma general de regiones DMN (Figura 3a). Para verificar la exactitud de las fibras que se muestran, se recomienda que estos resultados pueden superponer con un indivi Ruedas gemelas 'mapa cortical (por ejemplo, generados por los programas que diferencian a las regiones corticales específicas). Figura 3b muestra el blanco tracto materia que pasa a través de la MPFC y el PCC, y la Figura 3c muestra extensiones que alcanzan las regiones temporales mediales. Esto asegura que el grupo posterior analiza incluir fibras que conectan las regiones cerebrales pertinentes.

Figura 1
Figura 1. Descansar Estado Funcional Mapa de Conectividad de la red de modo predeterminado. Estas imágenes muestran una pantalla sagital de áreas DMN expositoras conectividad funcional positiva significativa con el PCC. Las imágenes se thresholded a una p <0,05, corregido para comparaciones múltiples. Las coordenadas X de cada rebanada se muestran en la parte inferior izquierda de la imagen correspondiente.

ays "> Figura 2
Figura 2. Espacial del patrón de activación Durante la Memoria de Trabajo. a) Sección sagital del cerebro para ilustrar los patrones asociados a la tarea de memoria de trabajo 2-back. Los patrones de activación en la red ejecutiva se ilustran en naranja / rojo y desactivación DMN se muestra en azul. Las imágenes se thresholded en p <0,05 y corregidos para comparaciones múltiples. B) demuestra actividad 0-back, que se combina normalmente con la memoria de trabajo para el control de la atención. Patrones de activación están en naranja / rojo y la desactivación en azul; evidente aquí es un poco de desactivación DMN con poca activación ejecutivo. Las imágenes se thresholded en p <0,05, corregido para comparaciones múltiples.

g "width =" 500 "/>
Figura 3. Probabilístico Tractografía / Estructural Conectividad del cíngulo Bundle. A) muestra la forma tridimensional y el patrón de estas fibras, con secciones transversales del cerebro incluidos para referencia visual; b) ilustra cómo estas fibras viajan a través del MPFC y PCC (rojo y azul, respectivamente), y c) demuestra cómo estas fibras viajan a través del componente temporal medial de la DMN.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

Los dos pasos más importantes para la implementación exitosa del protocolo de neuroimagen están capturando con precisión el estado de reposo y de trabajo los efectos de memoria.

Conceptualmente, la adquisición de imágenes de estado de reposo es sencillo. Puesto que no hay tarea que realizar, los experimentadores a menudo describen la actividad cerebral durante estas épocas como "descanso". Sin embargo, ya que este campo es relativamente nuevo en comparación con otras áreas de la neuroimagen 1, no existe un consenso explícito de cómo definir con precisión "resto "en el escáner. La mayoría de los protocolos, incluido éste, pida a los participantes para ver una cruz de fijación en una pantalla. La duración de la consulta del estado de reposo individuo también es muy variable en la literatura, generalmente en el intervalo de 4 a 12 min, y ya sea con los ojos abiertos o los ojos cerrados 42. En este protocolo, dos exploraciones 4 min se implementaron un total de 8 min, con los ojos abiertos, viendo una sencilla cruz de fijación de blancos de nuevoer un fondo negro. La investigación futura se beneficiaría en gran medida de la aceptación de un enfoque estandarizado para la adquisición de datos en reposo estado para facilitar la generalización entre los estudios.

Otro tema crítico durante descansando adquisición estatal es el impacto de movimiento de la cabeza. Investigaciones recientes han demostrado claramente que el movimiento durante descansando exploraciones estatales lleva a correlaciones falsas en la conectividad funcional posterior análisis 43-45. Por lo tanto, los participantes deben permanecer lo más inmóvil posible durante toda la sesión de digitalización descansando estado. Durante el desarrollo del protocolo, los participantes altamente ansiosas no fueron capaces de permanecer inmóvil durante mucho tiempo, a menudo del orden de 4 a 5 min. Como reflejo de esta experiencia, varios procedimientos pueden minimizar el impacto del movimiento participante, incluyendo la adquisición de dos exploraciones del estado de descanso 4 min y censurar las imágenes con movimiento mayor que 1,5 mm (correspondiente a 1/2 del voxel) 32. Censurar nada menor que 1 mm movimiento (por ejemplo, 0,5 mm) en los participantes clínicos puede conducir a la reducción de datos que compromete aún más los análisis de datos.

Otro componente crítico en la adquisición de imágenes es la importancia de la práctica de las tareas de memoria de trabajo antes de la proyección de imagen. Desde el principio del interés superior de este protocolo se encuentra en la desactivación de la DMN en respuesta a demandas de las tareas difíciles, la red ejecutiva debe estar suficientemente desafiado. Esto requiere un equilibrio cuidadoso entre la abrumadora participante clínica (que pueden tener ansiedad significativa) y la captura de imágenes durante el desafío cognitivo. Este equilibrio puede ser golpeada por tener el participante practica la tarea de memoria de trabajo fuera del escáner. Esto normalmente se realiza mientras se está sentado en una habitación separada, utilizando un dispositivo de entrada idénticas (si es posible) como se utiliza en el escáner. Una puntuación rápida de los resultados conductuales n-back revela si los participantes están realizando adecuadamente. También es importante recordarNo se espera que los participantes de que el experimento está diseñado para inducir esfuerzo cognitivo y una puntuación perfecta. En estudios anteriores, desactivaciones DMN se produjeron de manera similar con respuestas tanto correctas como incorrectas 18,23. Esto se podría esperar dada la naturaleza del paradigma n-back, lo que provoca un conjunto cognitivo que requiere funciones cognitivas coherentes en la tarea, independientemente de la exactitud de la respuesta dada.

Este enfoque tiene varias limitaciones, que son inherentes a un campo que avanza rápidamente. Por ejemplo, el término DMN fue acuñado en 2001, por lo que es razonable suponer que los métodos de imagen para caracterizar su estructura y función siguen siendo, si no es en la infancia, en la adolescencia temprana. Nuevos protocolos de imagen y los parámetros se están desarrollando constantemente relevante para el estrés relacionado con trastornos psiquiátricos 23,46, planteando la cuestión de si los resultados anteriores pueden ser replicados utilizando diferentes enfoques. Otra excelente explo de esto es el efecto de movimiento en las imágenes del estado de reposo, que obtuvo un amplio reconocimiento en 2012 43-45. Si bien los investigadores actuales implementan procedimientos de corrección de movimiento, la falta de esta corrección complica la interpretación de los datos publicados anteriormente. Otro ejemplo importante es la controversia sobre la eliminación de la señal global, que es una técnica de procesamiento previo común utilizado para reducir el ruido, pero puede inducir correlaciones falsas en reposo los datos del estado 33,34.

En resumen, este protocolo utiliza el estado de reposo complementaria, la memoria de trabajo y los métodos de neuroimagen estructural para visualizar el DMN. La principal ventaja de este enfoque es su evaluación multimodal de una sola red cerebral; cada uno de estos enfoques de neuroimagen proporciona información única y complementaria con respecto a la función de esta importante red. Si bien se utilizó el protocolo descrito aquí para caracterizar los correlatos de la exposición al estrés, las combinaciones de cualquiera or todos estos enfoques se prestan a un mayor desarrollo de neuroimagen como biomarcadores de trastornos del estado de ánimo y de ansiedad.

Subscription Required. Please recommend JoVE to your librarian.

Acknowledgments

Generación de datos representativos fue apoyado por el NIH subvención R01HL084178, 5R01MH068767-08, y las subvenciones del Fondo de Brown MRI Fundación de Investigación y Rhode Island. VA RSE + D Beca 1 IK2 CX000724-01A2 apoyaron el desarrollo del protocolo y el trabajo futuro. Agradecemos a todos nuestros participantes.

Materials

Name Company Catalog Number Comments
3T TIM TRIO Siemens 3T MRI 
MRI-compatible pulse oxymeter Siemens model # 07389567
Analysis of Functional Neuroimaging NIH http://afni.nimh.nih.gov/ Data analysis software package
Eprime Psychology Software Tools, LLC http://www.pstnet.com/eprime.cfm Stimulus presentation software
Slicer Brigham and Women's Hospital http://www.slicer.org/ Probabilistic tractography software

DOWNLOAD MATERIALS LIST

References

  1. Raichle, M. E., et al. A default mode of brain function. Proc Natl Acad Sci U S A. 98, 676-682 (2001).
  2. Fransson, P. How default is the default mode of brain function? Further evidence from intrinsic BOLD signal fluctuations. Neuropsychologia. 44, 2836-2845 (2006).
  3. Fransson, P., Marrelec, G. The precuneus/posterior cingulate cortex plays a pivotal role in the default mode network: Evidence from a partial correlation network analysis. Neuroimage. 42, 1178-1184 (2008).
  4. Conrad, C. D., et al. Chronic glucocorticoids increase hippocampal vulnerability to neurotoxicity under conditions that produce CA3 dendritic retraction but fail to impair spatial recognition memory. J Neurosci. 27, 8278-8285 (2007).
  5. Patel, R., et al. Disruptive effects of glucocorticoids on glutathione peroxidase biochemistry in hippocampal cultures. J Neurochem. 82, 118-125 (2002).
  6. Bluhm, R. L., et al. Alterations in default network connectivity in posttraumatic stress disorder related to early-life trauma. J Psychiatry Neurosci. 34, 187-194 (2009).
  7. Lanius, R. A., et al. Default mode network connectivity as a predictor of post-traumatic stress disorder symptom severity in acutely traumatized subjects. Acta Psychiatr Scand. 121, 33-40 (2010).
  8. Sripada, R. K., et al. Neural dysregulation in posttraumatic stress disorder: evidence for disrupted equilibrium between salience and default mode brain networks. Psychosom Med. 74, 904-911 (2012).
  9. Greicius, M. D., et al. Functional connectivity in the resting brain: a network analysis of the default mode hypothesis. Proc Natl Acad Sci U S A. 100, 253-258 (2003).
  10. Fox, M. D., Greicius, M. Clinical applications of resting state functional connectivity. Front Syst Neurosci. 4, 19 (2010).
  11. Sweet, L. H., et al. Effects of nicotine withdrawal on verbal working memory and associated brain response. Psychiatry Res. 183, 69-74 (2010).
  12. Samuelson, K. W., et al. Neuropsychological functioning in posttraumatic stress disorder and alcohol abuse. Neuropsychology. 20, 716-726 (2006).
  13. Vasterling, J. J., et al. Attention and memory dysfunction in posttraumatic stress disorder. Neuropsychology. 12, 125-133 (1998).
  14. Yehuda, R., et al. Learning and memory in combat veterans with posttraumatic stress disorder. Am J Psychiatry. 152, 137-139 (1995).
  15. Moores, K. A., et al. Abnormal recruitment of working memory updating networks during maintenance of trauma-neutral information in post-traumatic stress disorder. Psychiatry Res. 163, 156-170 (2008).
  16. Rougemont-Bucking, A., et al. Altered processing of contextual information during fear extinction in PTSD: an fMRI study. CNS Neurosci Ther. 17, 227-236 (2011).
  17. Peres, J. F., et al. Police officers under attack: resilience implications of an fMRI study. J Psychiatr Res. 45, 727-734 (2011).
  18. Philip, N. S., et al. Early life stress is associated with greater default network deactivation during working memory in healthy controls: a preliminary report. Brain Imaging Behav. 7, 204-212 (2013).
  19. Sweet, L. H., et al. Imaging phonological similarity effects on verbal working memory. Neuropsychologia. 46, 1114-1123 (2008).
  20. Abe, O., et al. Voxel-based diffusion tensor analysis reveals aberrant anterior cingulum integrity in posttraumatic stress disorder due to terrorism. Psychiatry Res. 146, 231-242 (2006).
  21. Kim, S. J., et al. Asymmetrically altered integrity of cingulum bundle in posttraumatic stress disorder. Neuropsychobiology. 54, 120-125 (2006).
  22. Vogt, B. A., et al. Functional heterogeneity in cingulate cortex: the anterior executive and posterior evaluative regions. Cereb Cortex. 2, 435-443 (1992).
  23. Philip, N. S., et al. Decreased default network connectivity is associated with early life stress in medication-free healthy adults. Eur Neuropsychopharmacol. 23, 24-32 (2013).
  24. First, M. B., Spitzer, R. L., Gibbon, M., Williams, J. B. W. Structured Clinical Interview for Axis I DSM-IV Disorders. (1994).
  25. Blake, D. D., et al. The development of a clinician-administered PTSD scale. J Trauma Stress. 8, 75-90 (1995).
  26. Folstein, M. F., et al. Mini-mental state'. A practical method for grading the cognitive state of patients for the clinician. J Psychiatr Res. 12, 189-198 (1975).
  27. Wolfe, J. W., Kimerling, R., Brown, P. J., Chrestman, K. R., Levin, K. Psychometric review of The Life Stressor Checklist-Revised. Sidran Press. (1996).
  28. Bernstein, D. P., Fink, L. Childhood trauma questionnaire: a retrospective self-report. Pearson Education, Inc. (1998).
  29. Cohen, S., et al. A global measure of perceived stress. J Health Soc Behav. 24, 385-396 (1983).
  30. Rush, A. J., et al. The 16-item quick inventory of depressive symptomatology (QIDS), clinician rating (QIDS-C), and self-report (QIDS-SR): A psychometric evaluation in patients with chronic major depression. Biol Psychiatry. 54, 573-583 (2003).
  31. Reynolds, R. AFNI program: afni_proc.py. http://afni.nimh.nih.gov/pub/dist/doc/program_help/afni_proc.py.html. (2006).
  32. Posner, J., et al. Antidepressants normalize the default mode network in patients with dysthymia. JAMA Psychiatry. 70, 373-382 (2013).
  33. Murphy, K., et al. The impact of global signal regression on resting state correlations: are anti-correlated networks introduced. Neuroimage. 44, 893-905 (2009).
  34. Saad, Z. S., et al. Trouble at rest: how correlation patterns and group differences become distorted after global signal regression. Brain Connect. 2, 25-32 (2012).
  35. Shirer, W. R., et al. Decoding subject-driven cognitive states with whole-brain connectivity patterns. Cereb Cortex. 22, 158-165 (2012).
  36. Fisher, R. A. Frequency distribution of the values of the correlation coefficient in samples of an indefinitely large population. Biometrika. 10, 507-521 (1915).
  37. Cox, R. W. AFNI program: 3dClustSim. http://afni.nimh.nih.gov/pub/dist/doc/program_help/3dClustSim.html. (2010).
  38. Smith, S. M., et al. Tract-based spatial statistics: voxelwise analysis of multi-subject diffusion data. Neuroimage. 31, 1487-1505 (2006).
  39. Mori, S., Wakana, S., Nagae-Poetscher, L. M., van Zijl, P. C. M. MRI Atlas of Human White Matter. (2005).
  40. Catani, M., Thiebaut de Schotten, M. A diffusion tensor imaging tractography atlas for virtual in vivo dissections. Cortex. 44, 1105-1132 (2008).
  41. Sweet, L. H., et al. Default network response to a working memory challenge after withdrawal of continuous positive airway pressure treatment for obstructive sleep apnea. Brain Imaging Behav. 4, 155-163 (2010).
  42. Cole, D. M., et al. Advances and pitfalls in the analysis and interpretation of resting-state FMRI data. Front Syst Neurosci. 4, 8 (2012).
  43. Power, J. D., et al. Spurious but systematic correlations in functional connectivity MRI networks arise from subject motion. Neuroimage. 59, 2142-2154 (2012).
  44. Satterthwaite, T. D., et al. Impact of in-scanner head motion on multiple measures of functional connectivity: relevance for studies of neurodevelopment in youth. Neuroimage. 60, 623-632 (2012).
  45. Van Dijk, K. R., et al. The influence of head motion on intrinsic functional connectivity MRI. Neuroimage. 59, 431-438 (2012).
  46. Philip, N. S., et al. Regional homogeneity and resting state functional connectivity: associations with exposure to early life stress. Psychiatry Res. 214, 247-2453 (2013).
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Philip, N. S., Carpenter, S. L., Sweet, L. H. Developing Neuroimaging Phenotypes of the Default Mode Network in PTSD: Integrating the Resting State, Working Memory, and Structural Connectivity. J. Vis. Exp. (89), e51651, doi:10.3791/51651 (2014).More

Philip, N. S., Carpenter, S. L., Sweet, L. H. Developing Neuroimaging Phenotypes of the Default Mode Network in PTSD: Integrating the Resting State, Working Memory, and Structural Connectivity. J. Vis. Exp. (89), e51651, doi:10.3791/51651 (2014).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter