Waiting
Login processing...

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

Neuroscience

事件相关电位 (ERPs) 和其他基于脑电图的提取大脑功能障碍生物标志物的方法:从小儿注意力缺陷/多动障碍 (ADHD) 中的例子

Published: March 12, 2020 doi: 10.3791/60710

Summary

脑电图方法用于提取脑功能障碍的生物标志物。重点是在 CUed GO/NOGO 任务中记录的多通道事件相关电位 (ERP)。非脑伪影得到纠正,ERP与规范数据进行比较。示例涉及多动症诊断和药物反应预测的生物标志物。

Abstract

神经精神病学诊断,如多动症是基于主观的方法,如采访,评级尺度和观察。需要更多的基于大脑的补充剂。兴奋剂药物是多动症最常见的治疗方法。临床上有用的反应预测器迄今尚未报告。本文的目的是描述我们应用的基于脑电图的方法,以提取脑功能障碍的潜在生物标志物。示例涉及小儿多动症的生物标志物和药物响应预测。主要重点是事件相关潜力 (ERP)。

在 3 分钟睁开眼睛的任务、3 分钟闭眼任务和 20 分钟视觉 GO/NOGO 任务 (VCPT) 期间,将记录 19 个通道 EEG。在此任务期间记录 ERP。ERP协议的目标是提取假定的大脑功能障碍的生物标志物,从而显著区分患者群体和健康对照组。该协议包括在标准条件和工件校正期间进行记录。ERP 波可用于或转换为潜在组件。患者组的组与对照组进行比较,使情感成分在比较时显示相对较高的效果大小。根据组件空间中的聚类分析选择患者的子组。可以应用治疗程序(如药物、tDCS 或神经反馈协议),并观察与子组治疗相关的组位变化,为临床建议奠定基础。

所述方法应用于对87名小儿多动症患者的研究。药物反应指数在反应者和非应答者之间差异很大,具有较大且临床上有意义的效果大小(d = 1.84)。在一项正在进行的研究中,将多动症儿童与匹配对照进行比较,有几个变量在患者和对照组之间存在显著差异。全局索引将超过d = .8。这里描述的基于脑电图的方法在临床上可能有意义。

Introduction

2008年,由NIMH发起的研究领域标准(RDoC)项目1出版,旨在找到一个生物学上有效的理解精神障碍的框架。2013 年,美国食品和药物管理局 (FDA) 批准了首个基于 EEG 的多动症生物标志物,以帮助评估 6 至 17 岁患者的多动症。神经精神病学脑电图评估辅助系统(NEBA)记录脑电图15-20分钟。它基于计算在多动症儿童和青少年中比一般发育中的儿童2高的ta/beta比率。最近的出版物发现,这个比率没有捕获所有多动症3。

临床神经科学的大量出版物表明,认知控制受损是许多精神疾病的常见特征,包括多动症、精神分裂症、抑郁症和OCD44,5。5从理论上讲,认知控制包括假设的操作,使人们能够灵活地适应目标和背景。两种不同类型的认知控制,主动和反应控制,被描述6。我们主要关注认知控制的被动模式。主动认知控制包括工作记忆(即保持感官和运动事件几秒钟)。反应性认知控制包括监测、检测冲突77、88和行动抑制(见评论见9,9、10)。

GO/NOGO范式对认知控制11、12、13、14、15很敏感。11,12,13,14,15GO刺激从大脑区域引起正波动。(P3 GO)。由NOGO刺激引起的前分布正N2和P3 NOGO波与检测冲突和行动抑制16、17、18、19,18,相关16,19N2波已被理解为抑制行动的指标,但最新研究表明,N2波与频繁的GO刺激和冲突检测20有关。行动抑制与前中央站点的 P3 NOGO 波有关。

N2/P3 二分法可能不正确。有人质疑,ERP波,尤其是那些代表认知控制,是几个来源的总和,可能重叠的位置和时间14,21。14,

为了,解开ERP波的源,使用了15、22、23、24,22,23的盲源分离方法。24在圣彼得堡人脑研究所的研究中,N2d NOGO波已经分解。检测到隐藏组件。这些组件具有不同的地形和功能意义。其中只有一人与14、15、25、26,15,25,26号冲突的侦破有关。在大多数成人多动症研究中,P3 NOGO与匹配,的健康对照组27、28、29、30、31、32,28,29相比较小。30,31,32

当GO/NOGO范式中的ERPs被分析14,15,15时,在认知控制任务期间进行的大脑操作似乎没有正确解释N2/P3二分法。已经使用了几种旨在从ERP波中分离隐藏组件的方法(关于审查,见21)。一些研究对患者群体(如精神分裂症患者29岁)和多动症33、34岁的成年人(AICA)使用独立成分分析(ICA),试图在没有诊断的情况下将患者从对照中区分出来。

在(Yeredor,2010年,第25页.75),建议并调整一种新方法,用于ERP。它是一种基于交叉方差矩阵联合对角化过程的盲源分离方法。为了研究在古格/NOGO范式中应用这种方法的这种潜在成分的功能意义,人类大脑研究所的一项研究最近于26日实施。在这项研究中,通过修改cued GO/NOGO任务,独立地操纵了行动抑制操作和冲突检测操作。发现了一个隐藏组件,被认为反映了对冲突的检测。N2样的响应和前地形是该成分35的特征。在需要抑制准备动作的试验中,可以看到中央地形和P3样的反应。

在本出版物中,报告的研究使用了传统的ERP方法。应用ICA,或交叉方差矩阵25(第75页)的联合对角化程序迄今尚未完成。一般来说,基于不同方法的结果彼此一致,但发现潜在成分的方法似乎更纯粹地与独特的神经心理功能相关。本文旨在对WinEEG方法进行详细的描述。重点是ERP,但GO/NOGO任务中的脑电图谱和行为数据也包含在为说明WinEEG方法而描述的研究中。

Protocol

协议中描述的设备经医院当局道德批准,用于临床目的。区域医学研究伦理委员会核准了上述项目。

1. 用于电子数据器记录的硬件和软件

  1. 根据制造商的协议,使用放大器(例如 Mitsar 201)进行 EEG 放大。WinEEG 软件和两台互连的计算机:EEG 和按钮按下记录的主计算机,以及主计算机控制的从机,用于刺激演示。
  2. 按照国际 10-20 系统,使用头部放置 19 个电极的盖。
    注:所需设备、盖、电极、凝胶等可以从多家制造商获得。
  3. 将患者/受试者放在舒适的椅子上,放在没有背光的隔音室中。
  4. 使用默认的参考蒙太奇(参考)。以后与 HBi 数据库进行比较;将蒙太奇更改为普通平均值 (Av)。

2. 能力和教育

  1. 确保参与脑电图注册、数据解释、临床使用和研究的每个人都必须具备必要的专业背景和使用WinEEG的具体培训。

3. 通知患者/参与者

  1. 告知患者/受试者,手术不危险,不会造成伤害。
    注:用凝胶填充 19 孔所需的注射器并不锋利。
  2. 告诉孩子们,研究人员不能读懂他们的想法。告诉他们,在每个大脑中都会发生一些电活动。为了阅读它,研究人员需要这种设备。大脑没有任何问题,但研究人员希望看到大脑放松时是如何工作的,以及何时必须处理一项任务。
  3. 将设备留在原位 10 分钟。
    注:在这段时间里,最小的孩子可以看卡通,如果他们想。有时,父母默默地出现在房间的后面,直到孩子感到安全。
  4. 告知受试者考试大约需要一个小时。当设备正确放置时,请闭着眼睛告诉受试者放松3分钟,然后睁开眼睛放松3分钟。

4. 创建脑电图数据文件

注: WinEEG 分别拥有自己的内置数据库,用于存储原始 EEG 文件(扩展 - .eeg)、EEG 光谱(扩展 - .spec) 和 ERP 文件(扩展 - .erp)。数据库自动创建,最初存储在 WinEEG/数据、WinEEG/spec 和 WinEEG/erp 文件夹中。

  1. 要启动与患者的会话,请通过单击菜单文件创建相应的 EEG 数据文件 |新。病人的卡出现在屏幕上。
    注: 使用以下格式:放入要测试的人员的姓名或代码中。放入出生日期(DD)。毫米。YYYY),和M或F的性。根据需要使用患者卡上的其他开放字段。

5. 设备的准备

  1. 使用小颜色编码带测量头部的周长,以找到帽子的正确尺寸。使用小补丁擦去耳垂和额头上的油。测量鼻附距(例如 35 厘米)。前极电极的中心应落在高于切口(例如 3.5 厘米)的 10% 水平线上。
    注:患者的头发必须清洁(没有头发产品等)和干燥。
  2. 在耳垂上放一些皮肤准备凝胶(例如,Neuprep)。用导电电凝胶(例如 Ten20)填充耳电极杯,并戴上耳电极。确保这些电缆的另一端连接到放大器。
  3. 告诉受试者,耳垂电极捕获房间中的"噪声电",从头部中减去,看看头部中没有噪音的是什么。
  4. 将盖子对称地放在头上,将前极电极置于上面所述的位置。尽可能将盖拉下,以确保其靠近头部。
  5. 将腰带放在胸部周围,并紧扣连接到此带的盖子的按钮。这将防止在测试期间盖子和电极移动。
  6. 将盖电缆和耳线连接到放大器。请勿将左耳和右耳混合。
  7. 单击阻抗图标的WinEEG 菜单控件。将显示一个带有所有电极的简化头。第二,用凝胶填充注射器,并用它来填充所有电极孔。当黑圆圈为黄色时,阻抗正常。
    注:在开始使用每个电极工作以确保适当的阻抗之前,请填充所有孔。使用一根细木棍帮助凝胶到达头部皮肤,这是捕捉电脑活动的先决条件。
  8. 当屏幕上所有 20 个孔都呈黄色,并且单个孔之间的颜色差异较小时,开始注册。
  9. 开始监视脑电图记录。单击绿色箭头(EEG 监控)。
    注:当看到来自所有 19 个电极的原始 EEG 信号时,请它们眨眼,指出正面部位的巨大变化。这些伪影可以自动删除。登记的质量取决于宽松的下巴、眼睛和额头,并且必须尽可能避免各种头部和身体运动。

6. 登记"闭眼"和"睁大眼睛"

  1. 告诉受试者在舒适的椅子上放松,闭上眼睛3分钟。在开始"睁开眼睛"之前,告诉他们安静地坐3分钟,睁开眼睛休息在前方的屏幕上。
  2. 按下菜单行上的红色圆圈(获取 EEG),在"阻抗控制"按钮旁边。
  3. 通过按下下一个图标下拉菜单,选择"眼睛闭合"或"睁开眼睛"。这将开始注册。在 EEG 曲线上方可以看到经过的时间(以秒为单位)。
  4. 按下暂停按钮(不"保存",因为这将使在同一文件中的进一步注册是不可能的)180后。请他们睁开眼睛(或者如果睁开眼睛是第一部分的话)关闭它们)。继续注册。3分钟后,停止并保存。
    注: 如果未保存,则创建新文件时数据将丢失。

7. 准备在古/诺格任务中进行脑电图记录

  1. 在开始 EEG 录制之前,在适当的端口中插入特殊的 USB 加密狗。加密狗上的小灯表示系统正在工作。
  2. 给受试者一个特殊的按钮开关在他或她的右手。完成大约 20 分钟的测试需要它。
  3. 打开任务菜单,在患者/参与者前面的从计算机中选择 VCPT。
    注:一个显示所有四种图片组合的说明窗口出现在奴隶电脑屏幕上:(动物-动物(a-a)、动物植物(a-p)、植物-植物(p-p)和植物-人(p-h)。(图1)。刺激在17英寸的电脑屏幕上出现,在受试者面前1.5米。在主体头部测量的声音必须为 70 dB。
  4. 指示主题图片成对,第一张图片后跟第二张图片1秒。3 s 后,将启动一对新对。
  5. 告诉主题,每次出现 a-a 组合时,都必须按下鼠标左键。在a-a组合中,两种动物总是相同的。
  6. 通知主题尽可能精确,但也快速。主体不应在 a-p、p-p 或 a-h 组合上按下鼠标按钮。
  7. 告诉受试者忽略p-h组合中的随机声音。
  8. 从机输入并运行约 2-5 分钟的任务,以训练主体,直到他/她正确理解。
  9. 在从属计算机上选择切换到从属模式选项。
    注: 任务演示文稿现在由主计算机上的 WinEEG 程序管理。

Figure 1
图1:VCPT:视觉连续性能测试。图 1显示了 VCPT 的四个条件。随机呈现一百个每种条件的试验。总测试时间是20分钟,请点击这里查看这个数字的较大版本。

8. 工作电图和按钮按录音在任务状态

  1. 从录制菜单启动主计算机上的EEG 监视选项,以检查系统是否正常工作。
  2. 从主计算机菜单框中的录制菜单开始EEG 获取选项。突出显示了"刺激演示计划"选项。选择VCPT并开始在从属计算机上进行刺激演示。
    注:每次按下鼠标左键时,EEG 曲线下方都会看到一个红色标记。有两行,一条用于左侧,一条用于鼠标右键。
  3. 检查红线是否未显示在最低线上,因为这表明它们使用了右键。使用暂停按钮,告诉主体使用鼠标左键。
  4. 监控脑电图注册,并注意潜在感兴趣的事件。如果观察到与肌肉或运动有关的太多伪影;暂停登记,提醒主体放松,坐视。继续注册。
    注:任务期间的脑电图注册需要20分钟,由400对图片组成;每对100个;a-a,a-p,p-p和p-h。对按随机顺序显示。(参见图 1)。
  5. 每100对后休息一会儿。按下暂停按钮。坐在椅子上鼓励他们伸展胳膊和腿,放松面部肌肉。提供一些喝的东西。一两分钟后继续注册。

9. 终止注册

  1. 所有 400 次试用完成后,通过按"录制" 停止注册 |停止
    注: 通过按文件保存选项,带有记录的原始 EEG 和按钮按下通道的文件将存储在内置数据库中。
  2. 告诉受试者保持坐姿,直到研究人员取出帽子、腰带和耳电极。
    注:通常没有凝胶在头发时,这是完成。用纸布去除凝胶。大多数患者/参与者喜欢在回家时洗头发,但注册后应该有一个选择来洗头发。
  3. 感谢主体完成任务。请他们给 VCPT(1-10 比例)评分),有多无聊?有多累人?根据协议,告诉他们测试结果接下来会发生什么。

10. 清洁

  1. 清洁耳电极(浸入热水中)并尽快盖上盖子。需要水、肥皂和软刷。检查所有孔,在盖挂在某处晾干之前,确保凝胶剩物被移除。

11. 预处理脑电图记录

注:HBIdb 软件中提供了三种不同的电极蒙太奇。它们是:链接耳参考(标记为参考)、通用平均引用(标记为 Av)和本地平均引用(标记为 Aw)。在设置菜单中从蒙太奇列表中选择蒙太奇。EEG 在开始工件校正之前,在参考文献中记录到"更改为 Av"。

  1. 通过应用空间过滤程序去除眼动伪影。
    注:空间滤波器是通过将独立元件分析 (ICA) 应用于选定的 EEG 片段获得的。片段必须包含至少 90 s 的原始数据。
  2. 通过单击片段开头时间栏上的鼠标左键,然后单击片段末尾的时间栏上的右侧按钮,选择 EEG 片段。选择后的整个片段以黄色突出显示。
    注: 通过从"分析"菜单中选择工件校正选项,实现工件校正过程。名为"空间筛选器参数估计"的窗口将显示在屏幕上。
  3. 选择ICA方法,以便能够将单个光谱和 ERP 与 HBI 参考数据库进行比较。
    注: 将显示"空间筛选器"参数估计窗口。从左到右:1)原始(未校正)多通道EEG片段,2)校正 EEG 片段,3) 校正伪物波形,4) 提取的 ICA 组件的时间程(从上到下)和 5) 独立组件。
  4. 选择与眼眨眼和水平眼动相关的地形图。通过单击"确定"接受。
  5. 通过单击"分析"菜单中的"标记项目"选项来实现名为"标记工件"的过程。
    注:这将拒绝慢和高频片段异常值:受非眼运动伪影(肌肉张力、头部运动等)污染的脑电图片段被排除在进一步分析之外。在某些复杂情况下,手动工件拒绝可以补充所述过程。

12. 计算脑电图光谱

  1. 从"分析"菜单中选择 EEG 光谱和闭合或睁开眼睛。如果默认设置如图2所示,请按"确定"。
    注: 所有 19 个站点的光谱如图3所示。x 轴是赫兹 (Hz) 的频率,y 轴为微伏 (μV) 的功率。
  2. 选择分析 |比较结果以比较单个光谱与数据库。在左侧窗口中选择患者/主体。在右侧窗口中选择数据库文件(或其他打开的文件),然后按"确定"进行比较。将显示显示主体和数据库之间的差异的图像。
    注: Spectra 显示频率从 0 Hz 到 30 Hz 的平方平均功率(低于 1.5-2 Hz 的频率应谨慎解释,因为它们通常受伪影的影响)。解释光谱超出了该协议的范围。潜在临床兴趣的痉挛可能不会出现在光谱中,但在原始脑电图中可以看到。

Figure 2
图2:计算EEG光谱。要计算光谱:单击分析 |光谱.如果设置正确,将显示图 2中显示的图片。请点击此处查看此图形的较大版本。

Figure 3
图3:带19个电极的EEG光谱。图 3显示了 19 个站点中的 EEG 光谱。x 轴的频率为 0-30 Hz。y 轴的功率为 μV2请点击此处查看此图形的较大版本。

13. 计算事件相关潜力

注: 事件相关电位 (ERP) 由平均过程计算。只包括正确的试验。ERP 是在完成上述预处理后计算的。计算 ERP 的黄金标准是使平均试验次数保持在 50 以上。

  1. 选择常见平均蒙太奇 (Av) 中的 EEG VCPT 文件。单击"分析"菜单中的"计算 ERP"。
    注: 如果 HBdb 加密狗未连接到计算机或由于某种原因未激活,HBdb 允许用户读取 EEG 文件并对其进行预处理,但不允许使用数据库计算光谱和 ERP。
  2. 单击"确定"。出现一个窗口,描述 ERP 计算参数(图 4)。
    注:如图4所示,参数如下:试用组:1:a-A GO;2:a-p NOGO;3:p-p(忽略试验);4:p-h(新奇试验);以及 5: – 意味着所有试验都从 a 的呈现开始;和6: - 这意味着所有试验从p.此外,还显示了 ERP 差异波。
  3. 单击"确定"。分析文件的 ERP 在 ERP 窗口中以图形形式计算和显示(图4)。
    注:ERP 窗口包含 19 个每个任务条件的 ERP 图表:a-GO、a-p NOGO、p-p、p-h。图 4中仅显示了 a-a GO 和 a-p NOGO。在每个图中:X轴以ms为单位,Y轴为电压,以μV为单位。图4显示了表示形式的调整结果。只选择 a-a GO、a-p NOGO 的试验类别(GO 以绿色表示,NOGO 以红色表示)。刻度选择在 12 μV。时间间隔从 1400 毫秒中选择;选择"刺激 2"的表示时间,持续时间为 700 毫秒。
  4. 要映射事件相关电位 (ERP) 的波,请单击任何图形上选定时间(沿X轴)处鼠标的右键,然后释放它,并为打开的菜单选择"添加地图"选项。相应的地图将显示在页面底部。

Figure 4
图4:ERP计算的参数。图 4显示了 19 个站点中的 ERP 组件 a-A GO(绿色)和 a-p NOGO(红色)。时间间隔是 1400 毫秒到 2100 毫秒 A-a GO 在站点 Pz 和 A-p NOGO 在 Cz 上最清晰地看到。请点击此处查看此图形的较大版本。

14. VCPT行为数据的登记和比较

  1. 单击窗口中显示 ERP 的鼠标右键并选择组信息以查看遗漏次数(错过按钮单击)、佣金(冲动额外点击次数、a-GO 的平均反应时间 (RT) 和 RT 可变性。
  2. 选择分析 |结果的比较。在左侧窗口中标记主体的文件,在右侧窗口中标记比较文件。单击"确定"。
    注:我们使用基于年龄的纸质表,显示规范组中这些变量的百分位数。

15. 将事件相关潜力与参考数据库进行比较

注: 通过键入菜单中的相应数字:时间间隔(ms)、持续时间(ms)来定义用于比较的兴趣时间间隔。通过从 ERP 窗口顶部的菜单"活动"组中选择相应的图形,可以有选择地针对某些类别的试验(例如 a-GO、a-p NOGO、p-p、p-h)提供 ERP。

  1. "分析"菜单中选择"结果比较"。单击左侧窗口中的患者/主体,然后单击右侧窗口中的HBIdb。
    注: 要将主题与以前的注册进行比较,请打开旧文件并选择它而不是 HBIdb)。将显示 ERP 比较窗口。此窗口描述在 μV 中 ERP 波之间的差异。
  2. 在感兴趣的时间点和感兴趣的通道处按下鼠标的右键,以获得偏离参考的意义级别。相应的值显示在窗口底部,显示 μV、所选时间点和 p 值的差异。
    注: 使用置信度显示差波是一个可用选项。图表下方的蓝线描绘了与组 3 计算的参考和每个时间点的置信度偏差水平。
  3. 通过单击 1 的箭头(个人的 ERP)来选择 ERP 差异的组。选择a-a GO [1]。对于参考 ERP,请单击 2。选择a-a GO [2]。单击 3 和a-a GO [D]以查看差异(1-2)。活动组 4:从此菜单中选择"无"。
  4. 通过在菜单中键入(或选择)相应的数字来定义感兴趣的时间间隔:时间间隔(ms)、持续时间(ms)(例如,1400、700 以分析 ERP 以响应第二个刺激)。
  5. 将光标放在感兴趣的时间点和通道上,然后单击鼠标的右键,然后从弹出菜单中选择"添加地图"。将显示显示引用偏离的地图。
    注: 将事件相关电位 (ERP) 的独立组件与参考数据库进行比较,该软件提供了将单个 ERP 分解为独立组件的选项。这些成分与独特的心理操作有关。

Representative Results

小儿多动症药物反应预测
多动症是一种常见的神经精神病儿童疾病36。它的特点是注意力不集中的症状,伴随着多动和冲动的症状。学校、家庭和休闲环境中的损伤很常见。在学龄儿童中,估计患病率为5%至7%。合并是常见的。广泛使用使用基于甲基苯甲酸酯(MPH)或脱氧乙烷(DEX)的兴奋剂的医学。70%的患者报告了兴奋剂药物的积极影响(减少烦躁、多动和冲动以及改善注意力)。从基于MPH的药物转移到DEX可以增加积极的影响到80%37,38。37,38前纹状体电路似乎被兴奋剂39激活。

对于临床上有意义的药物反应,没有普遍接受的定义。应用评分尺度,比较基线分数与药物评分,是最常用的方法。在一些研究中,分数减少 25% 或 50% 用作响应的定义。在其他研究中,分数不超过人口平均值1 SD,使用40,41。40,临床上,使用基于所有相关可用数据的总体决策。评估副作用,如食欲不振,失眠,易怒增加,或焦虑,是重要的37,42。37,

评级表的使用可能出于以下几个原因而受到批评。教师和家长分数之间的小相关性(0.30-0.50)在几项研究48中报告。寻找临床上有用的反应预测因素的动机是大量非应答者、不同意的线人,以及当使用小剂量兴奋剂时,每个人都可以有一些适度的改善注意力效果。已发表的反应预测变量研究包括多动症亚型、人口统计学、共变障碍、基因变量、评分尺度分数、神经心理学测试结果以及脑电图/ERP变量43、44、45、46。43,44,45,46我们的 2016 年出版物47总结了应用 ERP 预测药物反应的研究。

在以前的研究中,我们分析来自穴位视觉GO/NOGO任务的数据(即注意力测试数据、EEG光谱和ERP)。在一项研究中,我们发现3个变量对副作用的预测有显著贡献。这些变量被合并到一个被认为临床有意义的指数42。在一项有关临床效果的研究中,应用相同的方法,预测指数也被认为临床上有用48。第三项研究47中调查了一剂兴奋剂药物对药物反应者(REs)和非应答者(非REs)的影响。测试程序完成两次,第一次测试没有药物,第二次测试在接受试验剂量后一小时。根据评分表和4周药物试验后的采访,患者被归类为R或非R。我们的重点是认知ERP和注意力测试分数的变化。我们发现,两组对P3 NOGO组件的影响明显不同,效果大(d = 1.76)。在R中,组件振幅显著增加,但在非R中则没有。 与仅基于测试1的预测相比,基于两个测试的响应预测得到了改进。

在最新的研究中,我们开发了两个全球指数,一个用于预测临床收益,另一个用于预测副作用。如上所述,我们组合了在具有中等或较大效果大小的比较组之间显著区分的变量。每个变量都根据效果大小进行加权。我们检查了所有三个 WinEEG 域的变量:EEG 光谱、ERP 和行为。组合了以下变量:测试1:P3NOGO振幅和ta/alpha比;测试 2 和测试 1 之间的差异:遗漏误差、反应时间变异性、或有负变化 (CNV) 和 P3NOGO 振幅。全局规模的影响大小为d = 1.86。精度为 0.92。副作用的预测基于 4 个变量:测试 1:RT,测试 2:新奇成分、alpha 峰值频率和反应时间变化(测试 2 - 测试 1)。全球尺度d为 1.08,精度为 0.7849

一些初步结果
在一项持续研究中,我们比较了61名9-12岁的多动症患者和一组67名年龄匹配的健康对照组(HC)。最后的统计分析迄今尚未完成。下面我们将介绍从 WinEEG 评估中获得的初步结果。

行为上,多动症组表现出一种不注意模式,与健康对照组 (HC) 组(13.7% 相对 4.8%)相比,在统计上(在 p<0.001)上出现更多的遗漏错误。伴随着注意力失误模式,以统计上较高的反应时间变化(p<0.001)表示(151毫秒对125毫秒)。

5图6显示了两组之间比较ERP波形的主要结果。图 5演示了多动症组主动认知控制功能障碍的 ERP 相关性。与HC组相比,多动症组减少了两个主动认知控制指数(P3提示波和CNV波)。图 6显示了多动症组反应性认知控制功能障碍的 ERP 相关性。与HC组相比,多动症组减少了两个反应认知控制指数(N2 NOGO和P3 NOGO)。

Figure 5
图5:多动症和健康控制(HC)组中主动认知控制(A)和相应地图(b)的大平均ERP波模式(a)和相应的地图(b)。a) 在多动症组(绿线)和 HC 组(红线)及其差值 (ADHD-HC) 波 (蓝线) 中以 P3 测量的 ERP。曲线下方的蓝色垂直条表示差值的统计显著性水平(小条 - p<0.05,中间柱 - p<0.01,大柱 - p<0.001)。箭头指示经典波 - P3 提示和 CNV(或负变化)。(b) 以两组 P3 和 CNV 波的振幅最大值绘制地图。请点击此处查看此图形的较大版本。

Figure 6
图6:多动症和健康控制(HC)组反应性认知控制中大平均ERP波模式(a)和相应的地图(b)。a) 在 Fz 和 Cz ADHD 组(绿线)和 HC 组(红线)及其差值 (ADHD-HC) 波(蓝线)中测量的 ERP。曲线下方的蓝色垂直条表示差值的统计显著性水平(小条 - p<0.05,中间柱 - p<0.01,大条 - p<0.001)。箭头表示经典波 - N2 NOGO 和 P3 NOGO。(b) 以两组 N2 NOGO 和 P3 NOGO 波的振幅最大值绘制地图。请点击此处查看此图形的较大版本。

正如人们所看到的,多动症组显示认知控制多种操作功能不足。这些操作发生在不同的时间窗口和不同的空间位置。特定患者可能只有一种功能不足,指示个体紊乱的来源及其矫正方法。

临床意义
为了计算临床上有用的生物标志物,用于异质诊断(如多动症),需要组合几个在多动症和控制之间显著差异的变量。索引的效果大小 (d) 应高于d = .8。当多动症与临床对照进行比较时,下一个重要的步骤是应用此索引。

Discussion

精神病学的诊断是基于观察到的行为。在大多数情况下,必须在不同设置中观察指定数量的症状,持续 6 个月或更长时间。诊断过程的一个重要部分是排除体理学。此外,必须考虑其他精神诊断。通常,感兴趣的症状可能是另一个诊断类别的一部分。如果几个症状与其他疾病重叠,临床医生必须决定第二种疾病是合并或鉴别诊断。

可用的临床工具包括诊断访谈、评分等级、医学和发展史、心理测试和直接观察。这些方法大多相当主观;深受线人以及专业人士的影响。家长和教师的评分尺度通常显示相当温和的相关性(r = 0.3 - 0.5)。

在具有代表性的结果中,我们认为多动症的基本机制可能因患者而异。缺乏(语言)理解,自我激励的问题,对外部干扰者的敏感性等都会导致注意力不集中的症状。本文中描述的基于脑电图的方法可以帮助解决其中一些挑战。主观解释的问题不存在。所述的ERP方法似乎揭示了涉及特定大脑结构的基本心理操作,如工作记忆、行动抑制、监测、反应准备等。这些机制的缺陷并不限于特定的诊断类别。我们相信,在未来,治疗(药物,神经反馈,认知训练,tDCS,...)将侧重于这种认知和/或情绪操作及其潜在的大脑机制,而不是目前的诊断类别。

诊断的目的是确定最佳治疗方法。为了评估治疗的效果,自我报告和观察到的改善当然是决定性的。然而,此类报告在某种程度上可以代表安慰剂效应,并且应支持(部分)基本大脑功能障碍正常化,例如ERP组件的变化。这种主观和客观的治疗效果度量的结合在临床和研究中都非常重要。

由于上述原因,有相同诊断的人往往对同样的医疗没有反应也就不足为奇了。在个性化医学诊断中,辅以基于经验的反应预测措施,以精确定位单个患者的最佳治疗方法。本文介绍了我国对小儿多动症兴奋剂药物反应预测的研究。找到抗抑郁药物阳性反应的可靠预测变量可能更为重要,因为评估反应所需的时间很长,滴定期也是如此。本文中描述的程序有助于正在进行的脑电图和ERP研究,预测抑郁症的药物影响53。

所述基于脑电图的方法是非侵入性和负担得起的,非常适合研究和临床工作。

Disclosures

奥格里姆G.没有什么可透露的。Kropotov J.D.是圣彼得堡人脑研究所的实验室负责人,当时和地点是WinEEG项目。他在这个制度中没有经济利益。

Acknowledgments

没有。

Materials

Name Company Catalog Number Comments
amplifier + www.mitsar-medical.com
Body harness, different sizes Electro-Cap International, Inc E3 SM; E3 M; E3 L
Ear electrodes 9 mm sockets Electro-Cap International, Inc E5-9S
Electrocaps 19 channel different sizes Electro-Cap International, Inc E1 SM; E1 M; E1 M/SM
Electrocaps 19 channel different sizes Electro-Cap International, Inc E1 L/M; E1 L
Electrogel for electrocaps Electro-Cap International, Inc E9; E10
HBi database www.hbimed.com
Head size measure band Electro-Cap International, Inc E 12
Needle syringe kit Electro-Cap International, Inc E7
Nuprep EEG and ECG skin prep gel Electro-Cap International, Inc R7
Ten20 EEG conductive paste Electro-Cap International, Inc R5-4T
WinEEG program www.mitsar-medical.com

DOWNLOAD MATERIALS LIST

References

  1. Insel, T., et al. Research domain criteria (RDoC), toward a new classification framework for research on mental disorders. American Journal of Psychiatry. 167 (7), 748-751 (2010).
  2. Snyder, S. M., Rugino, T. A., Hornig, M., Stein, M. A. Integration of an EEG biomarker with a clinician's ADHD evaluation. Brain and Behavior. 5 (4), e00330 (2015).
  3. Arns, M., Conners, C. K., Kraemer, H. C. A decade of EEG Theta/Beta Ratio Research in ADHD: a meta-analysis. Journal of Attention Disorders. 17 (5), 374-383 (2013).
  4. Egeland, J. Differentiating attention deficit in adult ADHD and schizophrenia. Archives of Clinical Neuropsychology. 22 (6), 763-771 (2007).
  5. Egeland, J., et al. Attention profile in schizophrenia compared with depression: differential effects of processing speed, selective attention and vigilance. Acta Psychiatrica Scandinavia. 108 (4), 276-284 (2003).
  6. Braver, T. S. The variable nature of cognitive control: a dual mechanisms framework. Trends in Cognitive Science. 16 (2), 106-113 (2012).
  7. Botvinick, M. M. Conflict monitoring and decision making: reconciling two perspectives on anterior cingulate function. Cognitive and Affective Behavior Neuroscience. 7 (4), 356-366 (2007).
  8. Ullsperger, M., Fischer, A. G., Nigbur, R., Endrass, T. Neural mechanisms and temporal dynamics of performance monitoring. Trends in Cognitive Science. 18 (5), 259-267 (2014).
  9. Bari, A., Robbins, T. W. Inhibition and impulsivity: behavioral and neural basis of response control. Progress in Neurobiology. 108 (Sep), 44-79 (2013).
  10. Huster, R. J., Enriquez-Geppert, S., Lavallee, C. F., Falkenstein, M., Herrmann, C. S. Electroencephalography of response inhibition tasks: functional networks and cognitive contributions. International Journal of Psychophysiology. 87 (3), 217-233 (2013).
  11. Simson, R., Vaughan, H. G. Jr, Ritter, W. The scalp topography of potentials in auditory and visual Go/NoGo tasks. Electroencephalography and Clinical Neurophysiology. 43 (6), 864-875 (1977).
  12. Falkenstein, M., Hoormann, J., Hohnsbein, J. ERP components in Go/Nogo tasks and their relation to inhibition. Acta Psychologica (Amst). 101 (2-3), 267-291 (1999).
  13. Verleger, R., Gorgen, S., Jaskowski, P. An ERP indicator of processing relevant gestalts in masked priming. Psychophysiology. 42 (6), 677-690 (2005).
  14. Kropotov, J. D., Ponomarev, V. A., Hollup, S., Mueller, A. Dissociating action inhibition, conflict monitoring and sensory mismatch into independent components of event related potentials in GO/NOGO task. Neuroimage. 57 (2), 565-575 (2011).
  15. Kropotov, J. D., Ponomarev, V. A. Decomposing N2 NOGO wave of event-related potentials into independent components. Neuroreport. 20 (18), 1592-1596 (2009).
  16. Bekker, E. M., Kenemans, J. L., Verbaten, M. N. Electrophysiological correlates of attention, inhibition, sensitivity and bias in a continuous performance task. Clinical Neurophysiology. 20115 (9), 2001-2013 (2004).
  17. Fallgatter, A. J., Aranda, D. R., Bartsch, A. J., Herrmann, M. J. Long-term reliability of electrophysiologic response control parameters. Journal of Clinical Neurophysiology. 19 (1), 61-66 (2002).
  18. Fallgatter, A. J., Strik, W. K. The NoGo-anteriorization as a neurophysiological standard-index for cognitive response control. International Journal of Psychophysiology. 32 (3), 233-238 (1999).
  19. Bruin, K. J., Wijers, A. A., van Staveren, A. S. Response priming in a go/nogo task: do we have to explain the go/nogo N2 effect in terms of response activation instead of inhibition. Clinical Neurophysiology. 112 (9), 1660-1671 (2001).
  20. Randall, W. M., Smith, J. L. Conflict and inhibition in the cued-Go/NoGo task. Clinical Neurophysiology. 122 (12), 2400-2407 (2011).
  21. Kappenman, E. S., Luck, S. J. ERP Components: The Ups and Downs of Brainwave Recordings. The Oxford Handbook of Event-related Potential Components. Luck, S. J., Kappenman, E. S. , 1st, University Press. Oxford: Oxford. 3-29 (2012).
  22. Ponomarev, V. A., Kropotov, I. Improving source localization of ERPs in the GO/NOGO task by modeling of their cross-covariance structure. Fiziol Cheloveka. 39 (1), 36-50 (2013).
  23. Makeig, S., Jung, T. P. Tonic, phasic, and transient EEG correlates of auditory awareness in drowsiness. Brain Research and Cognitive Brain Research. 4 (1), 15-25 (1996).
  24. Onton, J., Makeig, S. Information-based modeling of event-related brain dynamics. Progressions in Brain Research. 159, 99-120 (2006).
  25. Kropotov, J. D. Functional Neuromarkers for Psychiatry: Applications for Diagnosis and Treatment. , 1st, Elsevier/Academic Press. London. (2016).
  26. Kropotov, J. D., Ponomarev, V. A., Pronina, M., Jancke, L. Functional indexes of reactive cognitive control: ERPs in cued go/no-go tasks. Psychophysiology. 54 (12), 1899-1915 (2017).
  27. Bekker, E. M., Kenemans, J. L., Verbaten, M. N. Source analysis of the N2 in a cued Go/NoGo task. Brain Research and Cognitive Brain Research. 22 (2), 221-231 (2005).
  28. Fisher, T., Aharon-Peretz, J., Pratt, H. Dis-regulation of response inhibition in adult Attention Deficit Hyperactivity Disorder (ADHD), an ERP study. Clinical Neurophysiology. 122 (12), 2390-2399 (2011).
  29. Olbrich, H. M., Maes, H., Valerius, G., Langosch, J. M., Feige, B. Event-related potential correlates selectively reflect cognitive dysfunction in schizophrenics. Journal of Neural Transmission. (Vienna). 112 (2), 283-295 (2005).
  30. Grane, V. A., et al. Correction: ERP Correlates of Proactive and Reactive Cognitive Control in Treatment-Naive Adult ADHD. PLoS One. 11 (9), e0163404 (2016).
  31. Woltering, S., Liu, Z., Rokeach, A., Tannock, R. Neurophysiological differences in inhibitory control between adults with ADHD and their peers. Neuropsychologia. 51 (10), 1888-1895 (2013).
  32. Wiersema, R., van der Meere, J., Roeyers, H., Van Coster, R., Baeyens, D. Event rate and event-related potentials in ADHD. Journal of Child Psychology and Psychiatry. 47 (6), 560-567 (2006).
  33. Mueller, A., Candrian, G., Kropotov, J. D., Ponomarev, V. A., Baschera, G. M. Classification of ADHD patients on the basis of independent ERP components using a machine learning system. Nonlinear Biomedical Physics. 4 (Suppl 1), (2010).
  34. Mueller, A., et al. Discriminating between ADHD adults and controls using independent ERP components and a support vector machine: a validation study. Nonlinear Biomedical Physics. 5, 5 (2010).
  35. Kropotov, J. D., et al. Latent ERP components of cognitive dysfunctions in ADHD and schizophrenia. Clinical Neurophysiology. 130 (4), 445-453 (2019).
  36. Spencer, T. J., Biederman, J., Mick, E. Attention-deficit/hyperactivity disorder: diagnosis, lifespan, comorbidities, and neurobiology. Journal of Pediatric Psychology. 32 (6), 631-642 (2007).
  37. Barkley, R. A. Attention - Deficit Hyperactivity Disorder. A Handbook for Diagnosis and Treatment. , Third, The Guilford Press. New York, London. (2006).
  38. Spencer, T., et al. Pharmacotherapy of attention-deficit hyperactivity disorder across the life cycle. Journal of the American Academy of Child and Adolescent Psychiatry. 35 (4), 409-432 (1996).
  39. Rubia, K., et al. Effects of stimulants on brain function in attention-deficit/hyperactivity disorder: a systematic review and meta-analysis. Biological Psychiatry. 76 (8), 616-628 (2014).
  40. Ramtvedt, B. E., Roinas, E., Aabech, H. S., Sundet, K. S. Clinical Gains from Including Both Dextroamphetamine and Methylphenidate in Stimulant Trials. Journal of Child and Adolescent Psychopharmacology. , (2013).
  41. Sangal, R. B., Sangal, J. M. Attention-deficit/hyperactivity disorder: using P300 topography to choose optimal treatment. Expert Review in Neurotherapy. 6 (10), 1429-1437 (2006).
  42. Ogrim, G., Hestad, K. A., Brunner, J. F., Kropotov, J. Predicting acute side effects of stimulant medication in pediatric attention deficit/hyperactivity disorder: data from quantitative electroencephalography, event-related potentials, and a continuous-performance test. Neuropsychiatric Disease and Treatment. 9, 1301-1309 (2013).
  43. Barkley, R. A., DuPaul, G. J., McMurray, M. B. Attention deficit disorder with and without hyperactivity: clinical response to three dose levels of methylphenidate. Pediatrics. 87 (4), 519-531 (1991).
  44. Chabot, R. J., Orgill, A. A., Crawford, G., Harris, M. J., Serfontein, G. Behavioral and electrophysiologic predictors of treatment response to stimulants in children with attention disorders. Journal of Child Neurology. 14 (6), 343-351 (1999).
  45. Hale, J. B., et al. Executive impairment determines ADHD medication response: implications for academic achievement. Journal of Learning Disabilities. 44 (2), 196-212 (2011).
  46. Tannock, R., Ickowicz, A., Schachar, R. Differential effects of methylphenidate on working memory in ADHD children with and without comorbid anxiety. Journal of the American Academy of Child and Adolescent Psychiatry. 34 (7), 886-896 (1995).
  47. Ogrim, G., Aasen, I. E., Brunner, J. F. Single-dose effects on the P3no-go ERP component predict clinical response to stimulants in pediatric ADHD. Clinical Neurophysiology. 127 (10), 3277-3287 (2016).
  48. Ogrim, G., et al. Predicting the clinical outcome of stimulant medication in pediatric attention-deficit/hyperactivity disorder: data from quantitative electroencephalography, event-related potentials, and a go/no-go test. Neuropsychiatric Disease and Treatment. 10, 231-242 (2014).
  49. Ogrim, G., Kropotov, J. D. Predicting Clinical Gains and Side Effects of Stimulant Medication in Pediatric Attention-Deficit/Hyperactivity Disorder by Combining Measures From qEEG and ERPs in a Cued GO/NOGO Task. Clinical EEG and Neuroscience. 50 (1), 34-43 (2019).
  50. Lenartowicz, A., Loo, S. K. Use of EEG to diagnose ADHD. Current Psychiatry Report. 16 (11), 498 (2014).
  51. Johnstone, S. J., Barry, R. J., Clarke, A. R. Ten years on: a follow-up review of ERP research in attention-deficit/hyperactivity disorder. Clinical Neurophysiology. 124 (4), 644-657 (2013).
  52. Gamma, A., Kara, O. Event-Related Potentials for Diagnosing Children and Adults With ADHD. Journal of Attention Disorders. , (2016).
  53. van Dinteren, R., et al. Utility of event-related potentials in predicting antidepressant treatment response: An iSPOT-D report. European Neuropsychopharmacology. 25 (11), 1981-1990 (2015).

Tags

神经科学, 第 157 期, 生物标志物, 预测, 事件相关电位, 潜在成分, cued GO/NOGO 任务, 注意力缺陷/多动障碍 (ADHD)
事件相关电位 (ERPs) 和其他基于脑电图的提取大脑功能障碍生物标志物的方法:从小儿注意力缺陷/多动障碍 (ADHD) 中的例子
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Ogrim, G., Kropotov, J. D. EventMore

Ogrim, G., Kropotov, J. D. Event Related Potentials (ERPs) and other EEG Based Methods for Extracting Biomarkers of Brain Dysfunction: Examples from Pediatric Attention Deficit/Hyperactivity Disorder (ADHD). J. Vis. Exp. (157), e60710, doi:10.3791/60710 (2020).

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