Waiting
Login processing...

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

Neuroscience

גירוי עצבי בלולאה סגורה לטיפול מותאם אישית מונע סמנים ביולוגיים בהפרעת דיכאון מג'ורי

Published: July 7, 2023 doi: 10.3791/65177
Automatic Translation
1,2, 1,2, 2,3, 2,4, 2,4, 2,3, 1,2, 2,3
1Department of Neurological Surgery, University of California, San Francisco, 2Weill Institute for Neurosciences, University of California, San Francisco, 3Department of Psychiatry and Behavioral Sciences, University of California, San Francisco, 4Department of Neurology, University of California, San Francisco

Summary

גירוי מוחי עמוק המופעל על ידי סמן ביולוגי עצבי ספציפי למטופל של מצב בעל תסמינים גבוהים עשוי לשלוט טוב יותר בסימפטומים של הפרעת דיכאון מג'ורי בהשוואה לגירוי מתמשך בלולאה פתוחה. פרוטוקול זה מספק זרימת עבודה לזיהוי סמן ביולוגי עצבי ספציפי למטופל ובקרה על מתן גירוי טיפולי המבוסס על הסמן הביולוגי שזוהה.

Abstract

גירוי מוחי עמוק כרוך במתן גירוי חשמלי לאזורי מוח ממוקדים לתועלת טיפולית. בהקשר של הפרעת דיכאון מג'ורי (MDD), רוב המחקרים עד כה נתנו גירוי מתמשך או לולאה פתוחה עם תוצאות מבטיחות אך מעורבות. גורם אחד התורם לתוצאות מעורבות אלה עשוי לנבוע ממועד הפעלת הגירוי. מתן גירוי ספציפי למצבים בעלי תסמינים גבוהים באופן מותאם אישית ומגיב עשוי להיות יעיל יותר בהפחתת הסימפטומים בהשוואה לגירוי מתמשך ועשוי למנוע השפעות טיפוליות מופחתות הקשורות להרגלה. בנוסף, משך גירוי כולל נמוך יותר ליום הוא יתרון להפחתת צריכת האנרגיה של המכשיר. פרוטוקול זה מתאר זרימת עבודה ניסיונית באמצעות מכשיר גירוי עצבי מושתל כרוני כדי להשיג גירוי בלולאה סגורה עבור אנשים עם MDD עמיד לטיפול. פרדיגמה זו תלויה בקביעת סמן ביולוגי עצבי ספציפי למטופל הקשור למצבים של תסמינים גבוהים ותכנות גלאי המכשיר, כך שהגירוי מופעל על ידי קריאה זו של מצב הסימפטומים. ההליכים המתוארים כוללים כיצד להשיג הקלטות עצביות במקביל לדיווחי סימפטומים של מטופלים, כיצד להשתמש בנתונים אלה בגישת מודל מצב-מרחב כדי להבדיל בין מצבים בעלי תסמינים נמוכים וגבוהים לבין תכונות עצביות מתאימות, וכיצד לתכנת ולכוונן לאחר מכן את המכשיר כדי לספק טיפול בגירוי בלולאה סגורה.

Introduction

הפרעת דיכאון מג'ורי (MDD) היא מחלה נוירופסיכיאטרית המאופיינת בפעילות חריגה ברמת הרשת וקישוריות1. המחלה מתבטאת במגוון תסמינים המשתנים בין אנשים, משתנים עם הזמן, ועשויים לנבוע ממעגלים עצביים שונים 2,3. כ-30% מהאנשים עם MDD עמידים לטיפולים סטנדרטיים4, מה שמדגיש את הצורך בגישות חדשות.

גירוי מוחי עמוק (DBS) הוא סוג של נוירומודולציה שבה זרם חשמלי מועבר לאזורים ממוקדים במוח במטרה לווסת את הפעילות. DBS לטיפול ב- MDD הצליח מאוד בחלק מהיישומים 5,6, אך גם לא הצליח להשתכפל במחקרים גדולים יותר 7,8. כל המחקרים שצוטטו השתמשו בגירוי לולאה פתוחה9, שבו מתן גירוי טיפולי משוער היה רציף עם פרמטרים קבועים. לעומת זאת, גירוי בלולאה סגורה מספק גירוי המבוסס על סמן ביולוגי מתוכנת או תבנית פעילות עצבית המשויכת למצב הסימפטומים10. ישנם שני יישומים עיקריים של גירוי בלולאה סגורה: גירוי מגיב וגירוי אדפטיבי11. גירוי מגיב מספק פרצי גירוי עם פרמטרים קבועים (למשל, תדר, משרעת, רוחב פולס) כאשר הקריטריונים המתוכנתים מתקיימים. עם גירוי אדפטיבי, פרמטרי גירוי משתנים באופן דינמי כפונקציה של הסמן הביולוגי הנמדד, על פי האלגוריתם, אשר עשוי להיות נקודות תיקון מרובות או התאמה רציפה אוטומטית. גירוי יכול להיות מתמשך או לסירוגין עם גירוי הסתגלותי. גירוי אדפטיבי הראה יעילות עדיפה על גירוי בלולאה פתוחה בשליטה על סימפטומים של מחלת פרקינסון12. גירוי עצבי מגיב לאפילפסיה13 מאושר על ידי מנהל המזון והתרופות האמריקאי (FDA), בעוד שמחקרים מוקדמים של גירוי מגיב עבור MDD 14 וגירוי אדפטיבי עבור תסמונת טורט 15 ורעד חיוני16 מראים גם הם תועלת טיפולית.

כדי ליישם גירוי בלולאה סגורה, יש לבחור אות פיזיולוגי ולעקוב אחריו כדי להודיע מתי יש לספק גירוי. משוב זה הוא ההבדל העיקרי בין גירוי בלולאה פתוחה לגירוי בלולאה סגורה והוא מתממש על ידי בחירת סמן ביולוגי. פרוטוקול זה מספק הליך לקביעת סמן ביולוגי מותאם אישית בהתאם לקבוצת הסימפטומים שחווה אדם נתון. מטא-אנליזות עתידיות בקרב מטופלים יגלו אם ישנם סמנים ביולוגיים משותפים בקרב אנשים או אם ההצגה ההטרוגנית של תסמיני MDD והמעגלים הבסיסיים מחייבת גישה מותאמת אישית17,18. שימוש במכשירי DBS המסוגלים הן לחוש פעילות עצבית והן לספק גירוי חשמלי מאפשר הן את גילוי הסמן הביולוגי הזה והן את היישום הבא של נוירומודולציה בלולאה סגורה. גישה זו מניחה מראש קשר זמני הדוק בין פעילות עצבית לבין מצבי סימפטומים ספציפיים ועשויה שלא להיות ישימה עבור כל הסימנים או התסמינים.

בעוד אינדיקציות כגון מחלת פרקינסון ורעד חיוני יש סימפטומים שניתן למדוד באמצעות חיישנים היקפיים (למשל, רעד, נוקשות), הסימפטומים של MDD מדווחים בדרך כלל על ידי המטופל או מוערכים על ידי קלינאי באמצעות שאלות סטנדרטיות ותצפית. בהקשר של צבירת נתונים מספיקים לחישוב סמן ביולוגי מותאם אישית, הערכות קליניות אינן מעשיות, ולכן נעשה שימוש בדיווחי מטופלים על תסמינים באמצעות סולמות דירוג. סולמות כאלה כוללים סולמות אנלוגיים חזותיים של דיכאון (VAS-D), חרדה (VAS-A) ואנרגיה (VAS-E)19, וצורת שש השאלות של סולם דירוג הדיכאון של המילטון (HAMD-6)20. הקלטות בו-זמניות של פעילות עצבית והשלמת דירוגי סימפטומים אלה של דיווח עצמי מספקות מערך נתונים זוגי שניתן להשתמש בו כדי לבחון קשרים בין תכונות ספקטרליות של האות העצבי הקשורות או מנבאות מצבים בעלי תסמינים גבוהים.

גישות חישוביות, כגון מידול מצב-מרחב, יכולות לשמש כדי לחשוף קשרים בין מצבי סימפטומים ותכונות עצביות. שיטות תאורטיות של גרפים אטרקטיביות לאפיון מצב-מרחב21 משום שהן מאפשרות גילוי מצבים על פני טווחי זמן שונים על ידי מידול מפורש של סמיכות הזמן בין מדידות22. מודל מצב המרחב של הסימפטומים מזהה פרקי זמן שבהם קיים פנוטיפ משותף של הסימפטומים של המטופל ועשוי לאתר תת-מצבים של סימפטומים שבהם הדירוגים על ממדים ספציפיים של דיכאון המטופל שונים בהתאם לסביבה או להקשר. גישה של לולאה סגורה מסתמכת על זיהוי מצבי סימפטומים בהתבסס על פעילות המוח הבסיסית. סיווג למידת מכונה הוא שלב אחרון המסייע לזהות שילוב של מאפיינים סטטיסטיים הנגזרים מאותות פעילות מוחית המבחינים בצורה הטובה ביותר בין שני מצבי סימפטומים או יותר14. גישה דו-שלבית זו מסבירה את השונות בסימפטומים של המטופל לאורך זמן ומקשרת דפוסים שיטתיים של שונות סימפטומים לפעילות מוחית.

הפרוטוקול הנוכחי משתמש במערכת NeuroPace Responsive Neurostimulation System (RNS)13,23. נהלים לקביעת אתרי הגירוי והפרמטרים האופטימליים נמצאים מחוץ לתחום פרוטוקול זה. עם זאת, חשוב לקחת בחשבון את יכולות הגירוי של מכשיר נתון בעת תכנון גירוי עצבי בלולאה סגורה. עבור המכשיר המשמש בפרוטוקול זה, הגירוי נשלט על ידי זרם ומועבר בין האנודות והקתודה. ניתן לבחור במגע אלקטרודה אחד או יותר או בפחית (נוירוסטימולטור מושתל [INS]) כאנודה או קתודה. תדירות גירוי (1-333.3 הרץ), משרעת (0-12 mA), רוחב פולס (40-1000 μs לכל פאזה) ומשך זמן (10-5000 ms, לכל stim) כולם מתוכנתים מראש. ניתן לקבוע את הפרמטרים הקודמים באופן עצמאי עבור עד חמישה טיפולי גירוי; טיפולים אלה ניתנים ברצף אם קריטריוני הזיהוי ממשיכים להתקיים. לא ניתן להעביר צורות גל גירוי מרובות בו זמנית (למשל, לא ניתן להעביר שני תדרים שונים של גירוי בו זמנית). צורת גל הגירוי היא גל מלבני סימטרי דו-פאזי ואינה ניתנת לשינוי.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

פרוטוקול זה נבדק ואושר על ידי מועצת הביקורת המוסדית של אוניברסיטת קליפורניה, סן פרנסיסקו.

1. הגדרת מכשיר להקלטות ביתיות של מטופלים

  1. עבוד עם נציג מחברת המכשיר כדי להגדיר ארבעה ערוצים מוגדרים לרכישה, שניים מכל ליד מושתל.
    הערה: כל ערוץ מקליט הקלטה דו-קוטבית. ערוצים מוגדרים עשויים להשתמש במגעי אלקטרודות סמוכים (לדוגמה, 1-2, 3-4) או משולבים (לדוגמה, 1-3, 2-4). כאשר מושתלים מוליכים עם מרווח של 10 מ"מ, בדרך כלל נעשה שימוש במגעים סמוכים. כאשר מושתלים מוליכים עם מרווח של 3.5 מ"מ, נעשה שימוש במגעים סמוכים או משולבים. זה נקבע על ידי בחינת שחזור מיקום שתל האלקטרודות ביחס למטרות אנטומיות ובחינת משרעת האותות. אם מגעים סמוכים מפיקים אותות באמפליטודה נמוכה, מגעים משולבים עדיפים. ניתן להשתמש בכל איש קשר במונטאז' פעם אחת בלבד.
  2. ודא שהמטופל החלים לחלוטין מהניתוח לאחר השתלת המכשיר עם מוליכי קליפת המוח ו / או עומק (ראה24 למידע נוסף על טכניקת ההשתלה).
  3. חבר את שרביט הטלמטריה למתכנת (טאבלט קלינאי) ובקש מהמטופל להחזיק את השרביט מעל אח"י שלו או לחבר אותו לכובע קשירה (מותאם אישית, אינו חלק ממערכת המכשיר; ראה איור 1).
  4. באמצעות המתכנת, היכנס למערכת ניהול נתוני המטופל (PDMS; https://pdms.neuropace.com/login.php), נווט אל המטופל הנכון, בחר תכנות ולאחר מכן שנה לכידת ECoG. הגדר את חלון הלכידה למקסימום של 240 שניות עבור ארבעת הערוצים שהוגדרו באמצעות הבחירה הנפתחת.
    הערה: קצב הדגימה של ההתקן הוא 250 הרץ.
  5. באותו דף הגדרות, הגדר את שמירת מקום עבור הזמנות מגנט לשניים ולאפס עבור כל סוגי הטריגרים האחרים באמצעות הבחירות הנפתחות. זה מאפשר שמירה מועדפת של שתי הקלטות המופעלות על ידי החלקות מגנט.
    הערה: ניתן גם להפעיל אחסון מתוזמן, לשמירה אוטומטית ולא מועדפת של הקלטות עצביות בשעות קבועות ביום. הקלטות אלה לא ישמשו לקביעת סמן ביולוגי, אך עשויות להיות שימושיות למטרות אחרות.
  6. סנכרן את ההגדרות החדשות שתוכנתו עם ה- INS של המטופל על ידי בחירה בלחצן סקירה ותוכנית , אישור השינויים המוצגים בטבלה המוצגת ובחירה בלחצן אישור תכנות .
    הערה: זיהוי וגירוי צריכים להיות מוגדרים שניהם כלא זמין.

2. איסוף תסמינים במהלך הקלטות המטופל בבית

  1. הכן את הסקר מבוסס האינטרנט עבור דוח הסימפטומים של המטופל (לדוגמה, REDCap25), כולל מחוונים עבור VAS-D, VAS-A, VAS-E ותגובות בחירה עבור כל שאלה של HAMD-6. ודא שמועד תחילת הסקר והשלמתו נרשם.
  2. ספק למטופל את כתובת האתר הייחודית שנוצרה על ידי REDCap כדי לגשת לסקרי הסימפטומים באמצעות הודעת טקסט או דוא"ל

3. נוהל דיווח סימפטומים והקלטות עצביות במקביל בבית

  1. הנחו את המטופל להגדיר את הציוד, כולל צג מרוחק (מחשב נייד של המטופל) ושרביט, מגנט ומכשיר להשלמת סקר (למשל טלפון חכם, טאבלט או מחשב) (איור 1). שלבים 3.2-3.8 מבוצעים על ידי המטופל.
    הערה: רוב המטופלים לומדים במהירות הליך זה. הדרכות אישיות בזמן שהמטופל עדיין בבית החולים לאחר השתלת המכשיר מועילות להכרת המרכיבים. לאחר שהמטופל חזר הביתה, שיחת וידאו בזמן שהמטופל מבצע הקלטה בבית יכולה לשמש רענון שימושי.
  2. הפעל את הצג המרוחק וחקר את המכשיר באמצעות השרביט, תוך הורדת הקלטות אלקטרוקורטיקוגרפיה (ECoG) שהתרחשו מאז החקירה האחרונה לצג המרוחק.
  3. החליקו את המגנט מעל אח"י כדי להפעיל הקלטת מגנט.
    הערה: החלקת המגנט מפעילה הקלטה עם יחס החלקה של 2:1 לפני:אחרי יחס ההחלקה. במקרה של לכידת ECoG המתוכנתת ל- 240 שניות, משמעות הדבר היא ש- 160 שניות של נתונים לפני ההחלקה ו- 80 שניות לאחר ההחלקה יאוחסנו.
  4. הפעל טיימר. השתמש בכתובת ה-URL הייחודית כדי להשלים סקר תסמינים.
  5. לאחר שחלפו 4 דקות או שהמטופל סיים את הסקר (מה שיקרה מאוחר יותר), החליקו שוב את המגנט מעל אח"י כדי להפעיל הקלטה נוספת.
  6. לאחר 80 שניות לפחות, השתמש בשרביט כדי לחקור שוב את המכשיר, והעבר את הנתונים משתי החלקות המגנט לצג המרוחק.
    הערה: בשל הזיכרון המובנה המוגבל של אח"י (עד 53 דקות ערוץ של נתונים, בהתאם לתצורה13), רצוי להעביר באופן מיידי הקלטות ECoG אלה לצג המרוחק, כך שהן לא יוחלפו על ידי ההקלטות הבאות.
  7. בצע את שלבים 3.1-3.6 לפחות פעמיים ביום.
  8. לפחות פעם ביום, חבר את הצג המרוחק לאינטרנט באמצעות Ethernet ובחר העבר נתונים וסנכרן בצג המרוחק כדי לשלוח נתונים לענן.

Figure 1
איור 1: ציוד מטופלים להקלטות ביתיות. צג מרוחק, שרביט קשור לכובע, מגנט וסמארטפון עם סקר REDCap. תמונות משובצות מציגות מיקומים ימניים של שתל אלקטרודות מסוג OFC (כחול) וימין מסוג SGC (כתום) על גבי רצף T1 איזוטרופי של חומר לבן בקוטר 1 מ"מ מהדמיית תהודה מגנטית (MRI) לפני הניתוח. פרוסת העטרה המתוארת נמצאת במישור המגע העמוק ביותר, ולכן ייתכן שהמגעים האחרים לא יהיו מרוכזים בפרוסה זו בדיוק (בשל העובדה שמסלול האלקטרודות אינו במישור העטרה). אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.

4. קביעת סמן ביולוגי מותאם אישית

  1. צור מסגרת נתונים של תגובות לסקר תסמינים בדיווח עצמי (לדוגמה, JOVE. PR03_Symptoms.pkl).
  2. חשב פרופילי הספק ספקטרליים עבור כל ערוץ של הקלטת ECoG על-ידי סיבוב פעילות ECoG עם משפחה של גלי Morlet (40 ליבות, 12 מחזורים, במרווח יומן בין 1-120 הרץ), יצירת מסגרת נתונים חדשה (לדוגמה, JOVE. PR03_NeuralPower.pkl).
  3. שייך הקלטות ECoG לדוחות תסמינים שהתרחשו בחלון זמן המשתרע על פני 5 דקות לפני עד 5 דקות לאחר הפעלת דוח התסמינים, באמצעות השדה trial_id במסגרת הנתונים של NeuralPower.
  4. זיהוי מצבי תסמינים (איור 2)
    1. באמצעות Python 3.10, התקן את הדרישות המפורטות בקובץ .txt הדרישות (תיקייה משלימה 1) לסביבה חדשה. ניתן לעשות זאת באמצעות דרישות התקנת פיפס -r.txt.
    2. פתח את JOVE-Symptom_State_and_Biomarker_Analysis.ipynb (Supplementary Folder 1) באמצעות Jupyter Notebook.
    3. ודא שהליבה מוגדרת לסביבה שבה הותקנו דרישות.txt והפעל את JOVE-Symptom_State_and_Biomarker_Analysis.ipynb.
      הערה: JOVE-Symptom_State_and_Biomarker_Analysis.ipynb מחשב את הדמיון הסטטיסטי בין ציונים בסקרי מטופלים באמצעות מדד הדמיון הקוסינוס (cosine similarity metric), שנע בין 0 (ללא דמיון) ל-1 (זהה) ובונה גרף מצב סימפטומים על ידי צבירת ערכי הדמיון בכל הזוגות האפשריים של דיווחי סימפטומים של מטופלים בבית. תכונות הכוח הספקטרלי עבור כל מצב סימפטום מחושבות על ידי צבירת פרופילי עוצמה ספקטרלית המשויכים לכל מצב סימפטום מוסק; הליך זה מניב התפלגות של פרופילי עוצמה ספקטרליים המקושרים לכל מצב סימפטום (איור 3).
  5. בתרחישים שבהם מזוהים יותר משני מצבי תסמינים, משווים סטטיסטית את ההתפלגויות של הכוח הספקטרלי המתאים למצב הסימפטום החמור ביותר ולמצב הסימפטום הכי פחות חמור.
  6. השתמש במבחן t מבוסס אשכולות כדי לזהות תדרים ספקטרליים שבהם הכוח הספקטרלי של מצב התסמין החמור גדול משמעותית מהעוצמה הספקטרלית של מצב התסמין הכי פחות חמור. טווח התדרים הספקטרליים הרציפים המבדילים בין מצבי הסימפטומים נחשב כסמן ביולוגי מועמד יחיד.

Figure 2
איור 2: סכמטי של הגישה המתודולוגית למדידת מצבי תסמינים, המציג תוצאות מדוגמה מייצגת. סקרים המדווחים על עצמם של מטופלים מתקבלים וציוני תסמינים מפורטים מנורמלים לטווח שבין 0 ל -1 (צבעים כהים משקפים חומרת תסמינים נמוכה יותר וצבעים בהירים יותר משקפים חומרת סימפטומים גבוהה יותר). (1) כל סקר שהושלם מייצג תמונת מצב בזמן הסימפטומים של המטופל ומיוצג כנקודה (שחור) במרחב ממדי גבוה. (2) נקודות זמן מקושרות זו לזו בגרף סקר תסמינים, המקשר את הדמיון הקוסינוס בין דוחות הסקר (קווים בין נקודות). (3) זיהוי קהילת גרף מקצה כל נקודת זמן למצב קהילה או סימפטום (נקודות וקווים צבעוניים) בהתבסס על תבנית חיבורי הגרף. (4) ציוני חומרת הסימפטומים ממוצעים בהתאם להקצאת המדינה ומספקים פנוטיפ סימפטומים כללי לכל מצב. (5) ניתן לעקוב אחר המופע של כל מצב לאורך זמן כתרשים רסטר (קווים אנכיים משקפים דוח סימפטומים שהוקצה למצב אחד). אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.

5. הגדרות גלאי מכשירי תכנות

  1. באמצעות המתכנת, היכנס ל- PDMS ובחר את המטופל הנכון, תכנות וזיהוי שינויים.
  2. בהתבסס על הסמן הביולוגי המותאם אישית שנבחר, בחר את הערוץ הנכון לזיהוי פעילות.
    1. בעת יצירת תבנית בפעם הראשונה, בחר תחילה ECoG על-ידי לחיצה על אחד מאלה המוצגים להלן, ערוץ שנבחר מתוך ECoG זה ופרק זמן מסומן.
    2. בשעת יצירת תבנית מתבנית קיימת, שנה את הערוץ על ידי לחיצה על תבנית ובחירה בלחצן שנה ערוץ .
  3. בתיבה ' זיהוי', בחרו 'פעילות ריתמית', שמציינת גלאי פסים.
  4. לחץ על פקדים נוספים והגדרות עו"ד. בחר את התדר המינימלי הרצוי ואת התדירות המרבית. ודא שההגדרות הן כדלקמן: Bandpass: מופעל; אורך קו: כבוי; אזור: כבוי; לוגיקת היפוך: לא הפוך.
  5. תכנת את המשרעת המינימלית ואת משך הזמן המינימלי עבור הגלאי. התחל עם משרעת מינימלית של 0.8% ומשך מינימלי של 0.64 שניות (שווה ערך לסף Bandpass של חמש וגודל חלון ניתוח זיהוי של 1280 אלפיות השנייה).
    הערה: משרעת מינימלית היא אחוז ממשרעת האות הכוללת שהפעילות שזוהתה חייבת לחרוג ממנה. רק אמפליטודות מעל סף זה יכולות לשמש לזיהוי. משך מינימלי הוא כמה זמן יש לקיים את אות המשרעת הגבוהה. מתבצע מעקב אחר פעולה זו כספירה של סלי זמן קבועים. באופן ספציפי, x מתוך סל הזמן של y 128 אלפיות השנייה חייב לעמוד בקריטריונים אלה, כאשר x הוא סף Bandpass ו- y הוא [Detect Analysis Window Size/128], כפי שמוצג בפרמטרים טכניים. יש לצאת מאפיזודה (כלומר הפעלת הגלאי) לפני שעלול להתרחש טריגר נוסף. הגדרות מסוימות עשויות להיות רגישות מדי ולגרום להישאר בפרק אחד ללא הגבלת זמן, ובכך למנוע טריגרים הבאים.
  6. לאחר בחירת כל הגדרות הגלאי, לחץ על סיום כדי לסגור את כל חלונות התכנות.
    הערה: ניתן לתכנת גלאים מרובים; ניתן להפעיל את הזיהוי בהתבסס על לוגיקת AND/OR בין גלאים אלה. התחל עם גלאי אחד כדי להבין את ההתנהגות לפני הצגת גלאי שני.
  7. כאשר השרביט מונח מעל חדרי המיון של המטופל, בחר סקירה ותוכנית ולחץ על הודעות האישור כדי לאתחל הגדרת גלאי זו.

6. הגדרות גלאי מכשירי טיטרציה

  1. לאחר שגלאי ההתקן תוכנת ואותחל במכשיר, בצע הקלטות בדיקה כדי להעריך אם יש לכוונן את רגישות הגלאי כדי להשיג את תדר ההפעלה הרצוי. ניתן להשיג זאת באמצעות ECoGs חי או דו"ח החקירה. התאמות לרגישות הגלאי נקבעות אמפירית בהתבסס על דיווחי סימפטומים של מטופלים, תופעות לוואי ותוצאות. התאמות אלה עשויות להיות נחוצות במהלך הטיפול. ביום, 30 דקות של גירוי יכולות לשמש כנקודת התחלה שמרנית להערכת היעילות הקלינית תוך שמירה על חיי הסוללה.
  2. ECoGs חיים
    1. כאשר השרביט מונח מעל חדרי המיון של המטופל, בחר ECOGs חיים על המתכנת.
    2. במהלך ההקלטה החיה, ספור את מספר הגילויים המתרחשים למשך ההקלטה. זה מספק אינדיקציה באיזו תדירות הגלאי יופעל.
      הערה: גלאים מסוימים עשויים להיות תלויי מצב, במיוחד גלאים המוגדרים לתדרים נמוכים (למשל, פעילים יותר בתקופות של שינה או נמנום). לפיכך, להקלטות חיות יש מגבלות להעריך באיזו תדירות גלאי עשוי להפעיל. הקלטות חיות עלולות לסבול גם מהפרעות אלקטרומגנטיות (למשל, רעש קו) או מיקום שרביט לקוי.
  3. דו"ח חקירה
    1. דקות עד שעות לאחר הגדרת הגלאי, הניחו את השרביט מעל אח"י המטופל כדי לחקור את המכשיר.
    2. ב-PDMS, נווט אל פעילות, בחר רשימת אירועים ולחץ על חקירה ראשונית מרגע ההקלטה. הטבלה בתחתית מספקת רשימה, עם זמנים, של כל אירועי הזיהוי. ניתן לייצא מסמך זה בפורמט PDF ולנתח אותו לצורך כימות.
  4. בהתבסס על מספר הגילויים ליחידת זמן שנרשמה לעומת צפיפות הגירוי הרצויה, התאם את משך הגלאי ואת פרמטרי המשרעת במידת הצורך. הקפד ללחוץ על סקירה ותוכנית לאחר כל קבוצה של שינויים כדי לאתחל אותם ב- INS של המטופל.

7. הגדרות גירוי של מכשיר תכנות

  1. באמצעות המתכנת, היכנס ל- PDMS ובחר את המטופל הנכון, תכנות וגירוי שינוי.
  2. בחר את מגעי ההפניה הרצויים או את Can (INS) שיהיו אנודות וקתודה. בחר את זרם הגירוי הרצוי, רוחב הפולס, משך הזמן והתדירות.
    הערה: ניתן לתכנת עד חמישה טיפולי גירוי; כל טיפול כולל שני פרצי גירוי, שניתן לתכנת להיות זהים או שונים. טריגר גלאי נתון יכול להוביל למספר משתנה של טיפולי גירוי, בהתאם למשך הזמן הממושך של האירוע. רק תוכנית טיפול 1, עם שני התפרצויות יש את אותם פרמטרים, אשר יוביל משך עקבי של גירוי מועבר בכל פעם הגלאי מופעל. בתצורה זו, משך הזמן הכולל של הגירוי המועבר כאשר הגלאי מופעל יהיה הסכום של Stim 1 Burst 1 ו- Stim 1 Burst 2. אם מספר טיפולים מתוכנתים ומועברים, ניתן לספק מקסימום חמישה טיפולים במהלך אפיזודה נתונה. יש לצאת מהאפיזודה ולהפעיל אפיזודה חדשה על מנת שהגירוי הבא יועבר.
  3. אם תרצה להגביל את הכמות הכוללת של גירוי המועבר ליום, בחר ערך עבור מגבלת טיפול ליום וזמן איפוס מגבלת טיפול.
    הערה: אזור הזמן לאיפוס מגבלת הטיפול מוגדר למרכז הראשי של המטופל. אם המטופלים עברו דירה, זה עשוי להיות שונה מאזור הזמן הביתי של המטופל.
  4. באופן ספציפי, אם אין צורך בגירוי לילה, הגדר את מגבלת הטיפול ליום ואת זמן איפוס מגבלת הטיפול כך שהגלאי ישיג את מגבלת הטיפול בין זמן האיפוס לשעת השינה של המטופל.
  5. כאשר השרביט מונח מעל חדרי המיון של המטופל, בחר סקירה ותוכנית ולחץ על הודעות האישור כדי לאתחל את הגדרות הגירוי.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

הנתונים שנאספו ומוצגים כאן הם ממטופל יחיד עם מוליכים ארבע-ערוציים שהושתלו בקליפת המוח האורביטופרונטלית הימנית (OFC) ובחגורה התת-גנית הימנית (SGC) (איור 1). מוליך עם פסיעה של 10 מ"מ ממרכז למרכז שימש עבור ה-OFC על מנת להתמקד הן בהיבט המדיאלי והן בהיבט הצידי, בעוד מוליך עם פסיעה של 3.5 מ"מ שימש עבור SGC על מנת לקבל כיסוי מרוכז יותר מבחינה מרחבית. ארבעה ערוצי הקלטה דו-קוטביים תוכנתו באמצעות אנשי קשר סמוכים: OFC1-OFC2, OFC3-OFC4, SGC1-SGC2 ו-SGC3-SGC4. מגעים אלה נבחרו כדי לסייע בפענוח מקור האותות ומשום שמשרעת ECoG הספיקה כדי לפתור עוצמה ספקטרלית. לאחר ההתאוששות מהניתוח, המטופל הפעיל רישומי ECoG ביתיים במכשיר הגירוי העצבי הכרוני שלו במקביל להשלמת דוחות סקר תסמינים באמצעות REDCap (איור 1), אשר העריך היבטים רבים של סימפטומטולוגיה. במהלך שבועות, זה יצר מערך נתונים מספיק כדי למפות מצבי תסמינים שונים (איור 2). ניתוח מצב החלל גילה ארבעה מצבי סימפטומים. בהתבסס על בדיקה ידנית של ההתפלגות מבוססת מפת החום של ציוני הסימפטומים הממוצעים (איור 2, למטה מימין), נבחרו מצבים 3 ו-0 כמצבים של תסמיני דיכאון נמוך וגבוה, בהתאמה. תכונות הכוח הספקטרלי חושבו לאחר מכן מרישומי ECoG שנערכו בסמיכות בזמן למועד שבו המטופל השלים דוח סקר תסמינים. תכונות כוח מבחינת ערוץ נצברו בהתבסס על מצבי הסימפטומים הפחות וחמורים ביותר, המכונים מצב דיכאון נמוך ומצב דיכאון גבוה, בהתאמה (מצב דיכאון נמוך n = 140; מצב דיכאון גבוה n = 660). ההתפלגויות של הכוח הספקטרלי כפונקציה של התדר הספקטרלי תוכננו עבור מצבי דיכאון נמוך וגבוה (איור 3). בגלל מגבלות מובנות בלוגיקת סף הגילוי של המכשיר המושתל, סמן ביולוגי ספקטרלי נבחר צריך להפגין עוצמה רבה יותר במצב דיכאון גבוה ועוצמה נמוכה יותר במצב דיכאון נמוך. מחקרים קודמים הוכיחו כי פעילות בתחום התדרים 1-5 הרץ (רצועת דלתא קנונית) קשורה לעיתים קרובות למצבים של נמנום מוגבר או שינה; סמן ביולוגי בטווח תדרים זה עשוי להיות מוטה מאוד על ידי מצב זה. לכן, הבחירה הטובה ביותר עבור סמן ביולוגי ספציפי לתדר בדוגמה זו היא 13-30 הרץ של OFC 3-4. גלאי המכשיר לגירוי עצבי תוכנת באמצעות תדרים אלה, אשר הציגו הפרדה בכוח הספקטרלי בין מצבי הסימפטומים. באמצעות הליך זה, נבחר ויושם סמן ביולוגי מותאם אישית, ספציפי למצב סימפטומים לבקרת גירוי בלולאה סגורה. מטופל זה משתתף כעת באופן פעיל בהצלבה כפולת סמיות להערכת גירוי בלולאה סגורה, כך שפרסום מידע מקיף על פרמטרים לגירוי ותוצאותיו יהיה בקרוב. עם זאת, ראינו ירידה הדרגתית בציוני VAS-D במהלך אופטימיזציה של פרמטרי גירוי ובדיקה באמצעות גירוי בלולאה סגורה (איור משלים 1).

Figure 3
איור 3: גילוי סמנים ביולוגיים של מצבי סימפטומים בהתבסס על כוח ספקטרלי עצבי. התפלגות הכוח הספקטרלי (ציר Y) כפונקציה של תדר ספקטרלי (ציר x) מושווית בין מצב דיכאון נמוך (אדום) למצב דיכאון גבוה (כחול). הקו העבה מתאים לממוצע והאזור המוצל מתאים לסטיית התקן. מוצגת כאן התפלגות תלוית מצב של כוח ספקטרלי בארבעה ערוצי ECoG המתקבלים משני אזורי מוח אנטומיים שונים. אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.

תרשים משלים 1: ציוני VAS-D. נצפתה ירידה הדרגתית בציוני VAS-D במהלך אופטימיזציה של פרמטרי גירוי ובדיקה באמצעות גירוי בלולאה סגורה. אנא לחץ כאן כדי להוריד קובץ זה.

תיקייה משלימה 1: נתונים לדוגמה וסקריפטים לעיבוד. אנא לחץ כאן כדי להוריד קובץ זה.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

גירוי מוחי עמוק הפך לטיפול מבוסס במחלת פרקינסון, רעד חיוני, דיסטוניה ואפילפסיה, והוא נחקר באופן פעיל במצבים נוירופסיכיאטריים רבים אחרים26,27,28,29. הרוב המכריע של DBS מועבר במצב לולאה פתוחה, שבו הגירוי מועבר ברציפות. עבור סימפטומים שהם paroxysmal בטבע, גירוי מתמשך עלול להוביל לתופעות לוואי לא רצויות או להפחית את היעילות הטיפולית30. בעוד שגירוי טיפולי ישפר לעתים קרובות את מצב הרוח ככל שתסמיני הדיכאון שוככים, דווחו אפיזודות של היפומאניה הנחשבות קשורות לגירוי מתמשך31. נדודי שינה במהלך גירוי מתמשך דווחו גם31. לכן, גירוי לולאה סגורה שבה מסירת הטיפול עולה בקנה אחד עם התרחשות הסימפטומים עשויה לספק תועלת קלינית גדולה יותר. הפרוטוקול המוצג כאן מפרט תכנות וכוונון גירוי עצבי בלולאה סגורה לטיפול ב- MDD.

שלב קריטי ליישום גירוי עצבי בלולאה סגורה הוא זיהוי סמן ביולוגי סימפטום מתאים, המשמש לתכנות גלאי המכשיר. באופן אידיאלי, סמן ביולוגי עבור גירוי עצבי צריך להיות תכונה עצבית או תכונות ספציפיות לסימפטום להיות במעקב. על מנת לזהות סמן ביולוגי כזה, המטופל מספק הקלטות עצביות במקביל לדיווחים על תסמיני דיכאון. מודלים של מרחב המדינה משמשים כדי להבדיל בין מצבי סימפטומים. גרף מצב הסימפטומים מציין את הדמיון הפנוטיפי בין סולמות דירוג הסימפטומים בין שתי נקודות זמן. צומת יחיד בגרף מייצג דוח סימפטום יחיד בזמן, וקצה המקשר בין שני צמתים בגרף מייצג את הדמיון בין הדוחות, כפי שנמדד על-ידי מדד הדמיון הקוסינוס (cosine similarity metric). זיהוי קהילת גרף מזהה קבוצות של צמתים, או קהילות, בתוך גרף מצב הסימפטומים על-ידי הגדלת הדמיון בין צמתים בתוך קבוצה ומזעור הדמיון בין צמתים של קבוצות שונות. אומרים שצמתים השייכים לאותה קהילה שייכים לאותו מצב זמני. כדי למצוא קהילות, אלגוריתם הזיהוי משווה את מבנה הגרף האמיתי למבנה של גרף אקראי, המגדיר יחסים מקריים בין צמתים. מודל קרבה טמפורלית, המגדיר את הדמיון בין שני צמתים בהתבסס על מידת הקרבה בין שני דיווחי סימפטומים בזמן, משמש להגדרת הגרף האקראי. גישה זו מעודדת את האלגוריתם לגלות פחות מצבי סימפטומים גלובליים זמניים על ידי הענשת זיהוי של כמה מצבי סימפטומים מקומיים זמניים יותר. במילים אחרות, עונש חזק יותר מניב מצבי זמן המשתרעים על פני פרקי זמן ארוכים יותר. לאחר מכן משווים את ספקטרום הכוח העצבי המתאים כדי לזהות טווחי תדרים המפרידים בין שלבי הסימפטומים ולכן ניתן להשתמש בהם כדי לזהות מקרים שבהם המטופל נמצא במצב מסוים (סימפטום) ולתת גירוי בהתאם.

פיתוח סמן ביולוגי מתאים מסתמך על רכישה מדויקת של מצבי סימפטומים התנהגותיים. מדדים שאינם דיווח עצמי נחקרים עבור תועלת פוטנציאלית בזיהוי סמנים ביולוגיים של מצב התסמינים, כולל פיזיולוגיה היקפית וניתוח סמנטי של שפה כתובה או מדוברת. במקרים מסוימים, ייתכנו משתנים בלתי נצפים בנוסף למצב הסימפטומים אשר תורמים להבדלים בכוח הספקטרלי. ייתכנו גם מקרים שבהם דיווחי הסימפטומים אינם רגישים מספיק כדי להבחין בין מצבים ותכונות עצביות מתאימות.

אכן, יש להעריך את מהימנותן ותוקפן של מדידות הקשורות לגילוי סמנים ביולוגיים32 . עם הזמן, אנשים עשויים להציג שינוי באופן שבו הם מדרגים את הסימפטומים שלהם (למשל, שינוי כלפי מעלה או כלפי מטה בדירוג החומרה בסולם VAS). אנשים שונים עשויים לדרג את הסימפטומים שלהם באופן אידיוסינקרטי, או ששאלות מסוימות בסקרים עשויות שלא לחול על אדם בהתבסס על הסימפטומים שהם חווים. רבים ממדדי הדיווח העצמי שבהם נעשה שימוש נוהלו במשותף עם מבחנים מתוקפים המנוהלים על ידי קלינאים, והראו תוקף בנקודות זמן בודדות. השימוש במדדים כאלה כדי לעקוב אחר סימפטומים לאורך זמן עשוי להציג או לא להציג את אותו תוקף. בהקשר זה, משך הזמן הדרוש לאיסוף נתונים מספיקים לחישוב סמן ביולוגי מותאם אישית עשוי לנוע בין שבועות לחודשים. גורם מפתח המשפיע על משך זמן זה הוא טווח מצבי הסימפטומים שנלכדו על ידי דיווחי הסימפטומים של המטופל ורישומים עצביים תואמים. מצבי תסמינים אלה עשויים להשתנות על פני טווחי זמן שונים. חישובי גילוי סמנים ביולוגיים מבוצעים בדרך כלל כאשר הנתונים נאספים ונחשבים יציבים כאשר הוספת נתונים חדשים אינה משנה באופן משמעותי את התוצאות. עם זאת, היציבות ארוכת הטווח של סמנים ביולוגיים אינה ידועה גם היא, ולכן אין לדרוש יציבות של סמנים ביולוגיים כדי להתקדם עם גירוי עצבי בלולאה סגורה. סמנים ביולוגיים צריכים לעבור הערכה מחדש מעת לעת בזמן שהשדה עדיין לומד כיצד דפוסי פעילות אלה משתנים עם טיפול ארוך טווח.

במקרים מסוימים, ייתכן שהפרוטוקול המתואר לא יוביל בהצלחה לזיהוי סמן ביולוגי הקשור לתסמינים שניתן להשתמש בו לגירוי עצבי בלולאה סגורה. המגבלות התורמות לכך הן ספציפיות למכשיר והן אגנוסטיות למכשיר. הפרוטוקול המתואר משתמש בספקטרום ממוצע זמן מערוצים דו קוטביים, מכיוון שזה דומה למה שהמכשיר המסוים הזה מסוגל ליישם. פרוטוקול זה מתאר גם זיהוי סמן ביולוגי שבו מצב סימפטומים גבוה יותר קשור לכוח עצבי גדול יותר, שכן גלאי המכשיר נועד לזהות מקרים של נוכחות של דפוס (למשל, פעילות ספציפית לתדר מוגבר) ולא היעדרו. מגבלות אגנוסטיות של גישה זו כוללות כיסוי מרחבי מוגבל של אלקטרודות ECoG. ייתכן שיש תכונה עצבית באזור במוח שלא נדגמה, שעוקבת באופן הדוק יותר אחר התסמינים. עם זאת, EcoG מוגבל מרחבית, ומספר הלידים שניתן להשתיל ולנטר באופן כרוני על ידי מכשיר מוגבל ביותר.

במקרים בהם סמן ביולוגי מותאם אישית ספציפי לסימפטום אינו זמין, סמן ביולוגי דמה שניתן להשתמש בו על מנת לתת גירוי אקראי לסירוגין או גירוי מתמשך בלולאה פתוחה עשוי להיות טוב יותר מאשר ללא טיפול. בהקשר של MDD, עדיין לא פורסמו דוחות המשווים ישירות בין DBS מגיב המופעל על ידי סמנים ביולוגיים לבין DBS אקראי או מתוזמן לסירוגין. השוואה זו נערכת כעת בניסוי קליני מתמשך (NCT04004169), והתוצאות יספקו בהירות חשובה לגבי החשיבות היחסית של זיהוי סמן ביולוגי ספציפי לתסמין.

ככל שטכנולוגיית המכשיר להשתלה לגירוי עצבי תשתפר, האותות והחישובים שניתן להשתמש בהם עבור סמנים ביולוגיים יהפכו מתוחכמים יותר. יחד עם הבנה טובה יותר של נוירופיזיולוגיה העומדת בבסיס המחלה, זה יספק הזדמנות ליישום מותאם וספציפי יותר של גירוי טיפולי, לקראת המטרה של שליטה טובה יותר בסימפטומים עם פחות תופעות לוואי. הדור הבא של מכשירים לגירוי עצבי בלולאה סגורה, במיוחד עבור אינדיקציות נוירופסיכיאטריות, יתעד באופן אידיאלי פרקי זמן ארוכים יותר של פעילות עצבית (בסדר גודל של שעות או ברציפות). זה יקל על חקירת סמנים ביולוגיים שעשויים לנבא מצבים סימפטומטיים מתקרבים. מגמות על פני תקופות ארוכות יותר של נתונים עשויות גם להיות חזקות יותר נגד ההשפעה של תהליכים קוגנטיבים שונים שאינם קשורים. שילוב אוטומטי של נתונים ממקורות נתונים אחרים, כגון מעקב אחר תנועה או פיזיולוגיה היקפית, עשוי גם לספק בידול חזק יותר של מצבי תסמינים. העברת נתוני רקע ללא התערבות המטופל תפחית באופן משמעותי את נטל המטופל וככל הנראה תגדיל את זמינות הנתונים הכוללת לניתוח. בנוסף, עיבוד אותות מתקדם יותר במכשיר כדי להרחיב את התכונות העצביות שיכולות לשמש כסמנים ביולוגיים יגדיל את הסיכוי למצוא סמן ביולוגי ספציפי לסימפטומים; תכונות כאלה עשויות לכלול קוהרנטיות, צימוד בתדרים צולבים וצימוד פאזה-משרעת.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

ADK מייעצת עבור Eisai, Evecxia Therapeutics, Ferring Pharmaceuticals, Galderma, Harmony Biosciences, Idorsia, Jazz Pharmaceuticals, Janssen Pharmaceuticals, Merck, Neurocrine Biosciences, Pernix Pharma, Sage Therapeutics, Takeda Pharmaceutical Company, Big Health, Millennium Pharmaceuticals, Otsuka Pharmaceuticals ו-Neurawell Therapeutics. ADK מאשרת תמיכה מ-Janssen Pharmaceuticals, Jazz Pharmaceuticals, Axsome Therapeutics (לא. AXS-05-301), וחושפים חיישנים ביולוגיים. KWS מכהן במועצה המייעצת של Nesos. ל-UCSF ול-EFC יש פטנטים הקשורים לגירוי מוחי לטיפול בהפרעות נוירופסיכיאטריות. המחברים האחרים מצהירים שאין אינטרסים מתחרים.

Acknowledgments

עבודה זו נתמכה על ידי קרן משפחת ריי ודגמר דולבי באמצעות המחלקה לפסיכיאטריה ב- UCSF (KKS, ANK, NS, JF, VRR, KWS, EFC, ADK), על ידי פרס המכונים הלאומיים לבריאות מס '. K23NS110962 (KWS), מענק חוקר צעיר של NARSAD מהקרן לחקר המוח וההתנהגות (KWS), ופרס פורץ הדרך לשנת 1907 (KWS).

Materials

Name Company Catalog Number Comments
Depth Lead Neuropace DL-330-3.5 30 cm length, 3.5 mm contact spacing
Depth Lead Neuropace DL-330-10 30 cm length, 10 mm contact spacing
Depth Lead Neuropace DL-344-3.5 44 cm length, 3.5 mm contact spacing
Depth Lead Neuropace DL-344-10 44 cm length, 10 mm contact spacing
Hat with velcro Self-assembled NA Optional
Jupyter Notebook Project Jupyter NA
Magnet Neuropace M-01
Programmer Neuropace PGM-300 Clinician tablet
Python 3.10 Python NA
Remote Monitor Neuropace 5000 Patient laptop 
Responsive Neurostimulation System (RNS)  Neuropace RNS-320
Wand Neuropace W-02

DOWNLOAD MATERIALS LIST

References

  1. Kaiser, R. H., Andrews-Hanna, J. R., Wager, T. D., Pizzagalli, D. A. Large-scale network dysfunction in major depressive disorder: A meta-analysis of resting-state functional connectivity. JAMA Psychiatry. 72 (6), 603-611 (2015).
  2. Goldstein-Piekarski, A. N., et al. Mapping neural circuit biotypes to symptoms and behavioral dimensions of depression and anxiety. Biological Psychiatry. 91 (6), 561-571 (2022).
  3. Williams, L. M. Precision psychiatry: a neural circuit taxonomy for depression and anxiety. The Lancet Psychiatry. 3 (5), 472-480 (2016).
  4. Ionescu, D. F., Rosenbaum, J. F., Alpert, J. E. Pharmacological approaches to the challenge of treatment-resistant depression. Dialogues in Clinical Neuroscience. 17 (2), 111-126 (2015).
  5. Mayberg, H. S., et al. Deep brain stimulation for treatment-resistant depression. Neuron. 45 (5), 651-660 (2005).
  6. Kennedy, S. H., et al. Deep brain stimulation for treatment-resistant depression: follow-up after 3 to 6 years. The American Journal of Psychiatry. 168 (5), 502-510 (2011).
  7. Holtzheimer, P. E., et al. Subcallosal cingulate deep brain stimulation for treatment-resistant depression: a multisite, randomised, sham-controlled trial. The Lancet Psychiatry. 4 (11), 839-849 (2017).
  8. Dougherty, D. D., et al. A randomized sham-controlled trial of deep brain stimulation of the ventral capsule/ventral striatum for chronic treatment-resistant depression. Biological Psychiatry. 78 (4), 240-248 (2015).
  9. Morishita, T., Fayad, S. M., Higuchi, M., Nestor, K. A., Foote, K. D. Deep brain stimulation for treatment-resistant depression: systematic review of clinical outcomes. Neurotherapeutics. 11 (3), 475-484 (2014).
  10. Lo, M. -C., Widge, A. S. Closed-loop neuromodulation systems: next-generation treatments for psychiatric illness. International Review of Psychiatry. 29 (2), 191-204 (2017).
  11. Hoang, K. B., Cassar, I. R., Grill, W. M., Turner, D. A. Biomarkers and stimulation algorithms for adaptive brain stimulation. Frontiers in Neuroscience. 11, 564 (2017).
  12. Little, S., et al. Adaptive deep brain stimulation in advanced Parkinson disease. Annals of Neurology. 74 (3), 449-457 (2013).
  13. Jarosiewicz, B., Morrell, M. The RNS system: brain-responsive neurostimulation for the treatment of epilepsy. Expert Review of Medical Devices. 18 (2), 129-138 (2021).
  14. Scangos, K. W., et al. Closed-loop neuromodulation in an individual with treatment-resistant depression. Nature Medicine. 27 (10), 1696-1700 (2021).
  15. Cagle, J. N., et al. Embedded human closed-loop deep brain stimulation for Tourette syndrome: a nonrandomized controlled trial. JAMA Neurology. 79 (10), 1064-1068 (2022).
  16. He, S., et al. Closed-loop deep brain stimulation for essential tremor based on thalamic local field potentials. Movement Disorders. 36 (4), 863-873 (2021).
  17. Drysdale, A. T., et al. Resting-state connectivity biomarkers define neurophysiological subtypes of depression. Nature Medicine. 23 (1), 28-38 (2017).
  18. Siddiqi, S. H., et al. Brain stimulation and brain lesions converge on common causal circuits in neuropsychiatric disease. Nature Human Behaviour. 5 (12), 1707-1716 (2021).
  19. Ahearn, E. P. The use of visual analog scales in mood disorders: A critical review. Journal of Psychiatric Research. 31 (5), 569-579 (1997).
  20. Bech, P., et al. The Hamilton depression scale. Evaluation of objectivity using logistic models. Acta Psychiatrica Scandinavica. 63 (3), 290-299 (1981).
  21. Khambhati, A. N., Sizemore, A. E., Betzel, R. F., Bassett, D. S. Modeling and interpreting mesoscale network dynamics. NeuroImage. 180, 337-349 (2018).
  22. Zamani Esfahlani, F., Bertolero, M. A., Bassett, D. S., Betzel, R. F. Space-independent community and hub structure of functional brain networks. NeuroImage. 211, 116612 (2020).
  23. Kleen, J. K., Rao, V. R. Managing neurostimulation for epilepsy. Deep Brain Stimulation Management. , 177-197 (2022).
  24. Krucoff, M. O., Wozny, T. A., Lee, A. T., Rao, V. R., Chang, E. F. Operative technique and lessons learned from surgical implantation of the NeuroPace Responsive Neurostimulation® system in 57 consecutive patients. Operative Neurosurgery. 20 (2), E98-E109 (2021).
  25. Harris, P. A., et al. The REDCap consortium: Building an international community of software platform partners. Journal of Biomedical Informatics. 95, 103208 (2019).
  26. Krauss, J. K., et al. Technology of deep brain stimulation: current status and future directions. Nature Reviews Neurology. 17 (2), 75-87 (2021).
  27. Dougherty, D. D. Deep brain stimulation: clinical applications. The Psychiatric Clinics of North America. 41 (3), 385-394 (2018).
  28. Drobisz, D., Damborská, A. Deep brain stimulation targets for treating depression. Behavioural Brain Research. 359, 266-273 (2019).
  29. Lee, D. J., Lozano, C. S., Dallapiazza, R. F., Lozano, A. M. Current and future directions of deep brain stimulation for neurological and psychiatric disorders. Journal of Neurosurgery. 131 (2), 333-342 (2019).
  30. Sun, F. T., Morrell, M. J. Closed-loop neurostimulation: the clinical experience. Neurotherapeutics. 11 (3), 553-563 (2014).
  31. Malone, D. A., et al. Deep brain stimulation of the ventral capsule/ventral striatum for treatment-resistant depression. Biological Psychiatry. 65 (4), 267-275 (2009).
  32. Zuo, X. -N., Xu, T., Milham, M. P. Harnessing reliability for neuroscience research. Nature Human Behaviour. 3 (8), 768-771 (2019).

Tags

מדעי המוח גיליון 197
גירוי עצבי בלולאה סגורה לטיפול מותאם אישית מונע סמנים ביולוגיים בהפרעת דיכאון מג'ורי
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Sellers, K. K., Khambhati, A. N.,… More

Sellers, K. K., Khambhati, A. N., Stapper, N., Fan, J. M., Rao, V. R., Scangos, K. W., Chang, E. F., Krystal, A. D. Closed-Loop Neurostimulation for Biomarker-Driven, Personalized Treatment of Major Depressive Disorder. J. Vis. Exp. (197), e65177, doi:10.3791/65177 (2023).

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