Summary
एक उच्च-लक्षण स्थिति के रोगी-विशिष्ट तंत्रिका बायोमार्कर द्वारा शुरू की गई गहरी मस्तिष्क उत्तेजना निरंतर, ओपन-लूप उत्तेजना की तुलना में प्रमुख अवसादग्रस्तता विकार के लक्षणों को बेहतर ढंग से नियंत्रित कर सकती है। यह प्रोटोकॉल एक रोगी-विशिष्ट तंत्रिका बायोमार्कर की पहचान करने और पहचाने गए बायोमार्कर के आधार पर चिकित्सीय उत्तेजना के वितरण को नियंत्रित करने के लिए एक वर्कफ़्लो प्रदान करता है।
Abstract
गहरी मस्तिष्क उत्तेजना में चिकित्सीय लाभ के लिए लक्षित मस्तिष्क क्षेत्रों में विद्युत उत्तेजना का प्रशासन शामिल है। प्रमुख अवसादग्रस्तता विकार (एमडीडी) के संदर्भ में, आज तक के अधिकांश अध्ययनों ने आशाजनक लेकिन मिश्रित परिणामों के साथ निरंतर या ओपन-लूप उत्तेजना को प्रशासित किया है। इन मिश्रित परिणामों में योगदान करने वाला एक कारक उत्तेजना लागू होने पर उत्पन्न हो सकता है। व्यक्तिगत और उत्तरदायी तरीके से उच्च-लक्षण राज्यों के लिए विशिष्ट उत्तेजना प्रशासन निरंतर उत्तेजना की तुलना में लक्षणों को कम करने में अधिक प्रभावी हो सकता है और आदत से संबंधित कम चिकित्सीय प्रभावों से बच सकता है। इसके अतिरिक्त, डिवाइस ऊर्जा की खपत को कम करने के लिए प्रति दिन उत्तेजना की कम कुल अवधि फायदेमंद है। यह प्रोटोकॉल उपचार-दुर्दम्य एमडीडी वाले व्यक्तियों के लिए बंद-लूप उत्तेजना प्राप्त करने के लिए क्रोनिक रूप से प्रत्यारोपित न्यूरोस्टिम्यूलेशन डिवाइस का उपयोग करके एक प्रयोगात्मक वर्कफ़्लो का वर्णन करता है। यह प्रतिमान एक रोगी-विशिष्ट तंत्रिका बायोमार्कर का निर्धारण करने पर टिका है जो उच्च लक्षणों की स्थिति से संबंधित है और डिवाइस डिटेक्टरों को प्रोग्रामिंग करता है, जैसे कि उत्तेजना लक्षण स्थिति के इस रीड-आउट से शुरू होती है। वर्णित प्रक्रियाओं में रोगी लक्षण रिपोर्ट के साथ समवर्ती तंत्रिका रिकॉर्डिंग कैसे प्राप्त करें, कम और उच्च-लक्षण राज्यों और संबंधित तंत्रिका विशेषताओं को अलग करने के लिए राज्य-अंतरिक्ष मॉडल दृष्टिकोण में इन डेटा का उपयोग कैसे करें, और बाद में बंद-लूप उत्तेजना चिकित्सा प्रदान करने के लिए डिवाइस को प्रोग्राम और ट्यून कैसे करें।
Introduction
प्रमुख अवसादग्रस्तता विकार (एमडीडी) एक न्यूरोसाइकियाट्रिक बीमारी है जो नेटवर्क-स्तरीय असामान्य गतिविधि और कनेक्टिविटी1 की विशेषता है। रोग विभिन्न प्रकार के लक्षणों को प्रकट करता है जो व्यक्तियों में भिन्न होते हैं, समय के साथ उतार-चढ़ाव करते हैं, और विभिन्न तंत्रिका सर्किट 2,3 से उत्पन्न हो सकते हैं। एमडीडी वाले लगभग 30% व्यक्ति मानक-देखभाल उपचार4 के लिए दुर्दम्य हैं, जो नए दृष्टिकोणों की आवश्यकता पर प्रकाश डालते हैं।
गहरी मस्तिष्क उत्तेजना (डीबीएस) न्यूरोमॉड्यूलेशन का एक रूप है जिसमें गतिविधि को संशोधित करने के लक्ष्य के साथ मस्तिष्क के लक्षित क्षेत्रों में विद्युत प्रवाह पहुंचाया जाता है। एमडीडी के उपचार के लिए डीबीएस कुछ अनुप्रयोगों5,6 में बहुत सफल रहा है, लेकिनबड़े अध्ययनों 7,8 में दोहराने में भी विफल रहा है। सभी उद्धृत अध्ययनों ने ओपन-लूप उत्तेजना9 को नियोजित किया, जिसमें निश्चित मापदंडों के साथ कथित चिकित्सीय उत्तेजना का वितरण निरंतर था। इसके विपरीत, बंद-लूप उत्तेजना लक्षण अवस्था10 से जुड़े प्रोग्राम किए गए बायोमार्कर या तंत्रिका गतिविधि पैटर्न के आधार पर उत्तेजना प्रदान करती है। बंद-लूप उत्तेजना के दो मुख्य कार्यान्वयन हैं: उत्तरदायी उत्तेजना और अनुकूली उत्तेजना11। जब प्रोग्राम किए गए मानदंड ों को पूरा किया जाता है तो उत्तरदायी उत्तेजना निरंतर मापदंडों (जैसे, आवृत्ति, आयाम, पल्स चौड़ाई) के साथ उत्तेजना के विस्फोट प्रदान करती है। अनुकूली उत्तेजना के साथ, एल्गोरिथ्म के अनुसार, उत्तेजना पैरामीटर गतिशील रूप से मापा बायोमार्कर के एक कार्य के रूप में बदलते हैं, जिसमें कई फिक्स पॉइंट या स्वचालित निरंतर समायोजन हो सकते हैं। अनुकूली उत्तेजना के साथ उत्तेजना निरंतर या आंतरायिक हो सकती है। अनुकूली उत्तेजना ने पार्किंसंस रोग12 के लक्षणों को नियंत्रित करने में ओपन-लूप उत्तेजना के लिए बेहतर प्रभावकारिता दिखाई है। मिर्गी13 के लिए उत्तरदायी न्यूरोस्टिम्यूलेशन खाद्य और औषधि प्रशासन (एफडीए) द्वारा अनुमोदित है, जबकि एमडीडी 14 के लिए उत्तरदायी उत्तेजना की प्रारंभिक जांच और टॉरेट सिंड्रोम15 और आवश्यक कंपकंपी16 के लिए अनुकूली उत्तेजना भी चिकित्सीय लाभ दिखाती है।
बंद-लूप उत्तेजना को लागू करने के लिए, एक शारीरिक संकेत का चयन किया जाना चाहिए और यह सूचित करने के लिए ट्रैक किया जाना चाहिए कि उत्तेजना कब दी जानी चाहिए। यह प्रतिक्रिया ओपन-लूप और क्लोज्ड-लूप उत्तेजना के बीच महत्वपूर्ण अंतर है और बायोमार्कर का चयन करके महसूस किया जाता है। यह प्रोटोकॉल किसी दिए गए व्यक्ति द्वारा अनुभव किए गए लक्षणों के नक्षत्र के अनुसार एक व्यक्तिगत बायोमार्कर निर्धारित करने के लिए एक प्रक्रिया प्रदान करता है। रोगियों में भविष्य के मेटा-विश्लेषण से पता चलेगा कि क्या व्यक्तियों में सामान्य बायोमार्कर हैं या यदि एमडीडी लक्षणों और अंतर्निहित सर्किटरी की विषम प्रस्तुति के लिए व्यक्तिगत दृष्टिकोण17,18 की आवश्यकता है। तंत्रिका गतिविधि को महसूस करने और विद्युत उत्तेजना प्रदान करने में सक्षम डीबीएस उपकरणों का उपयोग करना इस बायोमार्कर की खोज और बंद-लूप न्यूरोमॉड्यूलेशन के बाद के कार्यान्वयन दोनों की अनुमति देता है। यह दृष्टिकोण तंत्रिका गतिविधि और विशिष्ट लक्षण अवस्थाओं के बीच एक करीबी अस्थायी संबंध को पूर्ववत करता है और सभी संकेतों या लक्षणों के लिए लागू नहीं हो सकता है।
जबकि पार्किंसंस रोग और आवश्यक कंपकंपी जैसे संकेतों में लक्षण होते हैं जिन्हें परिधीय सेंसर (जैसे, कंपकंपी, कठोरता) का उपयोग करके मापा जा सकता है, एमडीडी के लक्षण आमतौर पर रोगी द्वारा रिपोर्ट किए जाते हैं या मानकीकृत प्रश्नों और अवलोकन का उपयोग करके एक चिकित्सक द्वारा मूल्यांकन किया जाता है। एक व्यक्तिगत बायोमार्कर की गणना करने के लिए पर्याप्त डेटा एकत्र करने के संदर्भ में, क्लिनिशियन आकलन व्यावहारिक नहीं हैं, और इस प्रकार रेटिंग स्केल के माध्यम से लक्षणों की रोगी रिपोर्ट का उपयोग किया जाता है। इस तरह के पैमानों में अवसाद (वीएएस-डी), चिंता (वीएएस-ए), और ऊर्जा (वीएएस-ई) 19 के दृश्य एनालॉग स्केल और हैमिल्टन डिप्रेशन रेटिंग स्केल (एचएएमडी -6)20 के छह-प्रश्न रूप शामिल हैं। तंत्रिका गतिविधि की समवर्ती रिकॉर्डिंग और इन स्व-रिपोर्ट लक्षण रेटिंग के पूरा होने से एक युग्मित डेटासेट मिलता है जिसका उपयोग उच्च-लक्षण राज्यों से संबंधित या पूर्वानुमान ति तंत्रिका संकेत की वर्णक्रमीय विशेषताओं के बीच संबंधों को देखने के लिए किया जा सकता है।
कम्प्यूटेशनल दृष्टिकोण, जैसे राज्य-अंतरिक्ष मॉडलिंग, का उपयोग लक्षण राज्यों और तंत्रिका विशेषताओं के बीच संबंधों को उजागर करने के लिए किया जा सकता है। ग्राफ सैद्धांतिक विधियां राज्य-स्थान21 को चिह्नित करने के लिए आकर्षक हैं क्योंकि वे माप22 के बीच अस्थायी निकटता को स्पष्ट रूप से मॉडलिंग करके विभिन्न टाइमस्केल पर राज्यों की खोज को सक्षम करते हैं। एक लक्षण राज्य-अंतरिक्ष मॉडल समय की अवधि की पहचान करता है जिसमें रोगी के लक्षणों का एक सामान्य फेनोटाइप होता है और लक्षण उप-राज्यों को इंगित कर सकता है जिसमें रोगी के अवसाद के विशिष्ट आयामों पर रेटिंग पर्यावरण या संदर्भ के आधार पर भिन्न होती है। एक बंद-लूप दृष्टिकोण अंतर्निहित मस्तिष्क गतिविधि के आधार पर लक्षण राज्यों का पता लगाने पर निर्भर करता है। मशीन लर्निंग वर्गीकरण एक अंतिम चरण है जो मस्तिष्क गतिविधि संकेतों से प्राप्त सांख्यिकीय विशेषताओं के संयोजन की पहचान करने में मदद करता है जो दो या अधिकलक्षण राज्यों को सबसे अच्छा अलग करता है। यह दो-चरण दृष्टिकोण समय के साथ रोगी के लक्षणों में परिवर्तनशीलता की व्याख्या करता है और मस्तिष्क गतिविधि के लिए लक्षण भिन्नता के व्यवस्थित पैटर्न को जोड़ता है।
वर्तमान प्रोटोकॉल न्यूरोपेस रिस्पॉन्सिव न्यूरोस्टिम्यूलेशन सिस्टम (आरएनएस) 13,23 का उपयोग करता है। इष्टतम उत्तेजना साइट (ओं) और मापदंडों को निर्धारित करने के लिए प्रक्रियाएं इस प्रोटोकॉल के दायरे से बाहर हैं। हालांकि, बंद-लूप न्यूरोस्टिम्यूलेशन को डिजाइन करते समय किसी दिए गए डिवाइस की उत्तेजना क्षमताओं पर विचार करना महत्वपूर्ण है। इस प्रोटोकॉल में उपयोग किए जाने वाले डिवाइस के लिए, उत्तेजना वर्तमान-नियंत्रित होती है और एनोड (एस) और कैथोड (एस) के बीच वितरित की जाती है। एक या अधिक इलेक्ट्रोड संपर्क या कैन (इम्प्लांटेबल न्यूरोस्टिमुलेटर [आईएनएस]) को एनोड (एस) या कैथोड (एस) के रूप में चुना जा सकता है। उत्तेजना आवृत्ति (1-333.3 हर्ट्ज), आयाम (0-12 एमए), पल्स चौड़ाई (40-1000 μs प्रति चरण), और अवधि (10-5000 एमएस, प्रति स्टिम) सभी पूर्व-प्रोग्राम किए गए हैं। पूर्व मापदंडों को पांच उत्तेजना उपचारों के लिए स्वतंत्र रूप से सेट किया जा सकता है; यदि पहचान मानदंडों को पूरा करना जारी रहता है तो इन उपचारों को क्रमिक रूप से वितरित किया जाता है। एक साथ कई उत्तेजना तरंगों को वितरित करना संभव नहीं है (उदाहरण के लिए, कोई उत्तेजना की दो अलग-अलग आवृत्तियों को समवर्ती रूप से वितरित नहीं कर सकता है)। उत्तेजना तरंग एक सममित द्विध्रुवीय आयताकार तरंग है और इसे बदला नहीं जा सकता है।
Subscription Required. Please recommend JoVE to your librarian.
Protocol
इस प्रोटोकॉल की समीक्षा और कैलिफोर्निया विश्वविद्यालय, सैन फ्रांसिस्को संस्थागत समीक्षा बोर्ड द्वारा अनुमोदित किया गया है।
1. रोगी घर पर रिकॉर्डिंग के लिए डिवाइस सेटअप
- अधिग्रहण के लिए चार कॉन्फ़िगर किए गए चैनल सेट करने के लिए डिवाइस कंपनी के एक प्रतिनिधि के साथ काम करें, प्रत्येक प्रत्यारोपित लीड से दो।
नोट: प्रत्येक चैनल एक द्विध्रुवी रिकॉर्डिंग रिकॉर्ड करता है। कॉन्फ़िगर किए गए चैनल आसन्न (जैसे, 1-2, 3-4) या इंटरलेव्ड (जैसे, 1-3, 2-4) इलेक्ट्रोड संपर्कों का उपयोग कर सकते हैं। जब 10 मिमी रिक्ति वाले लीड प्रत्यारोपित किए जाते हैं, तो आसन्न संपर्कों का आमतौर पर उपयोग किया जाता है। जब 3.5 मिमी स्पेसिंग वाले लीड लगाए जाते हैं, तो या तो आसन्न या इंटरलेव्ड संपर्कों का उपयोग किया जाता है। यह शारीरिक लक्ष्यों के सापेक्ष इलेक्ट्रोड इम्प्लांट स्थान के पुनर्निर्माण और संकेतों के आयाम की जांच करके निर्धारित किया जाता है। यदि आसन्न संपर्क कम आयाम संकेत ों का उत्पादन करते हैं, तो इंटरलेव्ड संपर्क बेहतर होते हैं। प्रत्येक संपर्क का उपयोग केवल एक बार मोंटाज में किया जा सकता है। - सुनिश्चित करें कि रोगी कॉर्टिकल और / या गहराई लीड के साथ डिवाइस के आरोपण के बाद सर्जरी से पूरी तरह से ठीक हो गया है (आरोपण तकनीक पर अतिरिक्त जानकारी के लिए24 देखें)।
- टेलीमेट्री वैंड को प्रोग्रामर (क्लिनिशियन टैबलेट) से कनेक्ट करें और रोगी को अपने आईएनएस पर छड़ी पकड़ें या इसे टेथरिंग टोपी (कस्टम-निर्मित, डिवाइस सिस्टम का हिस्सा नहीं; चित्रा 1 देखें) से संलग्न करें।
- प्रोग्रामर का उपयोग करके, रोगी डेटा प्रबंधन प्रणाली (पीडीएमएस; https://pdms.neuropace.com/login.php) पर लॉग ऑन करें, सही रोगी पर नेविगेट करें, और प्रोग्रामिंग का चयन करें और फिर ईसीओजी कैप्चर बदलें। ड्रॉपडाउन चयन का उपयोग करके चार कॉन्फ़िगर किए गए चैनलों के लिए कैप्चर विंडो को अधिकतम 240 सेकंड तक सेट करें।
नोट: डिवाइस नमूना दर 250 हर्ट्ज है। - उसी सेटिंग्स पृष्ठ पर, ड्रॉपडाउन चयन का उपयोग करके चुंबक आरक्षण के लिए आरक्षित स्थान को दो पर और अन्य सभी ट्रिगर प्रकारों के लिए शून्य पर सेट करें। यह चुंबक स्वाइप द्वारा ट्रिगर की गई दो रिकॉर्डिंग की प्राथमिकता बचत की अनुमति देता है।
नोट: दिन के निर्धारित समय पर तंत्रिका रिकॉर्डिंग की स्वचालित और गैर-प्राथमिकता वाली बचत के लिए निर्धारित भंडारण भी सक्षम किया जा सकता है। इन रिकॉर्डिंग का उपयोग बायोमार्कर निर्धारित करने के लिए नहीं किया जाएगा, लेकिन अन्य उद्देश्यों के लिए उपयोगी हो सकता है। - समीक्षा और प्रोग्राम बटन का चयन करके, प्रस्तुत तालिका में दिखाए गए परिवर्तनों की पुष्टि करके और प्रोग्रामिंग की पुष्टि करें बटन का चयन करके रोगी के आईएनएस के साथ नई प्रोग्राम की गई सेटिंग्स सिंक्रनाइज़ करें।
नोट: डिटेक्शन और उत्तेजना दोनों को अक्षम करने के लिए सेट किया जाना चाहिए।
2. रोगी की घर पर रिकॉर्डिंग के दौरान लक्षण संग्रह।
- रोगी लक्षण रिपोर्ट (जैसे रेडकैप25) के लिए वेब-आधारित सर्वेक्षण तैयार करें, जिसमें वीएएस-डी, वीएएस-ए, वीएएस-ई के लिए स्लाइडर्स और एचएएमडी -6 के प्रत्येक प्रश्न के लिए चयन प्रतिक्रियाएं शामिल हैं। सुनिश्चित करें कि सर्वेक्षण शुरू होने और पूरा होने का समय लॉग किया गया है।
- पाठ संदेश या ईमेल के माध्यम से लक्षण सर्वेक्षण तक पहुंचने के लिए रोगी को REDCap द्वारा उत्पन्न अद्वितीय URL प्रदान करें।
3. समवर्ती घर पर लक्षण रिपोर्ट और तंत्रिका रिकॉर्डिंग के लिए प्रक्रिया
- रोगी को सर्वेक्षण (जैसे स्मार्टफोन, टैबलेट या कंप्यूटर) को पूरा करने के लिए रिमोट मॉनिटर (रोगी लैपटॉप) और छड़ी, चुंबक और डिवाइस सहित उपकरण स्थापित करने का निर्देश दें (चित्रा 1)। चरण 3.2-3.8 रोगी द्वारा किया जाता है।
नोट: अधिकांश रोगी जल्दी से इस प्रक्रिया को सीखते हैं। डिवाइस प्रत्यारोपण के बाद रोगी अभी भी अस्पताल में है, जबकि व्यक्तिगत प्रशिक्षण सत्र घटकों के साथ परिचित होने के लिए सहायक होते हैं। रोगी के घर लौटने के बाद, जब रोगी घर पर रिकॉर्डिंग कर रहा होता है, तो एक वीडियो कॉल एक उपयोगी रिफ्रेशर के रूप में काम कर सकता है। - रिमोट मॉनिटर चालू करें और छड़ी का उपयोग करके डिवाइस से पूछताछ करें, इलेक्ट्रोकॉर्टिकोग्राफी (ईसीओजी) रिकॉर्डिंग डाउनलोड करें जो रिमोट मॉनिटर पर पिछली पूछताछ के बाद से हुई हैं।
- चुंबक रिकॉर्डिंग को ट्रिगर करने के लिए आईएनएस के ऊपर चुंबक स्वाइप करें।
नोट: चुंबक स्वाइप स्वाइप 2: 1 के साथ रिकॉर्डिंग को ट्रिगर करता है: स्वाइप अनुपात के बाद। ईसीओजी कैप्चर के मामले में जो 240 एस के लिए प्रोग्राम किया गया है, इसका मतलब है कि स्वाइप से पहले 160 एस डेटा और स्वाइप के बाद 80 एस डेटा संग्रहीत किया जाएगा। - टाइमर प्रारंभ करें। लक्षण सर्वेक्षण पूरा करने के लिए अद्वितीय URL का उपयोग करें.
- 4 मिनट बीत जाने के बाद या रोगी सर्वेक्षण पूरा कर लेता है (जो भी बाद में होता है), एक और रिकॉर्डिंग शुरू करने के लिए आईएनएस पर चुंबक को फिर से स्वाइप करें।
- कम से कम 80 सेकंड के बाद, डिवाइस से फिर से पूछताछ करने के लिए छड़ी का उपयोग करें, दो चुंबक स्वाइप से डेटा को रिमोट मॉनिटर में स्थानांतरित करें।
नोट: आईएनएस की सीमित ऑन-बोर्ड मेमोरी (कॉन्फ़िगरेशन13 के आधार पर 53 चैनल-मिनट डेटा तक) के कारण, इन ईसीओजी रिकॉर्डिंग को तुरंत रिमोट मॉनिटर में स्थानांतरित करना वांछनीय है ताकि वे बाद की रिकॉर्डिंग द्वारा अधिलेखित न हों। - चरण 3.1-3.6 को दिन में कम से कम दो बार पूरा करें।
- कम से कम एक बार दैनिक, रिमोट मॉनिटर को ईथरनेट के माध्यम से इंटरनेट से कनेक्ट करें और क्लाउड पर डेटा भेजने के लिए रिमोट मॉनिटर पर ट्रांसफर डेटा और सिंक्रनाइज़ का चयन करें।
चित्रा 1: घर पर रिकॉर्डिंग के लिए रोगी उपकरण। रेडकैप सर्वेक्षण के साथ एक रिमोट मॉनिटर, एक टोपी, चुंबक और स्मार्टफोन से जुड़ा हुआ है। इनलेड छवियों में प्रीऑपरेटिव चुंबकीय अनुनाद इमेजिंग (एमआरआई) से सफेद पदार्थ शून्य 1 मिमी आइसोट्रोपिक टी 1 अनुक्रम पर दाएं ओएफसी (नीला) और दाएं एसजीसी (नारंगी) इलेक्ट्रोड इम्प्लांट स्थानों को दिखाया गया है। चित्रित कोरोनल स्लाइस सबसे गहरे संपर्क के विमान में है, इसलिए अन्य संपर्क इस सटीक स्लाइस पर केंद्रित नहीं हो सकते हैं (इस तथ्य के कारण कि इलेक्ट्रोड प्रक्षेपवक्र कोरोनल विमान में नहीं है)। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.
4. एक व्यक्तिगत बायोमार्कर का निर्धारण
- स्व-रिपोर्ट किए गए लक्षण सर्वेक्षण प्रतिक्रियाओं का एक डेटाफ्रेम बनाएं (उदाहरण के लिए JOVE)। PR03_Symptoms.pkl).
- ईसीओजी रिकॉर्डिंग के प्रत्येक चैनल के लिए वर्णक्रमीय शक्ति प्रोफाइल की गणना मॉर्लेट वेवलेट (40 गुठली, 12 चक्र, 1-120 हर्ट्ज के बीच लॉग-स्पेस) के परिवार के साथ ईसीओजी गतिविधि को जोड़कर करें, एक नया डेटाफ्रेम (जैसे, जेओवीई) बनाएं। PR03_NeuralPower.pkl).
- न्यूरलपावर डेटाफ्रेम में trial_id फ़ील्ड का उपयोग करके, लक्षण रिपोर्ट शुरू होने से पहले 5 मिनट से 5 मिनट तक की समय अवधि के भीतर होने वाली लक्षण रिपोर्ट के साथ ईसीओजी रिकॉर्डिंग को संबद्ध करें।
- लक्षण अवस्थाओं की पहचान करें (चित्र 2)।
- Python 3.10 का उपयोग करते हुए, आवश्यकताओं.txt फ़ाइल (पूरक फ़ोल्डर 1) में सूचीबद्ध आवश्यकताओं को एक नए वातावरण में स्थापित करें। यह पिप इंस्टॉल -आर आवश्यकताओं का उपयोग करके किया जा सकता है.txt।
- Jupyter नोटबुक का उपयोग कर JOVE-Symptom_State_and_Biomarker_Analysis.ipynb (पूरक फ़ोल्डर 1) खोलें।
- सत्यापित करें कि कर्नेल उस वातावरण पर सेट है जिसमें आवश्यकताएँ.txt स्थापित की गई थीं और JOVE-Symptom_State_and_Biomarker_Analysis.ipynb चलाएँ।
नोट: JOVE-Symptom_State_and_Biomarker_Analysis.ipynb कोसाइन समानता मीट्रिक का उपयोग करके रोगी सर्वेक्षणों पर स्कोर के बीच सांख्यिकीय समानता की गणना करता है, जो 0 (कोई समानता नहीं) से 1 (समान) तक होता है और घर पर रोगी लक्षण रिपोर्ट के सभी संभावित जोड़े में समानता मूल्यों को एकत्र करके एक लक्षण स्थिति ग्राफ बनाता है। प्रत्येक लक्षण अवस्था के लिए वर्णक्रमीय शक्ति सुविधाओं की गणना प्रत्येक अनुमानित लक्षण स्थिति से जुड़े वर्णक्रमीय शक्ति प्रोफाइल को एकत्रित करके की जाती है; यह प्रक्रिया प्रत्येक लक्षण स्थिति से जुड़े वर्णक्रमीय शक्ति प्रोफाइल का वितरण करती है (चित्रा 3)।
- उन परिदृश्यों में जहां दो से अधिक लक्षण राज्यों की पहचान की जाती है, सबसे गंभीर लक्षण स्थिति और कम से कम गंभीर लक्षण स्थिति के अनुरूप वर्णक्रमीय शक्ति के वितरण की सांख्यिकीय रूप से तुलना की जाती है।
- वर्णक्रमीय आवृत्तियों की पहचान करने के लिए क्लस्टर-आधारित क्रमपरिवर्तन टी-परीक्षण का उपयोग करें जिसमें गंभीर लक्षण अवस्था की वर्णक्रमीय शक्ति कम से कम गंभीर लक्षण अवस्था की वर्णक्रमीय शक्ति से काफी अधिक है। सन्निहित वर्णक्रमीय आवृत्तियों की सीमा जो लक्षण राज्यों को अलग करती है, को एकल उम्मीदवार बायोमार्कर माना जाता है।
चित्रा 2: लक्षण राज्यों को मापने के लिए पद्धतिगत दृष्टिकोण का योजनाबद्ध, एक प्रतिनिधि उदाहरण से परिणाम दिखाते हुए। रोगी स्व-रिपोर्ट किए गए सर्वेक्षण प्राप्त किए जाते हैं और आइटम किए गए लक्षण स्कोर को 0 और 1 के बीच की सीमा तक सामान्यीकृत किया जाता है (गहरे रंग कम लक्षण गंभीरता को दर्शाते हैं और उज्जवल रंग उच्च लक्षण गंभीरता को दर्शाते हैं)। (1) प्रत्येक पूर्ण सर्वेक्षण रोगी के लक्षणों के समय में एक स्नैपशॉट का प्रतिनिधित्व करता है और इसे उच्च-आयामी स्थान में एक बिंदु (काले) के रूप में दर्शाया जाता है। (2) समय बिंदु एक लक्षण सर्वेक्षण ग्राफ में एक साथ जुड़े हुए हैं, जो सर्वेक्षण रिपोर्ट (बिंदुओं के बीच की रेखाएं) के बीच कोसाइन समानता से संबंधित है। (3) ग्राफ ़ समुदाय का पता लगाना ग्राफ़ कनेक्शन के पैटर्न के आधार पर प्रत्येक समय एक समुदाय या लक्षण स्थिति (रंगीन बिंदु और रेखाएं) को इंगित करता है। (4) लक्षण गंभीरता स्कोर राज्य असाइनमेंट के अनुसार औसत होते हैं और प्रत्येक राज्य के लिए एक सामान्य लक्षण फेनोटाइप प्रदान करते हैं। (5) प्रत्येक राज्य की घटना को समय के साथ एक रास्टर प्लॉट के रूप में ट्रैक किया जा सकता है (ऊर्ध्वाधर रेखाएं एक राज्य को सौंपी गई लक्षण रिपोर्ट को दर्शाती हैं)। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.
5. प्रोग्रामिंग डिवाइस डिटेक्टर सेटिंग्स
- प्रोग्रामर का उपयोग करके, PDMS पर लॉग ऑन करें और सही रोगी, प्रोग्रामिंग और चेंज डिटेक्शन का चयन करें।
- चयनित व्यक्तिगत बायोमार्कर के आधार पर, गतिविधि का पता लगाने के लिए सही चैनल का चयन करें।
- पहली बार एक पैटर्न बनाते समय, पहले नीचे दिखाए गए लोगों में से एक पर क्लिक करके ईसीओजी का चयन करें, उस ईसीओजी से चुना गया चैनल, और एक समय अवधि हाइलाइट की गई।
- पहले से मौजूद पैटर्न से पैटर्न बनाते समय, पैटर्न पर क्लिक करके और चैनल बदलें बटन का चयन करके चैनल बदलें ।
- पता लगाने के लिए, लयबद्ध गतिविधि का चयन करें, जो एक बैंडपास डिटेक्टर को दर्शाता है।
- अधिक नियंत्रण और Adv सेटिंग्स क्लिक करें. इच्छित न्यूनतम आवृत्ति और अधिकतम आवृत्ति का चयन करें। सुनिश्चित करें कि सेटिंग्स निम्नानुसार हैं: बैंडपास: चालू; लाइन की लंबाई: बंद; क्षेत्र: बंद; उलटा तर्क: उल्टा नहीं।
- डिटेक्टर के लिए न्यूनतम आयाम और न्यूनतम अवधि प्रोग्राम करें। 0.8% के न्यूनतम आयाम और 0.64 सेकंड की न्यूनतम अवधि के साथ शुरू करें (पांच की बैंडपास थ्रेशोल्ड और 1280 एमएस के विश्लेषण विंडो आकार का पता लगाएं )।
नोट: मिन आयाम कुल सिग्नल आयाम का एक प्रतिशत है जो पता लगाई गई गतिविधि से अधिक होना चाहिए। केवल इस सीमा से ऊपर के आयामों का उपयोग पहचान के लिए किया जा सकता है। न्यूनतम अवधि यह है कि उच्च आयाम संकेत को कितने समय तक बनाए रखा जाना चाहिए। इसे निश्चित अवधि के समय डिब्बे की गिनती के रूप में ट्रैक किया जाता है। विशेष रूप से, y 128 ms टाइम बिन के x को इन मानदंडों को पूरा करना चाहिए, जहां x बैंडपास थ्रेशोल्ड है और y [ विश्लेषण विंडो आकार / 128 का पता लगाएं] है, जैसा कि तकनीकी मापदंडों में प्रदर्शित किया गया है। एक एपिसोड (यानी डिटेक्टर का ट्रिगर) को बाद के ट्रिगर होने से पहले बाहर निकाला जाना चाहिए। कुछ सेटिंग्स बहुत संवेदनशील हो सकती हैं और परिणामस्वरूप एक एपिसोड में अनिश्चित काल तक रह सकती हैं, जिससे बाद के ट्रिगर्स को रोका जा सकता है। - एक बार सभी डिटेक्टर सेटिंग्स का चयन हो जाने के बाद, सभी प्रोग्रामिंग विंडो को बंद करने के लिए किया गया क्लिक करें।
नोट: कई डिटेक्टरों को प्रोग्राम किया जा सकता है; इन डिटेक्टरों के बीच और/या तर्क के आधार पर पता लगाना शुरू किया जा सकता है। दूसरा डिटेक्टर पेश करने से पहले व्यवहार को समझने के लिए एक डिटेक्टर से शुरू करें। - रोगी के आईएनएस पर रखी छड़ी के साथ, समीक्षा और कार्यक्रम का चयन करें और इस डिटेक्टर सेटिंग को शुरू करने के लिए पुष्टिकरण संदेशों के माध्यम से क्लिक करें।
6. टिटरेटिंग डिवाइस डिटेक्टर सेटिंग्स
- डिवाइस डिटेक्टर को प्रोग्राम करने और डिवाइस पर शुरू करने के बाद, यह आकलन करने के लिए परीक्षण रिकॉर्डिंग करें कि वांछित ट्रिगरिंग आवृत्ति प्राप्त करने के लिए डिटेक्टर की संवेदनशीलता को समायोजित किया जाना चाहिए या नहीं। यह लाइव ईसीओजी या पूछताछ रिपोर्ट का उपयोग करके प्राप्त किया जा सकता है। डिटेक्टर की संवेदनशीलता में समायोजन रोगी लक्षण रिपोर्ट, साइड इफेक्ट्स और परिणामों के आधार पर अनुभवजन्य रूप से निर्धारित किए जाते हैं। उपचार के दौरान इन समायोजनों की आवश्यकता हो सकती है। प्रति दिन, 30 मिनट की उत्तेजना का उपयोग बैटरी जीवन को संरक्षित करते हुए नैदानिक प्रभावकारिता का आकलन करने के लिए एक रूढ़िवादी प्रारंभिक बिंदु के रूप में किया जा सकता है।
- लाइव ECoGs
- रोगी के आईएनएस पर रखी छड़ी के साथ, प्रोग्रामर पर लाइव ईसीओजी का चयन करें।
- लाइव रिकॉर्डिंग के दौरान, रिकॉर्डिंग की अवधि के लिए होने वाले डिटेक्शन की संख्या की गणना करें। यह एक संकेत प्रदान करता है कि डिटेक्टर कितनी बार ट्रिगर करेगा।
नोट: कुछ डिटेक्टर राज्य-निर्भर हो सकते हैं, विशेष रूप से कम आवृत्तियों पर सेट डिटेक्टर (उदाहरण के लिए, नींद या उनींदापन की अवधि के दौरान अधिक सक्रिय)। इस प्रकार, लाइव रिकॉर्डिंग में यह अनुमान लगाने की सीमाएं हैं कि डिटेक्टर कितनी बार ट्रिगर हो सकता है। लाइव रिकॉर्डिंग विद्युत चुम्बकीय हस्तक्षेप (जैसे, लाइन शोर) या खराब छड़ी की स्थिति से भी पीड़ित हो सकती है।
- पूछताछ रिपोर्ट
- डिटेक्टर सेट करने के कुछ मिनट से घंटों बाद, डिवाइस से पूछताछ करने के लिए रोगी के आईएनएस के ऊपर छड़ी रखें।
- PDMS में, गतिविधि पर नेविगेट करें, इवेंट सूची का चयन करें, और रिकॉर्डिंग के समय से प्रारंभिक पूछताछ पर क्लिक करें। नीचे दी गई तालिका सभी पहचान घटनाओं की समय के साथ एक सूची प्रदान करती है। इस दस्तावेज़ को पीडीएफ प्रारूप में निर्यात किया जा सकता है और परिमाणीकरण के लिए पार्स किया जा सकता है।
- उत्तेजना के वांछित घनत्व के मुकाबले दर्ज प्रति यूनिट समय में पहचान की संख्या के आधार पर, यदि आवश्यक हो तो डिटेक्टर अवधि और आयाम मापदंडों को समायोजित करें। रोगी के आईएनएस पर इन्हें शुरू करने के लिए परिवर्तनों के प्रत्येक सेट के बाद समीक्षा और कार्यक्रम पर क्लिक करना सुनिश्चित करें।
7. प्रोग्रामिंग डिवाइस उत्तेजना सेटिंग्स
- प्रोग्रामर का उपयोग करके, पीडीएमएस पर लॉग ऑन करें और सही रोगी, प्रोग्रामिंग और परिवर्तन उत्तेजना का चयन करें।
- एनोड (एस) और कैथोड (एस) होने के लिए वांछित लीड संपर्क या कैन (आईएनएस) का चयन करें। वांछित उत्तेजना वर्तमान, पल्स चौड़ाई, अवधि और आवृत्ति का चयन करें।
नोट: पांच उत्तेजना उपचारों को प्रोग्राम किया जा सकता है; प्रत्येक चिकित्सा में उत्तेजना के दो विस्फोट शामिल होते हैं, जिन्हें समान या अलग होने के लिए प्रोग्राम किया जा सकता है। एक दिए गए डिटेक्टर ट्रिगर से एपिसोड की निरंतर अवधि के आधार पर उत्तेजना उपचारों की एक परिवर्तनशील संख्या हो सकती है। केवल प्रोग्राम थेरेपी 1, जिसमें दोनों विस्फोट समान पैरामीटर होते हैं, जिससे डिटेक्टर को ट्रिगर करने पर हर बार उत्तेजना की एक सुसंगत अवधि होगी। इस विन्यास में, डिटेक्टर को ट्रिगर करने पर दी गई उत्तेजना की कुल अवधि स्टिम 1 बर्स्ट 1 और स्टिम 1 बर्स्ट 2 का योग होगी। यदि कई उपचारों को प्रोग्राम और वितरित किया जाता है, तो किसी दिए गए एपिसोड के दौरान अधिकतम पांच उपचार दिए जा सकते हैं। एपिसोड को बाहर निकाला जाना चाहिए और बाद में उत्तेजना देने के लिए एक नया एपिसोड ट्रिगर किया जाना चाहिए। - यदि प्रति दिन वितरित उत्तेजना की कुल मात्रा को सीमित करना वांछित है, तो प्रति दिन थेरेपी सीमा और थेरेपी सीमा रीसेट समय के लिए एक मूल्य का चयन करें।
नोट: थेरेपी सीमा रीसेट टाइमज़ोन रोगी के प्राथमिक केंद्र पर सेट है। यदि रोगियों को स्थानांतरित कर दिया गया है, तो यह रोगी के घर के समय क्षेत्र से अलग हो सकता है। - विशेष रूप से, यदि कोई रात भर उत्तेजना वांछित नहीं है, तो प्रति दिन थेरेपी सीमा और थेरेपी सीमा रीसेट समय निर्धारित करें ताकि डिटेक्टर रीसेट समय और रोगी के सोने के समय के बीच चिकित्सा सीमा प्राप्त कर सके।
- रोगी के आईएनएस पर रखी छड़ी के साथ, समीक्षा और कार्यक्रम का चयन करें और उत्तेजना सेटिंग्स को शुरू करने के लिए पुष्टिकरण संदेशों के माध्यम से क्लिक करें।
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
यहां एकत्र और प्रस्तुत किए गए डेटा एक एकल रोगी से हैं, जिसमें दाएं ऑर्बिटोफ्रंटल कॉर्टेक्स (ओएफसी) और दाएं सबजेनुअल सिंगुलेट (एसजीसी) (चित्रा 1) में प्रत्यारोपित चार-चैनल लीड हैं। ओएफसी के लिए 10 मिमी सेंटर-टू-सेंटर पिच के साथ एक लीड का उपयोग किया गया था ताकि औसत और पार्श्व दोनों पहलुओं को लक्षित किया जा सके, जबकि एसजीसी के लिए 3.5 मिमी पिच के साथ एक लीड का उपयोग किया गया था ताकि अधिक स्थानिक रूप से केंद्रित कवरेज हो सके। आसन्न संपर्कों का उपयोग करके चार द्विध्रुवी रिकॉर्डिंग चैनलों को प्रोग्राम किया गया था: ओएफसी 1-ओएफसी 2, ओएफसी 3-ओएफसी 4, एसजीसी 1-एसजीसी 2, और एसजीसी 3-एसजीसी 4। इन संपर्कों को इस व्याख्या में सहायता के लिए चुना गया था कि सिग्नल कहां से दर्ज किए जा रहे थे और क्योंकि ईसीओजी आयाम वर्णक्रमीय शक्ति को हल करने के लिए पर्याप्त थे। सर्जरी से उबरने के बाद, रोगी ने रेडकैप (चित्रा 1) के माध्यम से लक्षण सर्वेक्षण रिपोर्ट को पूरा करने के साथ-साथ अपने क्रोनिक रूप से प्रत्यारोपित न्यूरोस्टिम्यूलेशन डिवाइस पर घर पर ईसीओजी रिकॉर्डिंग शुरू की, जिसने रोगसूचकता के कई पहलुओं का आकलन किया। हफ्तों के दौरान, इसने अलग-अलग लक्षण राज्यों को मैप करने के लिए पर्याप्त डेटासेट बनाया (चित्रा 2)। राज्य-अंतरिक्ष विश्लेषण ने चार लक्षण अवस्थाओं का खुलासा किया। औसत लक्षण स्कोर (चित्रा 2, नीचे दाएं) के हीटमैप-आधारित वितरण के मैनुअल निरीक्षण के आधार पर, राज्यों 3 और 0 को क्रमशः कम और उच्च-अवसाद लक्षण राज्यों के रूप में चुना गया था। स्पेक्ट्रल पावर सुविधाओं की गणना तब ईसीओजी रिकॉर्डिंग से की गई थी, जब रोगी ने एक लक्षण सर्वेक्षण रिपोर्ट पूरी की थी। चैनल-वार बिजली सुविधाओं को कम से कम और सबसे गंभीर लक्षण अवस्थाओं के आधार पर एकत्रित किया गया था, जिन्हें क्रमशः निम्न-अवसाद अवस्था और उच्च-अवसाद अवस्था के रूप में संदर्भित किया गया था (निम्न-अवसाद अवस्था एन = 140; उच्च-अवसाद अवस्था एन = 660)। वर्णक्रमीय आवृत्ति के कार्य के रूप में वर्णक्रमीय शक्ति के वितरण को कम और उच्च-अवसाद राज्यों के लिए प्लॉट किया गया था (चित्रा 3)। प्रत्यारोपित डिवाइस के डिटेक्शन थ्रेशोल्ड लॉजिक में अंतर्निहित सीमाओं के कारण, एक चयनित स्पेक्ट्रल बायोमार्कर को उच्च-अवसाद अवस्था में अधिक शक्ति और कम-अवसाद अवस्था में कम शक्ति का प्रदर्शन करना चाहिए। पूर्व शोध से पता चला है कि 1-5 हर्ट्ज आवृत्ति रेंज (कैननिकल डेल्टा बैंड) में गतिविधि अक्सर उनींदापन या नींद में वृद्धि की स्थिति से जुड़ी होती है; इस आवृत्ति सीमा में एक बायोमार्कर इस स्थिति द्वारा दृढ़ता से पक्षपाती हो सकता है। इसलिए, इस उदाहरण में आवृत्ति विशिष्ट बायोमार्कर के लिए सबसे अच्छा विकल्प ओएफसी 3-4 का 13-30 हर्ट्ज है। न्यूरोस्टिम्यूलेशन डिवाइस डिटेक्टर को इन आवृत्तियों का उपयोग करके प्रोग्राम किया गया था, जिसने लक्षण राज्यों के बीच वर्णक्रमीय शक्ति में अलगाव प्रदर्शित किया था। इस प्रक्रिया का उपयोग करते हुए, बंद-लूप उत्तेजना के नियंत्रण के लिए एक व्यक्तिगत, लक्षण राज्य-विशिष्ट बायोमार्कर चुना गया और लागू किया गया। यह रोगी वर्तमान में बंद-लूप उत्तेजना का आकलन करने के लिए एक डबल-ब्लाइंड क्रॉसओवर में सक्रिय रूप से भाग ले रहा है, इसलिए उत्तेजना मापदंडों और परिणाम के बारे में व्यापक जानकारी का प्रकाशन आने वाला है। हालांकि, हमने बंद-लूप उत्तेजना (पूरक चित्रा 1) का उपयोग करके उत्तेजना पैरामीटर अनुकूलन और परीक्षण के दौरान वीएएस-डी स्कोर में क्रमिक कमी देखी।
चित्रा 3: तंत्रिका वर्णक्रमीय शक्ति के आधार पर लक्षण राज्यों की बायोमार्कर खोज। वर्णक्रमीय आवृत्ति (एक्स-अक्ष) के कार्य के रूप में वर्णक्रमीय शक्ति (वाई-अक्ष) का वितरण निम्न-अवसाद अवस्था (लाल) और उच्च-अवसाद अवस्था (नीला) के बीच तुलना की जाती है। मोटी रेखा माध्य से मेल खाती है और छायांकित क्षेत्र मानक विचलन से मेल खाती है। यहां दिखाया गया है कि दो अलग-अलग शारीरिक मस्तिष्क क्षेत्रों से प्राप्त चार ईसीओजी चैनलों में वर्णक्रमीय शक्ति का राज्य-निर्भर वितरण है। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.
पूरक चित्र 1: वीएएस-डी स्कोर। उत्तेजना पैरामीटर अनुकूलन और बंद-लूप उत्तेजना का उपयोग करके परीक्षण के दौरान वीएएस-डी स्कोर में क्रमिक कमी देखी गई। कृपया इस फ़ाइल को डाउनलोड करने के लिए यहाँ क्लिक करें.
पूरक फ़ोल्डर 1: उदाहरण डेटा और प्रोसेसिंग स्क्रिप्ट। कृपया इस फ़ाइल को डाउनलोड करने के लिए यहाँ क्लिक करें.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
गहरी मस्तिष्क उत्तेजना पार्किंसंस रोग, आवश्यक कंपकंपी, डिस्टोनिया और मिर्गी के लिए एक स्थापित चिकित्सा बन गई है, और सक्रिय रूप से कई अन्य न्यूरोसाइकिएट्रिक स्थितियों 26,27,28,29 में जांच की जा रही है। डीबीएस का विशाल बहुमत ओपन-लूप मोड में वितरित किया जाता है, जिसमें उत्तेजना लगातार वितरित की जाती है। उन लक्षणों के लिए जो प्रकृति में पैरॉक्सिस्मल हैं, निरंतर उत्तेजना से अवांछनीय दुष्प्रभाव हो सकते हैं या चिकित्सीय प्रभावकारिताकम हो सकती है। जबकि चिकित्सीय उत्तेजना अक्सर अवसाद के लक्षणों के कम होने पर मूड में सुधार करेगी, निरंतर उत्तेजना से संबंधित हाइपोमेनिया केएपिसोड की सूचना दी गई है। निरंतर उत्तेजना के दौरान अनिद्राकी भी सूचना मिली है। इसलिए, बंद-लूप उत्तेजना जिसमें चिकित्सा का वितरण लक्षणों की घटना के साथ मेल खाता है, अधिक नैदानिक लाभ प्रदान कर सकता है। यहां प्रस्तुत प्रोटोकॉल एमडीडी के उपचार के लिए प्रोग्रामिंग और ट्यूनिंग क्लोज्ड-लूप न्यूरोस्टिम्यूलेशन का विवरण देता है।
बंद-लूप न्यूरोस्टिम्यूलेशन के कार्यान्वयन के लिए एक महत्वपूर्ण कदम एक उपयुक्त लक्षण बायोमार्कर की पहचान है, जिसका उपयोग डिवाइस डिटेक्टर को प्रोग्राम करने के लिए किया जाता है। आदर्श रूप से, न्यूरोस्टिम्यूलेशन के लिए एक बायोमार्कर एक तंत्रिका विशेषता या विशेषताएं होनी चाहिए जो ट्रैक किए जा रहे लक्षण के लिए विशिष्ट हैं। इस तरह के बायोमार्कर की पहचान करने के लिए, रोगी अवसाद लक्षण रिपोर्ट के साथ संयोग तंत्रिका रिकॉर्डिंग प्रदान करता है। लक्षण राज्यों को अलग करने के लिए राज्य-अंतरिक्ष मॉडलिंग का उपयोग किया जाता है। लक्षण राज्य ग्राफ समय में दो बिंदुओं के बीच लक्षण रेटिंग तराजू में फेनोटाइपिक समानता को इंगित करता है। ग्राफ का एक एकल नोड समय में एक एकल लक्षण रिपोर्ट का प्रतिनिधित्व करता है और ग्राफ में किसी भी दो नोड्स को जोड़ने वाला एक किनारा रिपोर्ट के बीच समानता का प्रतिनिधित्व करता है, जैसा कि कोसाइन समानता मीट्रिक द्वारा मापा जाता है। ग्राफ समुदाय का पता लगाना एक समूह के भीतर नोड्स के बीच समानता को अधिकतम करके और विभिन्न समूहों के नोड्स के बीच समानता को कम करके लक्षण राज्य ग्राफ के भीतर नोड्स, या समुदायों के समूहों की पहचान करता है। एक ही समुदाय से संबंधित नोड्स को एक ही लौकिक स्थिति से संबंधित कहा जाता है। समुदायों को खोजने के लिए, डिटेक्शन एल्गोरिदम एक यादृच्छिक ग्राफ की संरचना के लिए सच्चे ग्राफ की संरचना की तुलना करता है, जो नोड्स के बीच मौका संबंधों को परिभाषित करता है। एक अस्थायी निकटता मॉडल, जो दो नोड्स के बीच समानता को परिभाषित करता है, इस आधार पर कि समय में दो लक्षण रिपोर्ट कितनी बारीकी से होती हैं, यादृच्छिक ग्राफ को परिभाषित करने के लिए उपयोग किया जाता है। यह दृष्टिकोण एल्गोरिथ्म को कई, अधिक अस्थायी रूप से स्थानीय लक्षण राज्यों का पता लगाने के लिए दंडित करके कम, अधिक अस्थायी रूप से वैश्विक लक्षण राज्यों की खोज करने के लिए प्रोत्साहित करता है। दूसरे शब्दों में, एक मजबूत दंड अस्थायी राज्यों को जन्म देता है जो लंबे समय तक चलते हैं। संबंधित तंत्रिका शक्ति स्पेक्ट्रा की तुलना आवृत्ति श्रेणियों की पहचान करने के लिए की जाती है जो लक्षण चरणों को अलग करते हैं और इसलिए इसका उपयोग ऐसे उदाहरणों की पहचान करने के लिए किया जा सकता है जब रोगी एक विशिष्ट (लक्षण) स्थिति में होता है और तदनुसार उत्तेजना का प्रबंधन करता है।
एक उपयुक्त बायोमार्कर का विकास व्यवहार लक्षण राज्यों के सटीक अधिग्रहण पर निर्भर करता है। लक्षण अवस्था के बायोमार्कर की पहचान करने में संभावित उपयोगिता के लिए स्व-रिपोर्ट के अलावा अन्य मैट्रिक्स की जांच की जा रही है, जिसमें परिधीय शरीर विज्ञान और लिखित या बोली जाने वाली भाषा का शब्दार्थ विश्लेषण शामिल है। कुछ मामलों में, लक्षण अवस्था के अलावा अप्रयुक्त चर हो सकते हैं जो वर्णक्रमीय शक्ति में अंतर में योगदान करते हैं। ऐसे मामले भी हो सकते हैं जहां लक्षण रिपोर्ट राज्यों और संबंधित तंत्रिका विशेषताओं को अलग करने के लिए पर्याप्त संवेदनशील नहीं हैं।
दरअसल, बायोमार्कर खोज से संबंधित माप की विश्वसनीयता और वैधता का मूल्यांकनकिया जाना चाहिए। समय के साथ, व्यक्ति अपने लक्षणों को रेट करने के तरीके में बदलाव प्रदर्शित कर सकते हैं (उदाहरण के लिए वीएएस पैमाने पर गंभीरता रेटिंग में ऊपर या नीचे की ओर बदलाव)। विभिन्न व्यक्ति अपने लक्षणों को अज्ञात रूप से रेट कर सकते हैं, या सर्वेक्षणों में कुछ प्रश्न उनके द्वारा अनुभव किए जाने वाले लक्षणों के आधार पर किसी व्यक्ति पर लागू नहीं हो सकते हैं। उपयोग किए गए कई स्व-रिपोर्ट मैट्रिक्स को मान्य चिकित्सक-प्रशासित परीक्षणों के साथ सह-प्रशासित किया गया है, जो व्यक्तिगत समय बिंदुओं पर वैधता का प्रदर्शन करते हैं। अनुदैर्ध्य रूप से लक्षणों को ट्रैक करने के लिए ऐसे मैट्रिक्स का उपयोग समान वैधता प्रदर्शित कर सकता है या नहीं भी कर सकता है। संबंधित रूप से, व्यक्तिगत बायोमार्कर की गणना के लिए पर्याप्त डेटा एकत्र करने के लिए आवश्यक अवधि हफ्तों से लेकर महीनों तक हो सकती है। इस अवधि को प्रभावित करने वाला एक महत्वपूर्ण कारक रोगी की लक्षण रिपोर्ट और संबंधित तंत्रिका रिकॉर्डिंग द्वारा कैप्चर किए गए लक्षण राज्यों की सीमा है। इन लक्षण अवस्थाओं में अलग-अलग समय पर उतार-चढ़ाव हो सकता है। बायोमार्कर खोज गणना आमतौर पर की जाती है क्योंकि डेटा एकत्र किया जाता है और स्थिर माना जाता है जब नए डेटा को जोड़ने से परिणाम सार्थक रूप से नहीं बदलते हैं। हालांकि, बायोमाकर्स की दीर्घकालिक स्थिरता भी अज्ञात है, इसलिए बंद-लूप न्यूरोस्टिम्यूलेशन के साथ आगे बढ़ने के लिए बायोमाकर्स की स्थिरता की आवश्यकता नहीं होनी चाहिए। बायोमाकर्स को समय-समय पर फिर से मूल्यांकन किया जाना चाहिए, जबकि क्षेत्र अभी भी सीख रहा है कि ये गतिविधि पैटर्न दीर्घकालिक चिकित्सा के साथ कैसे बदलते हैं।
कुछ मामलों में, वर्णित प्रोटोकॉल सफलतापूर्वक एक लक्षण-संबंधित बायोमार्कर की पहचान नहीं कर सकता है जिसका उपयोग बंद-लूप न्यूरोस्टिम्यूलेशन के लिए किया जा सकता है। इसमें योगदान देने वाली सीमाएं डिवाइस-विशिष्ट और डिवाइस-अज्ञेयवादी दोनों हैं। वर्णित प्रोटोकॉल द्विध्रुवी चैनलों से समय-औसत स्पेक्ट्रा का उपयोग करता है, क्योंकि यह इस विशेष डिवाइस को लागू करने में सक्षम है। यह प्रोटोकॉल एक बायोमार्कर की पहचान करने का भी वर्णन करता है जिसमें एक उच्च लक्षण स्थिति अधिक तंत्रिका शक्ति से जुड़ी होती है, क्योंकि डिवाइस डिटेक्टर को इसकी अनुपस्थिति के बजाय एक पैटर्न (जैसे, आवृत्ति में वृद्धि-विशिष्ट गतिविधि) की उपस्थिति के उदाहरणों की पहचान करने के लिए डिज़ाइन किया गया है। इस दृष्टिकोण की डिवाइस अज्ञेयवादी सीमाओं में ईसीओजी इलेक्ट्रोड की सीमित स्थानिक कवरेज शामिल है। एक नमूना रहित मस्तिष्क क्षेत्र में एक तंत्रिका विशेषता हो सकती है जो लक्षणों को अधिक बारीकी से ट्रैक करती है। हालांकि, ईकोजी स्थानिक रूप से सीमित है, और लीड की संख्या जिसे एक डिवाइस द्वारा क्रोनिक रूप से प्रत्यारोपित और निगरानी की जा सकती है, बेहद सीमित है।
ऐसे मामलों में जहां एक व्यक्तिगत लक्षण-विशिष्ट बायोमार्कर आसानी से उपलब्ध नहीं है, एक डमी बायोमार्कर जिसे यादृच्छिक आंतरायिक उत्तेजना या निरंतर ओपन-लूप उत्तेजना को प्रशासित करने के लिए नियोजित किया जा सकता है, बिना किसी चिकित्सा से बेहतर हो सकता है। एमडीडी के संदर्भ में, अभी तक यादृच्छिक या निर्धारित आंतरायिक डीबीएस के साथ बायोमार्कर-ट्रिगर उत्तरदायी डीबीएस की तुलना करने वाली रिपोर्ट ें प्रकाशित नहीं हुई हैं। यह तुलना वर्तमान में चल रहे नैदानिक परीक्षण (NCT04004169) में आयोजित की जा रही है, और परिणाम लक्षण-विशिष्ट बायोमार्कर की पहचान करने के सापेक्ष महत्व पर महत्वपूर्ण स्पष्टता प्रदान करेंगे।
जैसे-जैसे इम्प्लांटेबल न्यूरोस्टिम्यूलेशन डिवाइस तकनीक में सुधार होता है, बायोमार्कर के लिए उपयोग किए जा सकने वाले सिग्नल और कम्प्यूटेशन अधिक परिष्कृत हो जाएंगे। न्यूरोफिज़ियोलॉजी अंतर्निहित बीमारी की बेहतर समझ के साथ, यह कम दुष्प्रभावों के साथ बेहतर लक्षण नियंत्रण के लक्ष्य की ओर चिकित्सीय उत्तेजना के अधिक अनुरूप और विशिष्ट अनुप्रयोग के लिए एक अवसर प्रदान करेगा। अगली पीढ़ी के बंद-लूप न्यूरोस्टिम्यूलेशन डिवाइस, विशेष रूप से न्यूरोसाइकिएट्रिक संकेतों के लिए, आदर्श रूप से तंत्रिका गतिविधि की लंबी अवधि (घंटों या लगातार) को रिकॉर्ड करेंगे। यह बायोमाकर्स की जांच की सुविधा प्रदान करेगा जो आसन्न रोगसूचक राज्यों की भविष्यवाणी कर सकता है। डेटा की लंबी अवधि के रुझान भी विभिन्न असंबंधित संज्ञानात्मक प्रक्रियाओं के प्रभाव के खिलाफ अधिक मजबूत हो सकते हैं। अन्य डेटा स्रोतों से डेटा का स्वचालित एकीकरण, जैसे गति ट्रैकिंग या परिधीय शरीर विज्ञान, लक्षण राज्यों का अधिक मजबूत भेदभाव भी प्रदान कर सकता है। रोगी के हस्तक्षेप के बिना पृष्ठभूमि डेटा हस्तांतरण रोगी के बोझ को बहुत कम कर देगा और विश्लेषण के लिए समग्र डेटा उपलब्धता में वृद्धि की संभावना है। इसके अतिरिक्त, बायोमार्कर के रूप में उपयोग की जा सकने वाली तंत्रिका सुविधाओं का विस्तार करने के लिए अधिक उन्नत ऑन-डिवाइस सिग्नल प्रोसेसिंग से लक्षण-विशिष्ट बायोमार्कर खोजने की संभावना बढ़ जाएगी; ऐसी विशेषताओं में सुसंगतता, क्रॉस-आवृत्ति युग्मन और चरण-आयाम युग्मन शामिल हो सकते हैं।
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
एडीके आइसाई, एवेक्सिया थेरेप्यूटिक्स, फेरिंग फार्मास्यूटिकल्स, गैल्डर्मा, हार्मनी बायोसाइंसेज, इडोरसिया, जैज फार्मास्यूटिकल्स, जानसेन फार्मास्यूटिकल्स, मर्क, न्यूरोक्राइन बायोसाइंसेज, पर्निक्स फार्मा, सेज थेरेप्यूटिक्स, टाकेडा फार्मास्यूटिकल कंपनी, बिग हेल्थ, मिलेनियम फार्मास्यूटिकल्स, ओत्सुका फार्मास्युटिकल और न्यूरावेल थेरेप्यूटिक्स के लिए परामर्श करता है। एडीके ने जानसेन फार्मास्यूटिकल्स, जैज़ फार्मास्यूटिकल्स, एक्ससोम थेरेप्यूटिक्स से समर्थन स्वीकार किया (नहीं। एएक्सएस -05-301), और बायोसेंसर प्रकट करें। केडब्ल्यूएस नेसोस के सलाहकार बोर्ड पर कार्य करता है। यूसीएसएफ और ईएफसी के पास न्यूरोसाइकिएट्रिक विकारों के उपचार के लिए मस्तिष्क उत्तेजना से संबंधित पेटेंट हैं। अन्य लेखक ों ने कोई प्रतिस्पर्धी हितों की घोषणा नहीं की है।
Acknowledgments
इस काम को यूसीएसएफ (केकेएस, एएनसी, एनएस, जेएफ, वीआरआर, केडब्ल्यूएस, ईएफसी, एडीके) में मनोचिकित्सा विभाग के माध्यम से रे और डगमार डॉल्बी फैमिली फंड द्वारा समर्थित किया गया था। K23NS110962 (केडब्ल्यूएस), ब्रेन एंड बिहेवियर रिसर्च फाउंडेशन (केडब्ल्यूएस) से एनएआरएसएडी यंग इन्वेस्टिगेटर अनुदान, और 1907 ट्रेलब्लेजर अवार्ड (केडब्ल्यूएस)।
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 |
References
- 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).
- 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).
- Williams, L. M. Precision psychiatry: a neural circuit taxonomy for depression and anxiety. The Lancet Psychiatry. 3 (5), 472-480 (2016).
- 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).
- Mayberg, H. S., et al. Deep brain stimulation for treatment-resistant depression. Neuron. 45 (5), 651-660 (2005).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- Little, S., et al. Adaptive deep brain stimulation in advanced Parkinson disease. Annals of Neurology. 74 (3), 449-457 (2013).
- 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).
- Scangos, K. W., et al. Closed-loop neuromodulation in an individual with treatment-resistant depression. Nature Medicine. 27 (10), 1696-1700 (2021).
- 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).
- 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).
- Drysdale, A. T., et al. Resting-state connectivity biomarkers define neurophysiological subtypes of depression. Nature Medicine. 23 (1), 28-38 (2017).
- 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).
- Ahearn, E. P. The use of visual analog scales in mood disorders: A critical review. Journal of Psychiatric Research. 31 (5), 569-579 (1997).
- Bech, P., et al. The Hamilton depression scale. Evaluation of objectivity using logistic models. Acta Psychiatrica Scandinavica. 63 (3), 290-299 (1981).
- Khambhati, A. N., Sizemore, A. E., Betzel, R. F., Bassett, D. S. Modeling and interpreting mesoscale network dynamics. NeuroImage. 180, 337-349 (2018).
- 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).
- Kleen, J. K., Rao, V. R.
- 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).
- Harris, P. A., et al. The REDCap consortium: Building an international community of software platform partners. Journal of Biomedical Informatics. 95, 103208 (2019).
- Krauss, J. K., et al. Technology of deep brain stimulation: current status and future directions. Nature Reviews Neurology. 17 (2), 75-87 (2021).
- Dougherty, D. D.
- Drobisz, D., Damborská, A. Deep brain stimulation targets for treating depression. Behavioural Brain Research. 359, 266-273 (2019).
- 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).
- Sun, F. T., Morrell, M. J.
- 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).
- Zuo, X. -N., Xu, T., Milham, M. P. Harnessing reliability for neuroscience research. Nature Human Behaviour. 3 (8), 768-771 (2019).
