Caractérisation de la relation entre les paramètres du mouvement oculaire et les fonctions cognitives chez les patients atteints de la maladie de Parkinson non démente avec suivi oculaire

Neuroscience

Your institution must subscribe to JoVE's Neuroscience section to access this content.

Fill out the form below to receive a free trial or learn more about access:

 

Summary

Ici, nous présentons un protocole pour étudier la relation entre les paramètres de mouvement d'oeil et les fonctions cognitives dans les patients non-déments de la maladie de Parkinson. L'expérience a utilisé un traqueur oculaire pour mesurer l'amplitude saccadienne et la durée de fixation dans une tâche de recherche visuelle. La corrélation avec la performance dans les tâches cognitives multi-domaines a été plus tard mesurée.

Cite this Article

Copy Citation | Download Citations | Reprints and Permissions

Wong, O. W., Fung, G. P., Chan, S. Characterizing the Relationship Between Eye Movement Parameters and Cognitive Functions in Non-demented Parkinson's Disease Patients with Eye Tracking. J. Vis. Exp. (151), e60052, doi:10.3791/60052 (2019).

Please note that all translations are automatically generated.

Click here for the english version. For other languages click here.

Abstract

L'affaiblissement cognitif est un phénomène commun dans la maladie de Parkinson qui a des implications sur le pronostic. Une mesure proxy simple, non invasive et objective de la fonction cognitive dans la maladie de Parkinson sera utile en détectant le déclin cognitif tôt. En tant que mesure physiologique, le paramètre de mouvement oculaire n'est pas confondu par les attributs et l'intelligence du sujet et peut fonctionner comme marqueur proxy s'il est en corrélation avec les fonctions cognitives. À cette fin, cette étude a exploré la relation entre les paramètres du mouvement oculaire et la performance dans les tests cognitifs dans de multiples domaines. Dans l'expérience, une tâche de recherche visuelle avec suivi des yeux a été mis en place, où les sujets ont été invités à chercher un nombre intégré dans un tableau d'alphabets dispersés au hasard sur un écran d'ordinateur. La différenciation entre le nombre et l'alphabet est une tâche surappris de telle sorte que l'effet de confusion de la capacité cognitive sur les paramètres du mouvement oculaire est minimisé. L'amplitude saccadienne moyenne et la durée de fixation ont été capturées et calculées au cours de la tâche de recherche visuelle. La batterie d'évaluation cognitive couvrait les domaines des fonctions frontales-exécutives, de l'attention, de la mémoire verbale et visuelle. On l'a constaté que la durée prolongée de fixation a été associée à la performance plus pauvre dans la fluidité verbale, la mémoire visuelle et verbale, permettant davantage d'exploration sur l'utilisation des paramètres de mouvement d'oeil comme marqueurs proxy pour la fonction cognitive dans la maladie de Parkinson Patients. Le paradigme expérimental s'est avéré très tolérable dans notre groupe de patients de maladie de Parkinson et pourrait être appliqué transdiagnostically à d'autres entités de la maladie pour des questions de recherche semblables.

Introduction

La maladie de Parkinson est classiquement un trouble moteur; pourtant, la maladie est également associée à des déficits cognitifs, et la progression dans la démence est commune1. La pathophysiologie de l'affaiblissement cognitif dans la maladie de Parkinson n'est pas bien comprise. On pense qu'il est lié au dépôt d'alpha-synucléine dans la zone corticale basée sur la mise en scène de Braak2. Il a également été proposé qu'un double syndrome de dégénérescence du système dopaminergique et cholinergique mène à différents déficits cognitifs avec implication pronostique3. D'autres recherches sont nécessaires pour élucider davantage les mécanismes exacts impliqués dans l'affaiblissement cognitif dans la maladie de Parkinson. Sur l'aspect clinique, la présence de troubles cognitifs a un impact significatif sur le pronostic4,5. L'évaluation de la fonction cognitive dans la pratique clinique est, par conséquent, essentielle. Cependant, une longue évaluation cognitive est limitée par les conditions mentales et motrices des patients. Par conséquent, une mesure non invasive et simple qui peut refléter le fardeau de la maladie sur la fonction cognitive est nécessaire.

Les anomalies de mouvement d'oeil sont des signes détectables largement décrits de la maladie de Parkinson de ses premiers stades6,pourtant la pathophysiologie est encore moins bien caractérisée que celle de l'affaiblissement cognitif. La génération du mouvement des yeux est par une transformation de l'entrée sensorielle visuelle, subservie par un réseau cortical et subcortical entrelacés, en signaux aux noyaux oculomoteurs dans le tronc cérébral pour l'effet7. La participation des pathologies de la maladie de Parkinson dans ces réseaux peut mener aux anomalies observables de mouvement d'oeil. Il y a, peut-être chevauchement des structures neuroanatomiques qui régissent le contrôle du mouvement d'oeil et de la fonction cognitive. En outre, il y a eu des études examinant la relation entre le mouvement saccadidique d'oeil et la fonction cognitive dans d'autres désordres neurodegenerative8. Pour de telles raisons, il est intéressant d'explorer l'utilisation des paramètres de mouvement oculaire comme marqueur proxy des fonctions cognitives dans la maladie de Parkinson. Une étude transversale9 a montré que l'amplitude saccadienne réduite et la durée de fixation plus longue étaient associées à la sévérité de l'affaiblissement cognitif global dans la maladie de Parkinson. Cependant, il y a un manque de données sur la corrélation entre les paramètres du mouvement oculaire et des domaines cognitifs spécifiques. L'importance et le besoin de mesurer des domaines cognitifs spécifiques, plutôt qu'un état cognitif général, est que le domaine cognitif individuel informe l'information pronostique différentielle dans la maladie de Parkinson3 et ils sont subservis par différents réseaux neuronaux. Le but de cette étude est d'explorer la relation spécifique entre les mesures du mouvement oculaire et les différentes fonctions cognitives. Il s'agit de la première étape pour établir une base sur laquelle le développement de biomarqueurs du déclin cognitif de la maladie de Parkinson à l'aide de la technologie de suivi des yeux pourrait être construit.

Le paradigme expérimental présenté est composé de 2 parties principales : l'évaluation cognitive et la tâche de suivi oculaire. La batterie d'évaluation cognitive englobait une gamme de fonctions cognitives, y compris l'attention et la mémoire de travail, la fonction exécutive, le langage, la mémoire verbale et la fonction visuospatiale. Le choix de ces 5 domaines cognitifs est basé sur les lignes directrices du Groupe de travail de la Société des troubles du mouvement pour la déficience cognitive légère dans la maladie de Parkinson10, et un ensemble de tests cognitifs disponibles localement ont été sélectionnés pour construire l'évaluation batterie. Dans une étude similaire précédente de suivi d'oeil sur la cognition de la maladie de Parkinson a mentionné9, l'auteur a extrait les paramètres de mouvement d'oeil tandis que les sujets étaient engagés dans des tâches cognitives visuelles, où les paramètres peuvent potentiellement être influencés par le capacité cognitive du sujet. Comme cette étude visait à évaluer la corrélation entre les paramètres du mouvement oculaire et les différents domaines cognitifs, l'effet de confusion potentiel des capacités cognitives sur les paramètres oculaires doit être abordé. À cet égard, une tâche de recherche visuelle, adaptée d'une autre étude de suivi oculaire sur la maladie d'Alzheimer11, a été utilisée pour capturer les paramètres de mouvement oculaire des sujets. Pendant la tâche, les sujets ont dû rechercher un seul numéro sur un écran d'ordinateur parmi plusieurs distrayants d'alphabet. Cette tâche susciterait l'utilisation alternative du mouvement saccadique d'oeil et de fixation visuelle, les anomalies dont sont décrites largement dans la maladie de Parkinson. L'identification et la différenciation du nombre et de l'alphabet sont une tâche surappris où la demande de fonctions cognitives n'est que minime et serait donc appropriée pour répondre à la question de recherche de cette étude. Un programme informatique a été élaboré en fonction des spécifications et de la conception, comme l'ont indiqué rsler et coll.11. dans leur étude originale à exécuter dans le logiciel intégré de notre eye tracker. Un algorithme interne de classification et d'analyse des données de suivi oculaire a également été développé pour cette étude.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Ce projet de recherche a été approuvé par le Joint Chinese University of Hong Kong-New Territories East Cluster Clinical Research Ethics Committee (CREC Ref. No.: 2015.263).

1. Recrutement des participants et évaluation de base

  1. Recruter des patients atteints de la maladie de Parkinson âgés de moins ou d'égale à 70 ans d'une clinique spécialisée en neurologie avec le diagnostic fait sur la base de la Société de la maladie de Parkinson du Royaume-Uni (UKPDS) Brain Bank Critères diagnostiques12.
    1. Exclure les sujets atteints de maladies psychiatriques, de maladies ophtalmologiques qui altéreraient le mouvement des yeux ou d'autres troubles neurologiques. En outre, exclure les cas utilisant des anticholinergiques car ils sont connus pour affecter la performance cognitive et le mouvement des yeux.
  2. Recruter des contrôles sains sur une base 1:1 assortie au sexe, à l'âge et à l'éducation.
  3. Obtenir le consentement éclairé du sujet.
  4. Mener une entrevue diagnostique clinique avec le sujet et, le cas échéant, ses proches, afin d'exclure la démence et le dépistage des troubles cognitifs avec l'examen d'état mini-mental (MMSE)13 et l'évaluation cognitive de Montréal (MoCA)14. Exclure les cas de démence de l'étude ou si les scores du sujet de MMSE ou MoCA est lt;22/30.
  5. Évaluer l'acuité visuelle à l'aide d'un graphique Snellen. Exclure le sujet si l'acuité visuelle est inférieure à 20/40.
  6. Évaluer la gravité motrice et la mise en scène de la maladie de Parkinson à l'aide de l'échelle unifiée d'évaluation de la maladie de Parkinson (UPDRS) Partie II et III15 et Hoehn modifié et Yahr (H et Y) Staging16, respectivement. Aussi, obtenir des informations sur les médicaments actuels pris par le sujet.
  7. Évaluer l'état d'humeur dépressif par le Beck Depression Inventory-II (BDI-II)17.

2. Configuration expérimentale

  1. Menez l'expérience dans une pièce calme avec une source de lumière adéquate.
  2. Mener l'expérience pour les sujets atteints de la maladie de Parkinson lorsqu'ils prennent des médicaments dont la fonction motrice est optimale.
  3. Préparer la configuration qui se compose d'un traqueur d'oeil à l'écran, un ordinateur, une souris, un clavier standard, un repose-menton, et des outils d'évaluation cognitive (Tableau des matériaux).
  4. Utilisez un eye tracker avec un taux d'échantillonnage d'au moins 300 Hz.
  5. Placez le repose-menton 60 cm devant l'écran du traqueur oculaire.

3. Le flux de l'évaluation cognitive et de la tâche de recherche visuelle

  1. Effectuer le test de fluidité verbale catégorique chinoise18. Instruisez le sujet pour nommer autant d'animaux que possible en une minute. Enregistrez le nombre de réponses et les erreurs persévérantes. Ensuite, répétez la même chose dans la catégorie des fruits et légumes.
  2. Effectuez la partie d'enregistrement (procès 1, 2 et 3) du test d'apprentissage de la liste de Hong Kong (HKLLT)19 en lisant une liste de mots prédéfinie de 16 vocabulaires et demandez au sujet de s'en souvenir. Ensuite, demandez au sujet de faire le rappel gratuit de la liste de mots et d'enregistrer la réponse (Procès 1).
    1. Répétez l'étape 3.2 deux fois pour le procès 2 et le procès 3.
  3. Attendez 10 min et 30 min après la partie d'enregistrement du HKLLT pour le rappel de retard de 10 et 30 min.
  4. Avant le rappel retardé de 10 minutes du HKLLT, effectuez la mémoire de reconnaissance de modèle (PRM) de la batterie automatisée de test neuropsychologique de Cambridge (CANTAB)20 (tableau du matériel).
    1. À l'aide de l'ordinateur tablette, présentez 24 modèles visuels, un à la fois, au centre de l'écran. Instruisez le sujet pour qu'il se souvienne du motif.
    2. Après la présentation, dans un paradigme de discrimination de force à 2 choix, demandez au sujet de choisir le modèle qu'il peut reconnaître.
  5. Effectuer le rappel de 10 min de retard de HKLLT en demandant au sujet de faire le rappel gratuit de la liste de mots de 16 vocabulaires.
  6. Avant le rappel retardé de 30 minutes du HKLLT, effectuer Spatial Span (SSP) de CANTAB20.
    1. Utilisez l'ordinateur tablette pour afficher un modèle de boîtes blanches qui changent de couleur, une par une, dans des séquences variables.
    2. Ensuite, demandez au sujet de toucher les cases dans la même séquence qu'elles ont été présentées et d'enregistrer la durée de la durée spatiale que le sujet pourrait atteindre à mesure que la difficulté (nombre de boîtes changent de couleur) de la tâche augmente.
  7. Effectuer le rappel de retard de 30 min en demandant au sujet de procéder à un rappel gratuit de la liste de mots de 16 vocabulaires.
    1. Mener la partie de reconnaissance et de discrimination de la HKLLT en lisant une autre liste de mots prédéfinies de 32 vocabulaires, dont la moitié des vocabulaires sont de la liste de mots d'origine dans 3.2. Instruisez le sujet pour déterminer si chaque vocabulaire lu est de la liste de mots d'origine ou non.
  8. Laissez le sujet se reposer tranquillement s'il termine les tâches en 3,4 et 3,6 avant le rappel de retard de 10 et 30 minutes, respectivement.
  9. Effectuer le bas de Cambridge (SOC) de CANTAB20.
    1. À l'aide de l'ordinateur tablette, présentez 20 scénarios de deux écrans parallèles de 3 boules tenues en 3 bas verticaux, dont l'arrangement des boules dans les affichages varie dans chaque scénario.
    2. Instruisez le sujet pour déterminer, dans chaque scénario, le moins de mouvements nécessaires pour réorganiser les boules dans l'affichage inférieur afin de copier le modèle indiqué dans l'affichage supérieur. Enregistrez le nombre moyen de choix pour corriger la réponse.
  10. Effectuer le Test Stroop21.
    1. Donnez au sujet 3 cartes consécutivement; la première carte contient des points imprimés dans différentes couleurs, la deuxième carte contient des caractères chinois imprimés dans différentes couleurs tandis que la dernière carte a des caractères chinois dénotant différentes couleurs (par exemple, les mots chinois de «bleu», «jaune», «vert», ou «rouge») imprimé dans une couleur non indiquée par le nom (par exemple, le mot «rouge» imprimé à l'encre bleue).
    2. Demandez au sujet de lire la couleur imprimée des points/caractères chinois le plus rapidement possible et enregistrez le temps requis pour chaque carte (T1, T2 et T3).
    3. Calculer l'indice d'interférence avec la formule (T3-T1)/T1.
  11. Passez à la tâche de recherche visuelle après avoir terminé les tests cognitifs.
    REMARQUE: Ne pas effectuer de tâche cognitive verbale après la partie d'enregistrement de HKLLT jusqu'à la fin de l'ensemble HKLLT (3.7) pour empêcher l'effet d'interférence sur la performance de mémoire verbale.

4. Tâche de recherche visuelle

  1. Placez le sujet sur une chaise et placez leur menton sur le menton avec leur front contre une barre pour minimiser le mouvement de la tête. Alignez les yeux du sujet sur environ le centre de l'écran de l'ordinateur. Commencez par cliquer sur le bouton Démarrer l'enregistrement dans le programme informatique.
  2. Étalonnage
    1. Calibrer le eye tracker avec le programme d'étalonnage intégré en cliquant sur le bouton Démarrer dans l'interface d'étalonnage.
    2. Demandez au sujet de regarder un point rouge se déplaçant à travers l'écran avec 9 points de fixation, tout en gardant la tête immobile.
    3. Vérifier la qualité de l'étalonnage en regardant la parcelle d'étalonnage (figure 1). Assurez-vous que la longueur des lignes vertes, qui représentent les vecteurs d'erreur, se situent dans les cercles gris pour une qualité acceptable de l'étalonnage. Refaites l'étalonnage s'il y a un point manquant ou si les lignes vertes tombent en dehors des cercles gris. Cliquez sur Accepter de procéder à la tâche de recherche visuelle.
  3. instruction
    1. Fournir des instructions verbales au sujet et commencer par 5 courses de pratique pour familiariser le sujet avec la tâche.
    2. Instruisez le sujet à fixer son regard sur la croix de fixation centrale au début de chaque épreuve. Ensuite, appuyez sur Entrez sur le clavier pour commencer un essai, au cours duquel l'écran de l'ordinateur affichera un seul numéro et 79 alphabets distrayant dispersés au hasard (Figure 2).
    3. Instruisez le sujet à regarder aussi rapidement que possible pour le nombre, puis cliquez simultanément sur la souris et indiquez le numéro à haute voix dès que le numéro est localisé.
    4. Vérifiez si le numéro indiqué est correct ou non.
    5. Administrer un total de 40 essais après les 5 essais.
  4. Conception des images d'essai dans la tâche de recherche visuelle
    REMARQUE:
    Le code du programme, écrit dans PHP, pour cette section peut être trouvé dans le fichier de supplément 1.
    1. Utilisez les numéros 4, 6, 7 et 9 exclusivement(Fichier supplémentaire 1 - ligne 5).
      REMARQUE : L'étude pilote11 a montré que ces chiffres sont plus facilement discriminés des alphabets.
    2. Veiller à ce que l'emplacement du numéro cible soit randomisé d'un essai à l'autre avec la règle qu'il ne pourrait pas être dans le même quadrant visuel pour plus de trois essais successifs(fichier supplémentaire 1 - ligne 48-52).
    3. N'utilisez pas d'alphabets ambigus tels que « I » et « O »(Fichier supplémentaire 1 - ligne 76-78).
    4. Fixez la taille de la croix de fixation, des alphabets et des nombres à un angle visuel de 0,85 degrés (équivalent à environ 0,9 cm sur un écran d'ordinateur de 23 pouces).
      REMARQUE: Les nombres et les alphabets sont utilisés parce qu'il s'agit de stimuli visuels facilement reconnaissables mais nécessitent une foveation pour l'identification.
    5. Prévoyez un laps de temps de 1,5 s après que l'enquêteur a appuyé sur Entrez dans 4.3.2 et avant que l'affichage de la croix de fixation centrale ne soit commuté à une image d'essai pour commencer un essai(Fichier supplémentaire 2 - ligne 71; 156-158).
    6. Assurez-vous que l'écran sera vide avec la croix de fixation réapparaître lorsque la souris est cliqué ou après 10 s se sont écoulés depuis le début d'un essai, selon ce qui est plus tôt(Fichier supplémentaire 2 - Ligne 72; 162-180).
    7. Au fur et à mesure que la tâche est terminée, générer un fichier .csv qui contient les horodateurs du début et de la fin de chaque essai(Fichier supplémentaire 2 - ligne 48-59; 199-208). Utilisez ce fichier dans l'analyse des données à la section 5.

5. Traitement et analyse de données de suivi des yeux

  1. Dans la section Replay du programme informatique, vérifiez le pourcentage d'échantillons des yeux pendant la tâche de recherche visuelle (Figure 3). Jetez les données du sujet si plus de 20 % des données manquantes sont observées.
    REMARQUE: Échantillons Pourcentage dénote le pourcentage de temps que les yeux sont localisés avec succès par le traqueur d'oeil pendant la tâche visuelle de recherche.
  2. Cliquez sur le bouton Lecture pour l'enregistrement pour vérifier la qualité des données en regardant la vidéo de chemin d'analyse visualisée générée (Figure 4). Jetez les données du sujet entier si elles sont grossièrement erronées (figure 5).
  3. Jetez tout essai (s) dans lequel le sujet a appuyé sur la souris accidentellement et prématurément.
  4. Dans la section Export de données du programme, sélectionnez GazePointX (ADCSpx) et GazePointY (ADCSpx) et le sujet d'intérêt (figure 6). Cliquez sur Export Data pour exporter les données de chaque sujet et enregistrer sous forme de fichier .csv. Le fichier contient les coordonnées x et y de la position des yeux du sujet sur l'écran de l'ordinateur, en pixels, à chaque moment.
  5. Utilisez l'analyseur de recherche visuelle et dans l'interface (Figure 7), sélectionnez les données exportées en 5.4 comme entrée de données oculaires et le fichier .csv généré en 4.4.7 comme entrée de données d'action . Sélectionnez ST DBScan comme algorithme de classification et cliquez sur Run. Ensuite, cliquez sur Résumé pour générer un fichier de feuille de calcul contenant l'amplitude de saccade moyenne et la durée de fixation moyenne du sujet.
  6. Conception de l'analyseur de recherche visuelle
    REMARQUE :
    Le codage de la conception de l'analyseur peut être trouvé à https://github.com/lab-viso-limited/visual-search-analyzer. Son code de programme se trouve dans le fichier supplémentaire 3.
    1. Programmez l'analyseur de telle sorte qu'il extrait et analyse uniquement les données du début à la fin de l'essai (c.-à-d., de l'affichage du nombre et des alphabets jusqu'à ce que la souris soit cliqué ou 10 s se sont écoulées), en utilisant le fichier .csv généré en 4.4.7 ( Dossier supplémentaire 3 - Ligne 6-173).
    2. Programmez l'analyseur de telle sorte qu'il remplit la perte de données due à des yeux clignotants en faisant la moyenne des coordonnées x et y du point de regard immédiatement avant et après le clignotement(Fichier supplémentaire 3 - ligne 176-260).
    3. Programmez l'analyseur de telle sorte qu'il classe les données brutes en saccade ou fixation en utilisant l'algorithme développé sur la base de ST-DBSCAN22 (code de programme dans le fichier supplémentaire 4).

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Le résultat complet de cette étude est disponible dans l'article original publié23. Des sujets de maladie de Parkinson (n - 67) ont été recrutés et ont terminé l'évaluation. Cependant, 5 cas n'ont pas terminé la tâche de recherche visuelle car ils portaient l'objectif progressif incompatible avec le traqueur d'oeil et leurs données ont été jetées. L'âge moyen des sujets était de 58,9 ans (DD à 7,5 ans) avec un rapport homme-femme de 1,7:1. 62 contrôles sains adaptés à l'âge, au sexe et à l'éducation ont été recrutés pour comparaison.

Paramètres cognitifs et de mouvement oculaire
Conformément à d'autres études antérieures24, le groupe de la maladie de Parkinson a montré des performances plus faibles dans les tâches cognitives multiples par rapport au groupe témoin (tableau 1). L'utilisation de l'algorithme interne pour la classification des données de la tâche de recherche visuelle, des fixations et des saccades sont identifiés et extraits pour le calcul et l'analyse. On a constaté que le groupe de la maladie avait une amplitude saccadienne moyenne plus petite (16,36 ' - 2,36) par rapport aux témoins (17,27 degrés et 2,49; p - 0,037). La durée moyenne de fixation n'était pas significativement différente entre les groupes (216,58 ms 31,64 contre 31,64 contre 211,59 ms et 24,90; p 0,331) (tableau 2).

Corrélation entre les paramètres du mouvement oculaire et la fonction cognitive
Après ajustement pour des covariates, il y avait des corrélations négatives trouvées entre la durée moyenne de fixation et la performance dans le score verbal de mémoire de reconnaissance (scores de reconnaissance et de discrimination ; F 5.843, t -2.417, p '0.017 et F '12.771, t - -3.574, p - 0,001, respectivement), mémoire de reconnaissance de modèle (F - 5.505, t -2.346, p - 0.021) et test de fluidité verbale catégorique dans les catégories de fruits (F - 5.647, t -2.376, p - 0.009) et légumes (F -9.744, t -3.122, p 0,002). (Tableau 3). Cependant, il n'y avait aucune interaction significative trouvée dans ces corrélations entre la maladie et le groupe témoin, suggérant que les corrélations ne sont pas spécifiques au groupe de la maladie. Il est spéculé que le contrôle de la fixation visuelle et les fonctions cognitives corrélées impliquent généralement des régions temporelles et pariétuales du cerveau avec une base principalement cholinergique, changements pathologiques à ces neuroanatomical et biochimique mécanismes peuvent expliquer les résultats.

Figure 1
Figure 1 : Une parcelle d'étalonnage du traqueur oculaire. L'intrigue montre le résultat de l'étalonnage. La longueur de chaque ligne verte indique la différence entre le point de regard calculé par le traqueur oculaire et la position réelle du point. Comme toutes les lignes vertes tombent dans les cercles gris et qu'il n'y a pas de point manquant, la qualité de cet étalonnage est acceptable. Veuillez cliquer ici pour voir une version plus grande de ce chiffre.

Figure 2
Figure 2 : Exemple d'essai de la tâche de recherche visuelle. Affichage d'un tableau non linéaire de 80 éléments de stimulus, dont il y a 1 numéro parmi 79 alphabets de distraction. Veuillez cliquer ici pour voir une version plus grande de ce chiffre.

Figure 3
Figure 3 : L'interface pour vérifier le pourcentage global d'échantillonnage. Dans la section Replay du programme informatique, le pourcentage d'échantillons, qui indique le pourcentage de temps que les yeux sont localisés avec succès par le traqueur oculaire pendant la tâche de recherche visuelle, pourrait être vérifié pour chaque sujet. Veuillez cliquer ici pour voir une version plus grande de ce chiffre.

Figure 4
Figure 4 : Exemple d'un chemin d'analyse visualisé à partir de la tâche de recherche visuelle. Le chemin d'analyse au cours de cet essai a été visualisé, avec les lignes droites rouges représentant le mouvement des yeux saccadiques et les points rouges pour les fixations visuelles. Notez que la fin de chaque fixation visuelle est suivie d'une saccade et vice versa dans un chemin d'analyse normal. Veuillez cliquer ici pour voir une version plus grande de ce chiffre.

Figure 5
Figure 5 : Exemple d'un chemin d'analyse visuelle grossièrement erroné. Cet exemple d'un chemin d'analyse grossièrement erronée est pris à partir d'un sujet portant une paire de lentilles progressives incompatibles. Contrairement au chemin d'analyse normal de la figure 4, les lignes rouges (saccade) s'exécutent en zigzag et tombent de l'écran de l'ordinateur. Les points de fixation ne sont pas sur les alphabets ou le nombre. Veuillez cliquer ici pour voir une version plus grande de ce chiffre.

Figure 6
Figure 6 : L'interface d'exportation de données dans le programme informatique. Cela montre l'interface où le sujet et le type de données de suivi oculaire capturées peuvent être sélectionnés pour l'exportation de données. Dans notre paradigme expérimental, le x et le y coordonnent, en pixels, la position des yeux sur l'écran à chaque moment sera utilisée pour l'analyse des données. Veuillez cliquer ici pour voir une version plus grande de ce chiffre.

Figure 7
Figure 7 : L'interface de l'analyseur de recherche visuelle. Cela montre l'interface du programme d'analyse interne pour les données de suivi oculaire. Veuillez cliquer ici pour voir une version plus grande de ce chiffre.

groupe Groupe de Parkinson p-valeur
Échelles cognitives mondiales
MMSE MMSE MMSE 28.53 (1.63) 28 (1.84) 0.09
Moca 27.10 (2.25) 26 (2.34) 0.009*
Tests cognitifs spécifiques - Frontal executive et Frontal-temporal
Stockage de Cambridgea 1.16 (0.14) 1.24 (0.19) 0.018*
Test Stroopb 1.24 (1.77) 1.36 (1.65) 0.697
Aisance verbale - animalb 0.92 (1.47) 0.26 (1.31) 0.01*
Aisance verbale - fruitb -0.71 (0.74) -1.01 (0.79) 0.028*
Aisance verbale - légumeb -0.66 (1.04) -1.11 (0.90) 0.011*
Tests cognitifs spécifiques - Mémoire verbale (Hong Kong List Learning Test)
Total de l'apprentissageb 0.03 (0.90) -0.30 (0.87) 0.037*
Rappel sans délai de 10 minutesb -0.17 (0.90) -0.44 (1.10) 0.131
Rappel sans délai de 30 minutesb -0.19 (0.90) -0.39 (1.04) 0.206
Score de reconnaissanceb 0.10 (1.00) 0.15 (0.73) 0.722
Score de discriminationb -0.05 (1.02) -0.13 (0.97) 0.636
Tests cognitifs spécifiques - Mémoire spatiale visuelle
Mémoire de reconnaissance de modèlec 91.33 (9.40) 87.77 (10.20) 0.045*
Tests cognitifs spécifiques - Attention/Mémoire de travail
Durée spatialed 6.15 (1.10) 5.65 (1.17) 0.016*

Tableau 1 : Comparaison des scores cognitifs entre deux groupes à l'aide d'un test t de l'échantillon indépendant. MMSE, Mini-Mental State Examination; MoCA, Évaluation cognitive de Montréal; -p-lt;0.05 a - choix moyen de corriger; b - scores transformés en z-score; c - pourcentage correct; d longueur d'envergure. Ce tableau a été reproduit à partir de23.

groupe Groupe de la maladie de Parkinson p-valeur
Durée moyenne de fixation, en milisecondes (SD) [Range] 211.59 (24.90) [165.77 - 264.63] 216.58 (31.64) [145.43-312.68] 0.331
Amplitude saccadienne moyenne, en degrés (SD) [Range] 17.27 (2.49) [13.34 - 22.99] 16.36 (2.36) [11.66-23.20] 0.037*

Tableau 2 : Comparaison des paramètres de suivi oculaire entre deux groupes à l'aide d'un test t d'échantillon indépendant. - p lt; 0,05. Ce tableau a été modifié à partir de23.

source Variable dépendante Df F B Bêta Erreur de Std. T p-valeur
Durée moyenne de fixation Aisance verbale - fuit 1 5.647 -0.006 -0.227 0.002 -2.376 0.009*
Aisance verbale - légume 1 9.744 -0.009 -0.288 0.003 -3.122 0.002*
Score de reconnaissance 1 5.843 -0.007 -0.215 0.003 -2.417 0.017*
Score de discrimination 1 12.771 -0.011 -0.314 0.003 -3.574 0.001*
Mémoire de reconnaissance de modèle 1 5.505 -0.071 -0.215 0.03 -2.346 0.021*

Tableau 3 : Corrélations entre les scores cognitifs et les paramètres de suivi oculaire à l'aide du modèle linéaire général : résultats significatifs seulement. - p lt; 0,05. Ce tableau a été reproduit à partir de23.

Supplemental File 1
Dossier supplémentaire 1: Codes liés à la conception de l'image d'essai. Veuillez cliquer ici pour télécharger ce fichier.

Supplemental File 2
Dossier supplémentaire 2 : Codes liés à l'exécution réelle de la tâche de recherche visuelle. Veuillez cliquer ici pour télécharger ce fichier.

Supplemental File 3
Dossier supplémentaire 3 : Codes liés au logiciel (p. ex., programme d'analyseur). Veuillez cliquer ici pour télécharger ce fichier.

Supplemental File 4
Dossier supplémentaire 4: Codes liés à l'algorithme ST-DBSCAN utilisé pour classer les mesures de mouvement oculaire. Veuillez cliquer ici pour télécharger ce fichier.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Le protocole présenté ci-dessus a été conçu comme la première partie d'une étude longitudinale dans l'exploration de l'utilité clinique potentielle des paramètres de mouvement oculaire comme marqueurs de substitution pour les fonctions cognitives dans la maladie de Parkinson. Bien qu'il existe des études qui examinent des paradigmes plus classiques de suivi des yeux tels que saccade auto-entraînée, saccade réflexive, et anti-saccade25,26,27, une tâche de recherche visuelle a été utilisé dans cette étude pour mesurer les yeux paramètres de mouvement. Comme nous l'avons vu, la conception de cette tâche de recherche visuelle est d'une importance primordiale car elle doit minimiser l'effet de confusion connu d'une capacité cognitive sur la performance de la tâche de suivi oculaire, car elle peut affecter les paramètres du mouvement oculaire enregistrés. Un exemple de ce qui serait l'effet des fonctions exécutives frontales sur la latence saccadienne28. La question critique dans la conception serait la diffusion aléatoire du nombre et des alphabets et des quadrants variables de l'emplacement du nombre, ce qui rend plus difficile d'utiliser des stratégies cognitives pour améliorer la performance de la tâche. Avec une moyenne d'environ 650 saccades mesurées dans 40 essais par sujet, l'amplitude moyenne de saccade calculée représente plus d'une capacité physiologique de l'oeil pour produire la saccade. Conformément à la littérature précédente, il a été constaté que l'amplitude de saccade est plus petite dans les patients de parkinson29,30. Le choix des paramètres extraits de la tâche de suivi oculaire doit également être pris en charge en ce qui concerne la question de l'effet de confusion potentiel par la cognition. Par exemple, des paramètres tels que la vitesse de recherche du nombre, du taux d'erreur et de la précision, qui sont une mesure directe de l'attention et de la vitesse de traitement, n'ont pas été utilisés.

Une autre étape critique pour cette étude est de vérifier la validité de l'algorithme qui a été utilisé dans la classification du paramètre de mouvement oculaire. Il existe de nombreuses façons de classer les données de suivi oculaire en saccade et fixation : algorithme basé sur la vitesse, basé sur la dispersion et ainsi de suite31. Chacun de ces algorithmes a ses propres avantages et inconvénients et il n'y a pas d'étalon-or pour le faire de telle sorte que l'on doit également prendre en considération les spécifications du traqueur oculaire utilisé et la conception de la tâche de suivi oculaire pour déterminer la meilleure façon de classer les données. Pour cette étude, un algorithme de clustering interne basé sur la densité, développé sur la base de ST-DBSCAN22, a été utilisé. L'équipe de recherche a recroisé la validité de cet algorithme de classification par rapport à la classification manuelle dans une étude pilote avant d'appliquer l'algorithme aux données de cette étude. Le programme informatique intégrant l'algorithme serait automatiquement épissage et classer les données dans les essais, à partir du moment où l'essai commence (avec les alphabets et le nombre apparaissant à l'écran) à la fin (que le sujet clique sur la souris ou 10 s a de sorte qu'aucune donnée non-essai enregistrée (p. ex., pendant l'affichage de la croix de fixation) ne soit analysée pour contaminer les résultats.

L'utilisation de tests cognitifs spécifiques au domaine dans cette étude permet des corrélations des paramètres du mouvement oculaire avec la performance de la fonction cognitive individuelle. Comme nous l'avons vu, cela a une signification sur l'utilisation de mesures cognitives globales générales comme circuits neuronaux et la base biochimique pour chaque fonction cognitive sont différentes. Les connaissances contemporaines sur les mécanismes neuronaux du contrôle des mouvements oculaires et des fonctions cognitives individuelles nous permettent de faire l'inférence et l'interprétation des résultats trouvés. Par exemple, les corrélations négatives significatives de la durée de fixation avec les fonctions cognitives temporelles, pariétales et cholinergiques sont d'un intérêt particulier car l'affaiblissement de ces fonctions peut prévoir le développement de la démence3. Des discussions détaillées sur la base scientifique qui expliquent les corrélations peuvent être trouvées dans l'article original publié23.

La batterie de l'examen cognitif et la tâche visuelle de recherche étaient fortement tolérables aux sujets de cette étude. Nécessitant environ 1,5 h pour compléter toute la batterie, aucun des sujets n'a été incapable de terminer en raison de la fatigue ou de l'inconfort physique. La tâche de recherche visuelle se composait de 40 essais et n'a pris qu'environ 5-10 min pour terminer. La nature non invasive, simple et rapide de la tâche la rend appropriée comme outil de dépistage si elle est soutenue par des données plus robustes. Ce paradigme pourrait également être appliqué de façon transdiagnosticdans d'autres troubles neurocognitifs pour répondre à des questions de recherche similaires. Une limitation pratique majeure rencontrée dans ce protocole est l'incompatibilité du traqueur d'oeil dans les sujets portant une certaine lentille progressive, car la presbytie n'est pas une condition rare dans les personnes âgées. L'apraxie de paupière et le blepharospasm sont également vus dans la maladie de Parkinson32 et les victimes de ces conditions peuvent ne pas être en mesure d'accomplir la tâche.

En tant qu'étude exploratoire et transversale, la conception de l'étude ne nous permet pas d'inférer une base neuroanatomique et biochimique définie qui explique les résultats trouvés. Les interprétations des résultats étaient principalement basées sur la connaissance indépendante sur les physiologies des fonctions cognitives et le contrôle de mouvement d'oeil et, par conséquent, sont restées comme postulations. Les données longitudinales sur la façon dont ces paramètres peuvent changer au fil du temps pendant le processus neurodégénératif est inconnue. Pourtant, il vaut la peine d'avoir une étude de suivi pour étudier les valeurs prédictives des paramètres de mouvement oculaire de base sur le développement des troubles cognitifs. Les études futures devraient incorporer la neuroimagerie pour aborder les fondements neurostructuraux pour un soutien plus solide de toute postulation, sans laquelle le développement ultérieur du suivi oculaire comme marqueur proxy de la fonction cognitive ne sera pas possible.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Les auteurs n'ont rien à révéler.

Acknowledgments

Les auteurs tenons à remercier le Dr Harvey Hung pour ses conseils sur le manuscrit.

Materials

Name Company Catalog Number Comments
Computer  Intel
Computerized cognitive assessment tool CANTAB CANTAB Research Suite Contains Pattern Recognition Memory, Spatial Span, and Stockings of Cambridge
Eye Movement Analyzer Lab Viso Limited https://github.com/lab-viso-limited/visual-search-analyzer
Eye tracker Tobii Tx300 23 inch computer screen with resolution of 1920 x 1080, Sampling rate at 300 Hz
Hong Kong List Leanrning Test Department of Psychology, The Chinese University of Hong Kong The Hong Kong List Learning Test (HKLLT) 2nd Edition
Stroop test Laboratory of Neuropsychology, The University of Hong Kong Neuropsychological Measures: Normative Data for Chinese, Second Edition (Revised)
Tobii Studio Tobii Tobii Studio version 3.2.2 Computer programme for running the visual search task
Visual Search Task Lab Viso Limited https://www.labviso.com/#products

DOWNLOAD MATERIALS LIST

References

  1. Hely, M. A., Reid, W. G. J., Adena, M. A., Halliday, G. M., Morris, J. G. L. The Sydney Multicenter Study of Parkinson’s disease: The inevitability of dementia at 20 years. Movement Disorders. 23, (6), 837-844 (2008).
  2. Braak, H., Del Tredici, K., Bratzke, H., Hamm-Clement, J., Sandmann-Keil, D., Rüb, U. Staging of the intracerebral inclusion body pathology associated with idiopathic Parkinson's disease (preclinical and clinical stages). Journal of Neurology. 249, (0), 1-5 (2002).
  3. Williams-Gray, C. H., et al. The distinct cognitive syndromes of Parkinson’s disease: 5 year follow-up of the CamPaIGN cohort. Brain. 132, (11), 2958-2969 (2009).
  4. Buter, T. C., van den Hout, A., Matthews, F. E., Larsen, J. P., Brayne, C., Aarsland, D. Dementia and survival in parkinson disease: A 12-year population study. Neurology. 70, (13), 1017-1022 (2008).
  5. Aarsland, D., Larsen, J. P., Tandberg, E., Laake, K. Predictors of nursing home placement in Parkinson's disease: A population-based, prospective study. Journal of the American Geriatrics Society. 48, (8), 938-942 (2000).
  6. Rascol, O., et al. Abnormal ocular movements in parkinson's disease: Evidence for involvement of dopaminergic systems. Brain. 112, (5), 1193-1214 (1989).
  7. Orban De Xivry, J. J., Lefèvre, P. Saccades and pursuit: Two outcomes of a single sensorimotor process. Journal of Physiology. 584, (1), 11-23 (2007).
  8. Crawford, T. J., et al. Inhibitory control of saccadic eye movements and cognitive impairment in Alzheimer's disease. Biological Psychiatry. 57, (9), 1052-1060 (2005).
  9. Archibald, N. K., Hutton, S. B., Clarke, M. P., Mosimann, U. P., Burn, D. J. Visual exploration in Parkinson's disease and Parkinson's disease dementia. Brain. 136, (3), 739-750 (2013).
  10. Litvan, I., et al. Diagnostic criteria for mild cognitive impairment in Parkinson's disease: Movement Disorder Society Task Force guidelines. Movement Disorders. 27, (3), 349-356 (2012).
  11. Rösler, A., et al. Alterations of visual search strategy in Alzheimer's disease and aging. Neuropsychology. 14, (3), 398-408 (2000).
  12. Hughes, A. J., Daniel, S. E., Kilford, L., Lees, A. J. Accuracy of clinical diagnosis of idiopathic Parkinson's disease: A clinico-pathological study of 100 cases. Journal of Neurology Neurosurgery and Psychiatry. 55, (3), 181-184 (1992).
  13. Chiu, H. F. K., Lee, H. C., Chung, W. S., Kwong, P. K. Reliability and Validity of the Cantonese Version of Mini-Mental State Examination-A Preliminary Study. Hong Kong Journal of Psychiatry. 4, (2), 25 (1994).
  14. Wong, A., et al. The validity, reliability and clinical utility of the Hong Kong Montreal Cognitive Assessment (HK-MoCA) in patients with cerebral small vessel disease. Dementia and Geriatric Cognitive Disorders. 28, (1), 81-87 (2009).
  15. Fahn, S., Elton, R. Members of the UPDRS Development Committee. Unified Parkinson's disease rating scale. Recent Development in Parkinson's Disease. 2, 293-304 (1987).
  16. Hoehn, M. M., Yahr, M. D. Parkinsonism: onset, progression, and mortality. Neurology. 17, (5), 427-427 (1967).
  17. Wu, P. C., Chang, L. Psychometric properties of the Chinese version of the Beck Depression Inventory-II using the Rasch model. Measurement and Evaluation in Counseling and Development. 41, (1), 13-31 (2008).
  18. Chiu, H. F., et al. The modified Fuld Verbal Fluency Test: a validation study in Hong Kong. The journals of gerontology. Series B, Psychological sciences and social sciences. 52, (5), 247-250 (1997).
  19. Chan, A. S., Kwok, I. Hong Kong list learning test: manual and preliminary norm. Hong Kong: Department of Psychological and Clinical Psychology Center. (1999).
  20. Robbins, T. W., James, M., Owen, A. M., Sahakian, B. J., McInnes, L., Rabbitt, P. Cambridge Neuropsychological Test Automated Battery (CANTAB): A Factor Analytic Study of a Large Sample of Normal Elderly Volunteers. Dementia and Geriatric Cognitive Disorders. 5, (5), 266-281 (1994).
  21. Lee, T. M. C., Wang, K. Neuropsychological Measures: Normative Data for Chinese. revised (2010).
  22. Birant, D., Kut, A. ST-DBSCAN: An algorithm for clustering spatial-temporal data. Data and Knowledge Engineering. 60, (1), 208-221 (2007).
  23. Wong, O. W., et al. Eye movement parameters and cognitive functions in Parkinson's disease patients without dementia. Parkinsonism and Related Disorders. 52, 43-48 (2018).
  24. Muslimovic, D., Post, B., Speelman, J. D., Schmand, B. Cognitive profile of patients with newly diagnosed Parkinson disease. Neurology. 65, (8), 1239-1245 (2005).
  25. Winograd-Gurvich, C., Georgiou-Karistianis, N., Fitzgerald, P. B., Millist, L., White, O. B. Self-paced saccades and saccades to oddball targets in Parkinson's disease. Brain Research. 1106, (1), 134-141 (2006).
  26. Briand, K. A., Strallow, D., Hening, W., Poizner, H., Sereno, A. B. Control of voluntary and reflexive saccades in Parkinson's disease. Experimental Brain Research. 129, (1), 38-48 (1999).
  27. Rivaud-Péchoux, S., Vidailhet, M., Brandel, J. P., Gaymard, B. Mixing pro- and antisaccades in patients with parkinsonian syndromes. Brain. 130, (1), 256-264 (2007).
  28. Perneczky, R., Ghosh, B. C. P., Hughes, L., Carpenter, R. H. S., Barker, R. A., Rowe, J. B. Saccadic latency in Parkinson's disease correlates with executive function and brain atrophy, but not motor severity. Neurobiology of Disease. 43, (1), 79-85 (2011).
  29. Matsumoto, H., et al. Small saccades restrict visual scanning area in Parkinson's disease. Movement Disorders. 26, (9), 1619-1626 (2011).
  30. MacAskill, M. R., Anderson, T. J., Jones, R. D. Adaptive modification of saccade amplitude in Parkinson's disease. Brain. 125, (7), 1570-1582 (2002).
  31. Salvucci, D. D., Goldberg, J. H. Identifying fixations and saccades in eye-tracking protocols. Proceedings of the 2000 symposium on Eye tracking research & applications. 71-78 (2000).
  32. Rana, A. Q., Kabir, A., Dogu, O., Patel, A., Khondker, S. Prevalence of blepharospasm and apraxia of eyelid opening in patients with parkinsonism, cervical dystonia and essential tremor. European Neurology. 68, (5), 318-321 (2012).

Comments

0 Comments


    Post a Question / Comment / Request

    You must be signed in to post a comment. Please or create an account.

    Usage Statistics