Summary

Neurostimulation en boucle fermée pour le traitement personnalisé du trouble dépressif majeur basé sur des biomarqueurs

Published: July 07, 2023
doi:

Summary

La stimulation cérébrale profonde déclenchée par un biomarqueur neuronal spécifique au patient d’un état à symptômes élevés peut mieux contrôler les symptômes du trouble dépressif majeur par rapport à la stimulation continue en boucle ouverte. Ce protocole fournit un flux de travail permettant d’identifier un biomarqueur neuronal spécifique au patient et de contrôler l’administration de la stimulation thérapeutique en fonction du biomarqueur identifié.

Abstract

La stimulation cérébrale profonde implique l’administration d’une stimulation électrique à des régions cérébrales ciblées pour un bénéfice thérapeutique. Dans le contexte du trouble dépressif majeur (TDM), la plupart des études menées à ce jour ont administré une stimulation continue ou en boucle ouverte avec des résultats prometteurs mais mitigés. L’un des facteurs contribuant à ces résultats mitigés peut provenir du moment où la stimulation est appliquée. L’administration d’une stimulation spécifique aux états de symptômes élevés d’une manière personnalisée et réactive peut être plus efficace pour réduire les symptômes que la stimulation continue et peut éviter une diminution des effets thérapeutiques liés à l’accoutumance. De plus, une durée totale de stimulation plus courte par jour est avantageuse pour réduire la consommation d’énergie de l’appareil. Ce protocole décrit un flux de travail expérimental utilisant un dispositif de neurostimulation implanté de manière chronique pour obtenir une stimulation en boucle fermée pour les personnes atteintes de TDM réfractaire au traitement. Ce paradigme repose sur la détermination d’un biomarqueur neuronal spécifique au patient qui est lié à des états de symptômes élevés et sur la programmation des détecteurs de l’appareil, de sorte que la stimulation soit déclenchée par cette lecture de l’état des symptômes. Les procédures décrites comprennent comment obtenir des enregistrements neuronaux en même temps que les rapports de symptômes des patients, comment utiliser ces données dans une approche de modèle d’espace d’état pour différencier les états de symptômes faibles et élevés et les caractéristiques neuronales correspondantes, et comment programmer et régler ensuite le dispositif pour administrer une thérapie de stimulation en boucle fermée.

Introduction

Le trouble dépressif majeur (TDM) est une maladie neuropsychiatrique caractérisée par une activité et une connectivité aberrantes au niveau du réseau1. La maladie se manifeste par une variété de symptômes qui varient d’un individu à l’autre, fluctuent au fil du temps et peuvent provenir de différents circuits neuronaux 2,3. Environ 30 % des personnes atteintes de TDM sont réfractairesaux traitements standard 4, ce qui souligne la nécessité de nouvelles approches.

La stimulation cérébrale profonde (SCP) est une forme de neuromodulation dans laquelle un courant électrique est délivré à des zones ciblées du cerveau dans le but de moduler l’activité. La SCP pour le traitement du TDM a été très efficace dans certaines applications5,6, mais n’a pas non plus réussi à se reproduire dans des études plus importantes 7,8. Toutes les études citées ont utilisé la stimulation en boucle ouverte9, dans laquelle l’administration d’une stimulation thérapeutique putative était continue avec des paramètres fixes. En revanche, la stimulation en boucle fermée délivre une stimulation basée sur un biomarqueur programmé ou un modèle d’activité neuronale associé à l’état symptomatique10. Il existe deux implémentations principales de la stimulation en boucle fermée : la stimulation réactive et la stimulation adaptative11. La stimulation réactive délivre des rafales de stimulation avec des paramètres constants (par exemple, fréquence, amplitude, largeur d’impulsion) lorsque les critères programmés sont remplis. Avec la stimulation adaptative, les paramètres de stimulation changent dynamiquement en fonction du biomarqueur mesuré, selon l’algorithme, qui peut avoir plusieurs points fixes ou un ajustement continu automatisé. La stimulation peut être continue ou intermittente avec une stimulation adaptative. La stimulation adaptative a montré une efficacité supérieure à la stimulation en boucle ouverte dans le contrôle des symptômes de la maladie de Parkinson12. La neurostimulation réactive pour l’épilepsie13 est approuvée par la Food and Drug Administration (FDA), tandis que les premières études sur la stimulation réactive pour le TDM 14 et la stimulation adaptative pour le syndrome de Gilles de la Tourette15 et le tremblement essentiel16 montrent également un bénéfice thérapeutique.

Pour mettre en œuvre la stimulation en boucle fermée, un signal physiologique doit être sélectionné et suivi pour savoir quand la stimulation doit être délivrée. Cette rétroaction est la principale différence entre la stimulation en boucle ouverte et en boucle fermée et est réalisée en sélectionnant un biomarqueur. Ce protocole fournit une procédure permettant de déterminer un biomarqueur personnalisé en fonction de la constellation de symptômes ressentis par un individu donné. De futures méta-analyses chez les patients révéleront s’il existe des biomarqueurs communs à tous les individus ou si la présentation hétérogène des symptômes du TDM et des circuits sous-jacents nécessite une approche personnalisée17,18. L’utilisation d’appareils SCP capables à la fois de détecter l’activité neuronale et de délivrer une stimulation électrique permet à la fois la découverte de ce biomarqueur et la mise en œuvre ultérieure de la neuromodulation en boucle fermée. Cette approche présuppose une relation temporelle étroite entre l’activité neuronale et des états symptomatiques spécifiques et peut ne pas être applicable à toutes les indications ou symptômes.

Alors que des indications telles que la maladie de Parkinson et le tremblement essentiel présentent des symptômes qui peuvent être mesurés à l’aide de capteurs périphériques (p. ex., tremblements, rigidité), les symptômes du TDM sont généralement signalés par le patient ou évalués par un clinicien à l’aide de questions et d’observations standardisées. Dans le contexte de l’accumulation de données suffisantes pour calculer un biomarqueur personnalisé, les évaluations des cliniciens ne sont pas pratiques, et donc les rapports des patients sur les symptômes par le biais d’échelles d’évaluation sont utilisés. Ces échelles comprennent les échelles visuelles analogiques de dépression (VAS-D), d’anxiété (VAS-A) et d’énergie (VAS-E)19, ainsi que la forme à six questions de l’échelle d’évaluation de la dépression de Hamilton (HAMD-6)20. Les enregistrements simultanés de l’activité neuronale et l’achèvement de ces évaluations des symptômes auto-déclarées fournissent un ensemble de données appariées qui peut être utilisé pour examiner les relations entre les caractéristiques spectrales du signal neuronal liées ou prédictives des états symptomatiques élevés.

Des approches computationnelles, telles que la modélisation de l’espace d’état, peuvent être utilisées pour découvrir les relations entre les états symptomatiques et les caractéristiques neuronales. Les méthodes de la théorie des graphes sont intéressantes pour caractériser un espace d’états21 car elles permettent de découvrir des états sur différentes échelles de temps en modélisant explicitement la proximité temporelle entre les mesures22. Un modèle d’espace d’état des symptômes identifie les périodes de temps dans lesquelles il existe un phénotype commun des symptômes du patient et peut identifier les sous-états de symptômes dans lesquels les évaluations sur des dimensions spécifiques de la dépression du patient diffèrent en fonction de l’environnement ou du contexte. Une approche en boucle fermée repose sur la détection des états symptomatiques en fonction de l’activité cérébrale sous-jacente. La classification par apprentissage automatique est une dernière étape qui permet d’identifier une combinaison de caractéristiques statistiques dérivées des signaux d’activité cérébrale qui permet de mieux distinguer deux ou plusieurs états symptomatiques14. Cette approche en deux étapes explique la variabilité des symptômes d’un patient au fil du temps et établit un lien entre les modèles systématiques de variation des symptômes et l’activité cérébrale.

Le présent protocole utilise le système de neurostimulation réactive (RNS) NeuroPace13,23. Les procédures permettant de déterminer le(s) site(s) de stimulation et les paramètres optimaux ne relèvent pas du champ d’application de ce protocole. Cependant, les capacités de stimulation d’un appareil donné sont importantes à prendre en compte lors de la conception de la neurostimulation en boucle fermée. Pour le dispositif utilisé dans ce protocole, la stimulation est contrôlée par le courant et délivrée entre l’anode et la cathode. Un ou plusieurs contacts d’électrodes ou le Can (neurostimulateur implantable [INS]) peuvent être sélectionnés comme anode(s) ou cathode(s). La fréquence de stimulation (1-333,3 Hz), l’amplitude (0-12 mA), la largeur d’impulsion (40-1000 μs par phase) et la durée (10-5000 ms, par stim) sont toutes préprogrammées. Les paramètres précédents peuvent être réglés indépendamment pour un maximum de cinq thérapies de stimulation ; Ces traitements sont administrés de manière séquentielle si les critères de détection continuent d’être remplis. Il n’est pas possible de délivrer plusieurs formes d’onde de stimulation simultanément (par exemple, on ne peut pas délivrer simultanément deux fréquences de stimulation différentes). La forme d’onde de stimulation est une onde rectangulaire biphasique symétrique et ne peut pas être modifiée.

Protocol

Ce protocole a été examiné et approuvé par le Institutional Review Board de l’Université de Californie à San Francisco. 1. Configuration de l’appareil pour les enregistrements à domicile des patients Travaillez avec un représentant de la société de l’appareil pour définir quatre canaux configurés pour l’acquisition, deux pour chaque sonde implantée.REMARQUE : Chaque canal enregistre un enregistrement bipolaire. Les canaux configurés peuvent…

Representative Results

Les données recueillies et présentées ici proviennent d’un seul patient avec des dérivations à quatre canaux implantées dans le cortex orbitofrontal droit (OFC) et le cingulaire sous-genuel droit (SGC) (Figure 1). Une sonde avec un pas de centre à centre de 10 mm a été utilisée pour l’OFC afin de cibler à la fois les aspects médians et latéraux, tandis qu’une dérivation avec un pas de 3,5 mm a été utilisée pour le SGC afin d’avoir une couverture plus concentrée dans…

Discussion

La stimulation cérébrale profonde est devenue une thérapie établie pour la maladie de Parkinson, les tremblements essentiels, la dystonie et l’épilepsie, et fait activement l’objet d’études dans de nombreuses autres affections neuropsychiatriques26,27,28,29. La grande majorité de la SCP est administrée en mode en boucle ouverte, dans lequel la stimulation est délivrée en continu…

Declarações

The authors have nothing to disclose.

Acknowledgements

Ce travail a été soutenu par le Ray and Dagmar Dolby Family Fund par l’intermédiaire du département de psychiatrie de l’UCSF (KKS, ANK, NS, JF, VRR, KWS, EFC, ADK), par un prix des National Institutes of Health no. K23NS110962 (KWS), bourse NARSAD Young Investigator de la Brain & Behavior Research Foundation (KWS) et 1907 Trailblazer Award (KWS).

Materials

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

Referências

  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).
check_url/pt/65177?article_type=t

Play Video

Citar este artigo
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).

View Video