הדוגמנות הסטטיסטית של קישוריות קורטיקלית באמצעות אלקטרונצלוגרמות שאינן פולשנית

שיטה זו שואפת לייצר מפות סטטיסטיות של רשתות קורטיטיות מבוסס על הקלטות האלקטרודה שאינם פולשנית באמצעות התקנה קלינית קיימא, כדי לאפשר חקירה של פתולוגיה של מערכת העצבים, ההשפעה של טיפולים חדשניים, ופיתוח של רומן . מסמנים אלקטרולוגיים

EEG מציעה פוטנציאל רב לחקירת תפקוד מערכת העצבים ומחלות^1,2. טכנולוגיה זו היא זולה, זמין בתוך מחקר והגדרות קליניות, ובדרך כלל נסבל היטב. הטבע פשוט, לא פולשני של הקלטות לעשות שימוש קליני פשוט, ואת המסגרת הקיימת של מחלקות EEG קליני מאפשר גישה קלה לטכנולוגיה עבור מטפלים.

מנקודת מבט טכנית, EEG מציע בזמן מצוין החלטה בתחום³. זה חשוב מאוד כאשר חקירת תפקוד מערכת העצבים בשל סולמות הזמן המהיר של אינטראקציות מערכת העצבים ודינמיקה ברשת. בעוד שיטות דימות כגון MRI פונקציונלי להציע רזולוציה מרחבית גדולה יותר בקלות מתרגם תמונות הטבלה, הם הרבה יותר מוגבלים ביכולתם לחקור את תפקוד מערכת העצבים על סולמות הזמן בסדר המוצעים על ידי הקלטות אלקטרופיזיולוגיות ^4,5,6.

יש צורך הולך וגובר ביכולת לחקור את תפקוד מערכת העצבים כדי ליידע אבחון, טיפול ותחזיות של מחלות מערכת העצבים. התפקיד של דינמיקה ברשת קורטיקלית בפתולוגיה של מערכת העצבים מוכר יותר ויותר⁷. פתווגיות רבות של מערכת העצבים לייצר לא נגעים מבניים מאקרוסקופי גלוי עם הדמיה מסורתית, אבל ליקויים המיוצרים ברמת הרשת עשוי להיות גלוי עם שיטות ניתוח מתאים תפקודית.

למרבה הצער, שיטות ניתוח EEG הנוכחי מוגבלות מאוד בהקשר זה. שיטות מסורתיות כרוכות בניתוח של נתוני סדרת זמן פשוטים מאלקטרודות בודדות. אותות אלה מייצגים את הסיכום של פוטנציאל השדה באזורים קורטיקלית גדולה^3,8. ניתוח נתונים מערוצים בודדים בבידוד באמצעות בדיקה חזותית או שיטות סטטיסטיות פשוטות מגביל את השימושיות של הקלטות אלה כדי לזהות חריגות אלקטרופיזיולוגיות ברוטו במיקומים נפרדים, בודדים. עם ההכרה הגוברת של החשיבות של השפעות ברמת הרשת על תפקוד מערכת העצבים ואת הפתולוגיה, אלה שיטות ניתוח פשוט חסרים בבירור בכך שהם לא יוכלו לזהות קשרים עדינים בין אותות, המייצגים חריגות באופן שבו האזורים הקורטיקליים מקיימים אינטראקציה אחד עם השני ברמת הרשת.

שיטה של הנובעות מפות סטטיסטית של קישוריות רשת קורטיקלית מתוך הקלטות האלקטרודה נמוכה מימדי מומחש. שיטה זו מאפשרת חקירה של הדינמיקה של אינטראקציות בין אזורי מוח שונים באופן שאינו אפשרי עם טכניקות ניתוח מסורתיות, כמו גם הדמיה של אינטראקציות אלה ברשת. פעולה זו פותחת את האפשרות עבור חקירה לא פולשנית של השפעות ברמת הרשת ברזולוציות תחום בזמן גבוה בדרכים לא אפשרי בעבר. שיטה זו מבוססת על הנגזרת של מדדים בעלי קוהרנטיות אינטראלקטרודה^9,10. צעדים אלה מאפשרים לחקור כיצד שני אזורים מוקלטים מקיימים אינטראקציה על-ידי הערכת היחסים הסטטיסטיים בין ההקלטות של אזורים אלה¹¹. על ידי הערכת כיצד כל אזור מוקלט מקיים אינטראקציה עם כל אזור מוקלט אחר, ניתן לעשות מפה סטטיסטית של רשתות אלקטרופיזיולוגיות בתוך האזורים המוקלטת. זה מאפשר גילוי של קשרים פונקציונליים שאינם גלויים על הערכה של נתוני ערוץ בידוד.

מוקד כתב היד הזה נמצא בשימוש. בעקביות בסדרת הזמן העצבית כיום, ישנן מספר טכניקות לחקירת קשרי הגומלין בין נתוני סדרת הזמן שניתן להחיל על ערוצים בצורה זיווגים כדי לגזור מודלים של קישוריות קורטיקלית. כמה שיטות, כגון בבימויו החלקית הקשורים קוהרנטיות^12,13, המטרה להסיק את כיוון ההשפעה של זוג אותות נחקר על מנת לאפיין טוב יותר את מבנה הרשתות הבסיסיות, בעוד אחרים שיטות, כגון גריינג’ר סיבתיות^14,15, מנסות להסיק קשרים פונקציונליים דרך היכולת של אות אחת כדי לנבא את הנתונים באחר. שיטות כגון אלה יכולות להיות מיושם בדרכים דומות להפקת דגמים ממדיים גבוהים של רשתות קורטיקלית. עם זאת, היתרונות של קוהרנטיות כאמצעי בחקירת יחסים בין אותות עצביים טמון בהיעדר השערות. ניתן לחקור קשרים סטטיסטיים בין הקלטות בשני אתרים מבלי לעשות הצהרות על בסיס פונקציונלי של קשרים אלה לבנות מודל של קישוריות קורטיקלית מבוסס גרידא על יחסים סטטיסטיים עם הנחות מינימליות בנוגע לרשתות הקורטיפיות היוצרות אותות אלה.

בשל האופי המתמטי גרידא של צעדים אלה, היחסים בין האמצעים קוהרנטיות של הקלטות אלקטרודה על הקרקפת ואת הפעילות העצבית הבסיסית היא מורכבת^16,17. בעוד שיטות אלה מאפשרות את הנגזרת של מבנים סטטיסטיים המתארים יחסים בין הקלטות האלקטרודה להשוואה, ביצוע מסקנות הסיבתי ישירה על הפעילות של אוכלוסיות עצביות ספציפיות הבסיסית אינה . ישיר^3,8,16,17 גישות אלה מאפשרות השוואה בין הפעילות ברמת הרשת בין קבוצות כדי לזהות סמנים בעלי פוטנציאל שימושי, אך מוגבלים מבחינת רישום מסקנות ספציפיות לגבי הקשר בין סמנים אלה לבין מנגנונים עצביים ספציפיים. זה בגלל המספר הגדול של גורמים מייסדים המשפיעים על פעילות מוקלטת³, כמו גם בעיות עם הערכת מקור בקליפת המוח הספציפית של אותות חשמליים שנרשמו ברמה של הקרקפת⁸. במקום זאת, גישות אלה יכולות לייצר מודלים סטטיסטיים של פעילות שניתן לחקור ולהשוות בין קבוצות כדי לקבוע שההבדלים קיימים ברמת הרשת¹⁸ וניתן ליצור מינוף כדי לייצר בסמנים הרומן מבוסס על אלה ונה. עם זאת, לשיטות אלה בלבד יש יכולת מוגבלת להתייחס להבדלים הנראים למנגנונים מסוימים ולפעילויות עצביות בשל המורכבות של המערכת הבסיסית.

השימוש באמצעי רשת כגון קוהרנטיות מבוססת היטב במערכות מדעי המוח^16,17. הפוטנציאל המלא של גישות אלה לדוגמנות וחקירת תפקוד קורטיקלית הוגבלה על ידי חוסר ניצול של מבני נתונים אלה מימדים גבוהים. עבודה זו ממחישה כי ניתן להחיל אמצעים אלה על ערוצי EEG בצורה זיווגים כדי למפות נתונים על מרחב תכונה מימדי גבוהה המבוסס גרידא על היחסים הסטטיסטיים בין פעילות החשמל באזורים קורטיקלית. זה גם מדגים כי, באמצעות טכניקות סטטיסטיות מודרנית, ניתן להשתמש במודלים שנוצרו של פונקציה קורטיקלית לחקור את המודלים האלה מבלי לאבד את המידע שנרכש בתהליך הדוגמנות.

שיטה זו עשויה להיות בעלת ערך רב בהרחבת היקף היישומים של טכנולוגיות EEG קיימות, שיפור היכולת להפיק אמצעים פונקציונליים שימושיים מבלי לדרוש עיבודים לציוד הקלטה קיים^18,19 . על ידי שיפור היכולת לדגמן תפקוד קורטיקלית ולחקור את המודלים האלה, את השאלות שניתן לחקור באמצעות נתוני EEG מורחבים. זה עוד פותח את האפשרות של שילוב גדול יותר של הערכות פונקציונלי ומבניים לחקירת מחלה נוירולוגית^20,21. גישה זו, באמצעות טכנולוגיה שכבר זמין נרחב קלינית, יאפשר חקירה של הפתווגיות בקליפת המין העליון עם הזמן הגבוה ואת הרזולוציה המרחבית.