Modellazione statistica della connettività corticale mediante elettroencefalogrammi non invasivi

Questo metodo mira a produrre mappe statistiche di reti corticali basate su registrazioni di elettrodi non invasivi utilizzando una configurazione clinicamente fattibile, per consentire lo studio della patologia del sistema nervoso, l’impatto di nuovi trattamenti e lo sviluppo di nuovi biomarcatori elettrofisiologici.

EEG offre un grande potenziale per lo studio della funzione del sistema nervoso e della malattia^1,2. Questa tecnologia è poco costosa, prontamente disponibile in ambito di ricerca e clinico, e generalmente ben tollerata. La natura semplice e non invasiva delle registrazioni rende l’uso clinico semplice e il quadro esistente dei reparti EEG clinici consente un facile accesso alla tecnologia per i medici.

Da un punto di vista tecnico, EEG offre un’eccellente risoluzione del dominio del tempo³. Questo è di grande importanza quando si studia la funzione del sistema nervoso a causa delle rapide scale temporali delle interazioni del sistema nervoso e dinamiche di rete. Mentre i metodi di imaging come la risonanza magnetica funzionale offrono una maggiore risoluzione spaziale e immagini facilmente interpretabili, sono molto più limitati nella loro capacità di interrogare la funzione del sistema nervoso sulle scale temporali fini offerte dalle registrazioni elettrofisiologiche ^4,5,6.

C’è una crescente necessità di capacità di interrogare la funzione del sistema nervoso per informare la diagnosi, il trattamento e la pronosticazione delle malattie del sistema nervoso. Il ruolo delle dinamiche della rete corticale nella patologia del sistema nervoso è sempre più riconosciuto⁷. Molte patologie del sistema nervoso non producono lesioni strutturali macroscopiche visibili con l’imaging tradizionale, ma le anomalie prodotte a livello di rete possono essere evidenti con adeguati metodi di analisi funzionale.

Purtroppo, gli attuali metodi di analisi EEG sono molto limitati a questo proposito. I metodi tradizionali prevedono l’analisi di semplici dati di serie temporali provenienti da singoli elettrodi. Questi segnali rappresentano la somma dei potenziali di campo nelle grandi aree corticali^3,8. L’analisi dei dati provenienti da singoli canali in isolamento mediante ispezione visiva o semplici metodi statistici limita l’utilità di queste registrazioni a rilevare anomalie elettrofisiologiche lorde in posizioni discrete e singole. Con il crescente riconoscimento dell’importanza degli effetti a livello di rete per la funzione e la patologia del sistema nervoso, questi semplici metodi di analisi sono chiaramente carenti in quanto non riusciranno a rilevare sottili relazioni tra i segnali, rappresentando anomalie nel modo in cui le aree corticali interagiscono tra loro a livello di rete.

Viene dimostrato un metodo per derivare mappe statistiche della connettività di rete corticale da registrazioni di elettrodi a bassa dimensione. Questo metodo consente di sforare le dinamiche delle interazioni tra diverse regioni cerebrali in un modo che non è possibile con le tecniche di analisi tradizionali, così come la visualizzazione di queste interazioni di rete. Questo apre la possibilità di un’indagine non invasiva degli effetti a livello di rete ad alte risoluzioni di dominio in modi non precedentemente possibili. Questo metodo si basa sulla derivazione di misure di coerenza interelettrodia^9,10. Queste misure consentono di soccorrere il modo in cui due regioni registrate interagiscono valutando le relazioni statistiche tra le registrazioni di queste aree¹¹. Valutando il modo in cui ogni area registrata interagisce con ogni altra area registrata, è possibile creare una mappa statistica delle reti elettrofisiologiche all’interno delle aree registrate. Ciò consente la scoperta di relazioni funzionali che non sono evidenti nella valutazione dei dati dei singoli canali in isolamento.

L’obiettivo di questo manoscritto è sull’uso della coerenza sulle serie temporali neurali. Attualmente, ci sono una serie di tecniche per studiare le relazioni tra i dati di serie temporali che possono essere applicate ai canali in modo coppie per derivare modelli di connettività corticale. Alcuni metodi, come la relativa coherence parziale diretta^12,13, mirano a dedurre la direzione di influenza della coppia di segnali indagati al fine di caratterizzare meglio la struttura delle reti sottostanti, mentre altri metodi, come La causalità Granger^14,15, tentano di dedurre le relazioni funzionali attraverso la capacità di un segnale di prevedere i dati in un altro. Metodi come questi possono essere applicati in modi simili per generare modelli ad alta dimensione di reti corticali. Tuttavia, i vantaggi della coerenza come mezzo per studiare le relazioni tra i segnali neurali sta nella sua mancanza di ipotesi. È possibile studiare le relazioni statistiche tra le registrazioni in due siti senza fare dichiarazioni sulla base funzionale di queste relazioni e costruire un modello di connettività corticale basato esclusivamente sulle relazioni statistiche con ipotesi minime circa le reti corticali che generano questi segnali.

A causa della natura puramente matematica di queste misure, la relazione tra le misure di coerenza delle registrazioni degli elettrodi sul cuoio capelluto e l’attività neurale sottostante è complessa^16,17. Mentre questi metodi consentono la derivazione di costrutti statistici che descrivono le relazioni tra le registrazioni degli elettrodi per il confronto, fare inferenze causali dirette sull’attività delle specifiche popolazioni neurali sottostanti non è semplice^3,8,16,17. Questi approcci consentono di confrontare l’attività a livello di rete tra gruppi per identificare biomarcatori potenzialmente utili, ma sono limitati in termini di trarre conclusioni specifiche per quanto riguarda la relazione di questi marcatori con meccanismi neurali specifici. Ciò è dovuto al gran numero di fattori di confusione che influenzano l’attività registrata³, così come ai problemi con la stima della specifica fonte corticale di segnali elettrici registrati a livello del cuoio capelluto⁸. Piuttosto, questi approcci possono produrre modelli statistici di attività che possono essere interrogati e confrontati tra i gruppi per determinare che esistono differenze a livello di rete¹⁸ e possono essere sfruttati per produrre nuovi biomarcatori basati su questi Costrutti. Tuttavia, questi metodi da soli hanno una capacità limitata di mettere in relazione le differenze osservate a meccanismi specifici e attività neurali a causa della complessità del sistema sottostante.

L’uso di misure di rete come la coerenza è ben consolidato nei sistemi neuroscienze^16,17. Il pieno potenziale di questi approcci per la modellazione e lo studio della funzione corticale è stato limitato dalla mancanza di sfruttamento di queste strutture di dati ad alta dimensione. Questo lavoro dimostra che è possibile applicare queste misure ai canali EEG in modo coppieto per mappare i dati su uno spazio di feature ad alta dimensione basato esclusivamente sulle relazioni statistiche tra l’attività elettrica nelle regioni corticali. Dimostra inoltre che, utilizzando moderne tecniche statistiche, è possibile utilizzare i modelli generati della funzione corticale per studiare questi modelli senza perdere le informazioni acquisite nel processo di modellazione.

Questo metodo è potenzialmente utile per ampliare la portata delle applicazioni delle tecnologie EEG esistenti, migliorando la capacità di derivare utili misure funzionali senza richiedere adattamenti alle apparecchiature di registrazione esistenti^18,19 . Migliorando la capacità di modellare la funzione corticale e interrogare questi modelli, vengono ampliate le domande che possono essere studiate utilizzando i dati EEG. Questo apre ulteriormente la possibilità di una maggiore integrazione delle valutazioni funzionali e strutturali per lo studio della malattia neurologica^20,21. Questo approccio, utilizzando una tecnologia già ampiamente disponibile clinicamente, consentirebbe di sforare patologie corticali ad alta risoluzione temporale e spaziale.