Modelagem estatística da conectividade cortical usando eletroencefalogramas não invasivos

Este método visa produzir mapas estatísticos de redes corticais com base em gravações eletrodas não invasivas usando uma configuração clinicamente viável, para permitir a investigação da patologia do sistema nervoso, o impacto de novos tratamentos e o desenvolvimento de novos biomarcadores eletrofisiológicos.

EEG oferece grande potencial para a investigação da função do sistema nervoso e doença^1,2. Esta tecnologia é barata, prontamente disponível na pesquisa e em ajustes clínicos, e tolerada geralmente bem. A natureza simples e não invasiva das gravações torna o uso clínico direto, e a estrutura existente dos departamentos clínicos de EEG permite um fácil acesso à tecnologia para os clínicos.

Do ponto de vista técnico, o EEG oferece excelente resolução de domínio de tempo^3. Isso é de grande importância ao investigar a função do sistema nervoso devido aos rápidos prazos das interações do sistema nervoso e da dinâmica da rede. Embora os métodos de imagem, como ressonância magnética funcional, ofereçam maior resolução espacial e imagens facilmente interpretáveis, eles são muito mais limitados em sua capacidade de interrogar a função do sistema nervoso nas escamas de tempo finas oferecidas por gravações eletrofisiológicas ^4,5,6.

Há uma necessidade crescente para a capacidade de interrogar a função do sistema nervoso para informar o diagnóstico, tratamento e prognóstico de doenças do sistema nervoso. O papel da dinâmica da rede cortical na patologia do sistema nervoso é cada vez mais reconhecido⁷. Muitas patologias do sistema nervoso não produzem lesões estruturais macroscópicas visíveis com imagens tradicionais, mas as anormalidades produzidas no nível da rede podem ser aparentes com métodos de análise funcional apropriados.

Infelizmente, os métodos atuais de análise do EEG são muito limitados a este respeito. Os métodos tradicionais envolvem a análise de dados simples da série de tempo dos elétrodos individuais. Estes sinais representam a soma dos potenciais de campo em grandes áreas corticais^3,8. A análise de dados de canais individuais isoladamente usando inspeção visual ou métodos estatísticos simples limita a utilidade dessas gravações à detecção de anormalidades eletrofisiológicas brutas em locais discretos e individuais. Com o crescente reconhecimento da importância dos efeitos em nível de rede para a função e patologia do sistema nervoso, esses métodos de análise simples são claramente deficientes na medida em que não detectarão relações sutis entre os sinais, representando anormalidades na forma como as áreas corticais estão interagindo entre si no nível da rede.

Um método de derivar mapas estatísticos de conectividade de rede cortical de gravações de eletrodos de baixa dimensão é demonstrado. Este método permite a investigação da dinâmica das interações entre regiões cerebrais variadas de uma forma que não é possível com as técnicas de análise tradicionais, bem como a visualização dessas interações de rede. Isso abre a possibilidade de investigação não invasiva de efeitos de nível de rede em resoluções de domínio de tempo elevado de maneiras não possíveis anteriormente. Este método baseia-se na derivação de medidas de coerência intereletrodo^9,10. Essas medidas permitem a investigação de como duas regiões registradas estão interagindo avaliando as relações estatísticas entre as gravações dessas áreas^11. Ao avaliar como cada área registrada interage com todas as outras áreas registradas, um mapa estatístico de redes eletrofisiológicas dentro das áreas registradas pode ser feito. Isso permite a descoberta de relações funcionais que não são aparentes na avaliação de dados de canais individuais isoladamente.

O foco deste manuscrito está no uso da coerência na série neural do tempo. Atualmente, existem uma série de técnicas para investigar as relações entre os dados da série de tempo que podem ser aplicados aos canais de forma dupla para derivar modelos de conectividade cortical. Alguns métodos, como a coerência parcial direcionada^12,13,visam inferir a direção da influência do par de sinais investigados, a fim de caracterizar melhor a estrutura das redes subjacentes, enquanto outros métodos, como a causalidade Granger^14,15, tentam inferir relações funcionais através da capacidade de um sinal para prever os dados em outro. Métodos como estes podem ser aplicados de forma semelhante para gerar modelos de redes corticais de alta dimensão. No entanto, as vantagens da coerência como um meio de investigar as relações entre sinais neurais reside na sua falta de suposições. É possível investigar relações estatísticas entre gravações em dois locais sem fazer declarações sobre a base funcional dessas relações e construir um modelo de conectividade cortical baseado puramente em relações estatísticas com suposições mínimas sobre as redes corticais que geram esses sinais.

Devido à natureza puramente matemática dessas medidas, a relação entre as medidas de coerência das gravações de eletrodos no couro cabeludo e a atividade neural subjacente é complexa^16,17. Embora esses métodos permitam a derivação de construções estatísticas que descrevem as relações entre as gravações de eletrodos para comparação, fazer inferências causais diretas sobre a atividade das populações neurais subjacentes específicas não é simples^3,8,16,17. Essas abordagens permitem a comparação da atividade em nível de rede entre grupos para identificar biomarcadores potencialmente úteis, mas são limitadas em termos de tirar conclusões específicas sobre a relação desses marcadores com mecanismos neurais específicos. Isto é devido ao grande número de fatores de confusão que influenciam a atividade registrada^3,bem como problemas com a estimativa da fonte cortical específica de sinais elétricos registrados ao nível do couro cabeludo⁸. Em vez disso, essas abordagens podem produzir modelos estatísticos de atividade que podem ser interrogados e comparados entre os grupos para determinar que existem diferenças no nível de rede¹⁸ e podem ser aproveitados para produzir novos biomarcadores com base nestes Constrói. No entanto, esses métodos por si só têm uma capacidade limitada de relacionar as diferenças observadas a mecanismos específicos e atividades neurais devido à complexidade do sistema subjacente.

O uso de medidas de rede, como a coerência, está bem estabelecido nos sistemas de neurociência^16,17. Todo o potencial dessas abordagens para modelar e investigar a função corticana tem sido limitado pela falta de exploração dessas estruturas de dados de alta dimensão. Este trabalho demonstra que é possível aplicar essas medidas aos canais EEG de forma dupla, a fim de mapear dados em um espaço de recurso de alta dimensão baseado puramente nas relações estatísticas entre a atividade elétrica em regiões corticais. Também demonstra que, utilizando técnicas estatísticas modernas, é possível utilizar os modelos gerados de função cortical para investigar esses modelos sem perder as informações obtidas no processo de modelagem.

Este método é potencialmente valioso na expansão do escopo das aplicações das tecnologias existentes do EEG, melhorando a capacidade de obter medidas funcionais úteis sem exigir adaptações ao equipamento de gravação existente^18,19 . Ao melhorar a capacidade de modelar a função corticana e interrogar esses modelos, as perguntas que podem ser investigadas usando dados do EEG são expandidas. Isso abre ainda a possibilidade de maior integração de avaliações funcionais e estruturais para investigação da doença neurológica^20,21. Essa abordagem, usando tecnologia que já está amplamente disponível clinicamente, permitiria a investigação de patologias corticais com alta resolução temporal e espacial.