Статистическое моделирование кортикальной связи с использованием неинвазивных электроэнцефалограмм

Этот метод направлен на составление статистических карт корковых сетей на основе неинвазивных записей электродов с использованием клинически жизнеспособной установки, чтобы позволить исследование патологии нервной системы, влияние новых методов лечения, а также развитие романа электрофизиологические биомаркеры.

ЭЭГ предлагает большой потенциал для исследования функции нервной системы и заболевания^1,2. Эта технология является недорогим, легко доступны в научных исследованиях и клинических условиях, и, как правило, хорошо переносится. Простой, неинвазивный характер записей делает клиническое использование простым, а существующая структура клинических отделений ЭЭГ обеспечивает легкий доступ к технологии для клиницистов.

С технической точки зрения, ЭЭГ предлагает отличное разрешение домена времени³. Это имеет большое значение при изучении функции нервной системы из-за быстрых временных шкал взаимодействия нервной системы и сетевой динамики. В то время как методы визуализации, такие как функциональные МРТ предлагают большее пространственное разрешение и легко интерпретируемые изображения, они гораздо более ограничены в своей способности допрашивать функции нервной системы на тонких временных масштабах, предлагаемых электрофизиологических записей ^4,5,6.

Растет потребность в способности допрашивать функцию нервной системы для информирования о диагностике, лечении и прогнозации заболеваний нервной системы. Роль динамики корковой сети в патологии нервной системы все чаще признается^7. Многие патологии нервной системы не производят макроскопических структурных повреждений, видимых при традиционной визуализации, но аномалии, производимые на уровне сети, могут быть очевидны с помощью соответствующих методов функционального анализа.

К сожалению, нынешние методы анализа ЭЭГ в этом отношении значительно ограничены. Традиционные методы включают анализ простых данных временных рядов с отдельных электродов. Эти сигналы представляют собой суммирование полевых потенциалов в больших корковых областях^3,8. Анализ данных по отдельным каналам в изоляции с использованием либо визуального осмотра или простых статистических методов ограничивает полезность этих записей для обнаружения грубых электрофизиологических аномалий в отдельных местах. С растущим признанием важности сетевого уровня эффектов для функции нервной системы и патологии, эти простые методы анализа явно не хватает в том, что они не смогут обнаружить тонкие отношения между сигналами, представляющие аномалии в том, как корковые области взаимодействуют друг с другом на уровне сети.

Демонстрируется метод получения статистических карт корковых сетей связи с низкомерными электродными записями. Этот метод позволяет исследует динамику взаимодействий между различными областями мозга таким образом, что это невозможно с помощью традиционных методов анализа, а также визуализацию этих сетевых взаимодействий. Это открывает возможность для неинвазивного исследования эффектов сетевого уровня в разрешении доменов на высоком времени способами, которые ранее не возможны. Данный метод основан на выводе показателей межэлектродной согласованности^9,10. Эти меры позволяют иссмотреть, как два зарегистрированных региона взаимодействуют путем оценки статистических взаимосвязей между записями этих областей¹¹. Оценивая, как каждая зарегистрированная область взаимодействует с любой другой зарегистрированной областью, можно составить статистическую карту электрофизиологических сетей в зарегистрированных областях. Это позволяет открывать функциональные связи, которые не очевидны при оценке данных отдельных каналов в изоляции.

Основное внимание в этой рукописи уделяется использованию согласованности нейронных временных рядов. В настоящее время существует ряд методов для изучения взаимосвязи между данными временных рядов, которые могут быть применены к каналам в парной форме для получения моделей корковой связи. Некоторые методы, такие как связанная частичная направленная согласованность^12,13 ,^{направлены}на вывод направления влияния пары исследуемых сигналов, чтобы лучше охарактеризовать структуру базовых сетей, в то время как другие методы, такие как причинность Грейнджера^14,15, попытка сделать вывод функциональных отношений через способность одного сигнала предсказать данные в другом. Такие методы могут быть применены аналогичным образом для создания высокомерных моделей корковых сетей. Однако преимущества согласованности как средства исследования взаимосвязи между нейронными сигналами заключаются в отсутствии допущений. Можно исследовать статистические связи между записями на двух сайтах без заявлений о функциональной основе этих отношений и создать модель корковой связи, основанной исключительно на статистических отношениях с минимальные предположения о корковых сетях, генерирующих эти сигналы.

Из-за чисто математической природы этих мер, связь между показателями согласованности электродов на коже головы и основной нейронной активности является^{сложной 16,17}. Хотя эти методы позволяют производные статистических конструкций, описывающих отношения между электродных записей для сравнения, делая прямые причинно-следственные выводы о деятельности конкретных базовых нейронных популяций не просто^3,8,16,17. Эти подходы позволяют проводить сравнение активности на сетевом уровне между группами для выявления потенциально полезных биомаркеров, но ограничены с точки зрения сопоставления конкретных выводов относительно связи этих маркеров с конкретными нейронными механизмами. Это связано с большим количеством смешанных факторов, влияющих на зарегистрированную активность^3,а также проблемами с оценкой специфического коркового источника электрических сигналов, зарегистрированных на уровне кожи головы^8. Скорее, эти подходы могут производить статистические модели деятельности, которые могут быть допрошены и сопоставлены между группами, чтобы определить, что различия существуют на сетевом уровне¹⁸ и могут быть использованы для производства новых биомаркеров на основе этих Конструкции. Однако только эти методы имеют ограниченную способность соотносить различия, наблюдаемые с конкретными механизмами и нейронной деятельностью из-за сложности базовой системы.

Использование сетевых мер, таких как согласованность хорошо зарекомендовала себя в системах нейронауки^16,17. Весь потенциал этих подходов к моделированию и исследованию корковой функции был ограничен отсутствием эксплуатации этих высокомерных структур данных. Эта работа показывает, что эти меры можно применять к каналам ЭЭГ в паре, чтобы сопоставить данные на пространстве высокомерных объектов, основанном исключительно на статистических взаимосвязях между электрической активностью в корковых регионах. Это также свидетельствует о том, что с использованием современных статистических методов можно использовать генерируемые модели корковой функции для исследования этих моделей без потери информации, полученной в процессе моделирования.

Этот метод потенциально ценен в расширении сферы применения существующих технологий ЭЭГ, улучшая способность получать полезные функциональные меры, не требуя адаптации к существующему записывающем оборудованию^18,19 . Улучшая способность моделировать корковую функцию и допрашивать эти модели, расширяются вопросы, которые могут быть исследованы с помощью данных ЭЭГ. Это также открывает возможность большей интеграции функциональных и структурных оценок для исследования неврологических заболеваний^20,21. Такой подход, использующий технологию, которая уже широко доступна клинически, позволит проводить исследования корковых патологий как с высоким временным, так и с пространственным разрешением.