With this experiment, one might be able to detect consciousness in people with disorders of consciousness. Furthermore, the approach can create a simple communication channel that enables people to give simple YES/NO answers to questions.
この実験では、2つのアプリケーション、すなわちモーター応答を提供できない人の意識レベルを評価し、第2段階でコミュニケーションチャネルを確立するために設計されたハイブリッドブレイン – コンピューターインターフェース(BCI)ベースのパラダイムのセットを実証します。これらの人々は、「はい」または「いいえ」のいずれかで質問に答えることができます。一連のパラダイムは、最初のステップで基本的な応答をテストし、最初のテストが成功すればより包括的なタスクを続行するように設計されています。後者のタスクはより多くの認知機能を必要とするが、基本的なテストでは不可能なコミュニケーションを提供することができる。すべての評価テストはアルゴリズムが与えられたタスクに対する患者の脳の応答を検出できるかどうかを示す精度プロットを生成します。精度レベルが有意水準を超えている場合、被験者はタスクを理解し、コマンドpのシーケンスに従うことができたと仮定するイヤホンを介して被験者に憤慨した。タスクは、ユーザーが特定の刺激に集中するか、または左手または右手のいずれかを動かすことを想像することを要求する。すべてのタスクは、ユーザが視覚モダリティを使用できないことを前提として設計されており、したがって、ユーザに提示されるすべての刺激(指示、手掛かりおよびフィードバックを含む)は聴覚または触覚である。
植生状態(VS)または最小意識状態(MCS)の患者の診断は困難であり、誤分類がしばしば起こる。 2009年の研究では、臨床的コンセンサスと神経行動評価の間の診断の正確さが比較されました1 。医療チームの臨床コンセンサスに基づいてVSと診断された44人の患者のうち、18人(41%)が昏睡回復尺度改訂(CRS-R)で標準化された評価に従ってMCSにあることが判明した。 VSと診断された患者の43%意識2、3の兆候を示した-この結果は、37があることを示した以前の研究と一致しています。分類尺度は、行動観察または聴覚、視覚、口頭、および運動機能の評価、ならびにコミュニケーションおよび覚醒レベルに基づく。脳の活動データを追加する可能性のある新しい技術は、behaによって課せられた制限を克服するのに最適なツールですvioral rating scale。患者は、評価尺度に要求される行動変化を生じさせないにもかかわらず、脳反応を調節することができるかもしれない。 Monti et al。 4は、機能的磁気共鳴画像法(fMRI)が、意識障害(DOC)と診断された5/54人の患者において、運動運動または空間画像のタスクを想起させることに関連する血液酸素レベル依存性応答の自発的変化を検出できることを実証した。そのうちの4人は以前にMCSに分類されていた。したがって、少数の場合において、栄養状態の行動基準を満たす患者は、残留認知機能および意識的意識を有する。
脳波記録(EEG)ベースのBCIはまた、想像力または運動運動の試みから生じる脳活動を検出することができる。あらかじめ定義されたtasに自発的に従って意識を表明できるかどうかを判断できる他のBCIのパラダイムもありますk。脳波ベースのBCIは、fMRIベースの評価と比較して他の利点を有する。例えば、脳波システムははるかに費用対効果が高く、ポータブルであり、患者のベッドサイドで簡単に使用できます。BCIの主な非侵襲的アプローチには、低速皮質電位(SCP)、P300、定常視覚電位(SSVEP)イメージ(MI)。 SCPは低情報転送速度を提供しており、SSVEPは視覚的注意を必要とするが、広範な訓練を必要とする(Wolpaw et al。参照) 5 。したがって、両方のアプローチはこのプロトコルでは使用されません。 Ortner et al。障害のある人にとって、 5 %は70%の精度に達しました。この数字は最終的に増加する可能性があります。例えば、Turnip et al。 7は 、適応ニューラルネットワーク分類器を用いてP300分類精度を改善した。このプロトコルでは、MIに加えて触覚と聴覚のP300アプローチを選択しました。彼らは視覚を使わずに使うことができ、それぞれにユニークな利点があります。 MIは非ビジュアルP300 BCIよりも高速な通信を提供することができますが、P300 BCIはほとんどトレーニングを必要としません。したがって、このハイブリッドBCIプロトコルは、DOC患者のためのEEGベースのBCIアプローチの全スイートを実装することができる。さらに、タスクが比較的迅速かつ容易に繰り返されるので、DOC患者の誤った分類の数を減らすために、各患者について異なるアプローチを繰り返し調査することができる。
(i)聴覚P300、(ii)2つの刺激装置を有する振動触覚P300、(iii)3つの刺激装置を有する振動触感P300、および(iv)MIの4つの異なるBCIアプローチを検討した。
パラダイムI聴覚P300アプローチは、逸脱した刺激(1000Hzビープ音)がより確率の高い標準刺激(500Hzビープ音)の列内にランダムに分布する聴覚的な奇妙なパラダイムを使用する。パラダイムiiでは、刺激は、振動触覚刺激装置thatは左右の手首に配置されています。左手の手首の触手は標準的な刺激を送り、右手の手首の触手は逸脱した(目標)刺激を与える。パラダイムiiiについては、被験者の右足首または背中の中央などの別の位置に追加の刺激装置を配置する。この刺激装置は標準的な刺激の列を送出するが、左右の手首の2つの刺激装置は両方とも逸脱した刺激を送出する。 2つの振動触覚パラダイムの意識を評価するために、被験者は、イヤホンを介して、他の刺激を無視しながら、各刺激を静かに1つの手首にカウントするように指示される。ランダムなメカニズムによって左右の手首を選択するかどうかが決定され、各試行にはそれぞれ30回の試行が4セットあり、試行ごとに新しいターゲットハンドがあります。
パラダイムi、ii、およびiiiについて、次の信号処理が行われます。サンプリング周波数256 Hzを使用して8つのEEGチャネルが取得されます。逸脱刺激の確率は1/8である。ヘンクe、各偏向刺激に対して7つの標準的な刺激が存在する。それぞれの実行には合計480の刺激があります。パラダイムiの1回の実行には7分20秒かかりますが、パラダイムiiとiiiの各実行には2分30秒かかります。患者が逸脱した各刺激を静かにカウントすると、これらの刺激は刺激発症後約300msの正のピークであるP300を含むいくつかの事象関連電位(ERP)を引き出す。各ビープ音は100 ms持続します。各刺激トライアルについて、信号処理のためにビープ音の約100ms前と600ms後の窓が記憶される。次いで、データを12の係数でダウンサンプリングし、刺激後の60 msのインターバルについて12サンプルを得る。最後に、すべてのサンプル時間チャネルのフィーチャが線形判別分析8に入力され、12×8 = 96フィーチャが得られる。精度プロット( 図1と図 2 )を計算するために、以下の手順を10回繰り返し、その結果を平均して1つのプロットにします。逸脱した標準試験2つの等しいサイズのプールにランダムに割り当てられます。 1つのプールは分類子をトレーニングするために使用され、もう1つのプールは分類子をテストするために使用されます。クラシファイアは、テストプールから平均化された刺激の数が増加するにつれてテストされる。最初に、それはただ1つの偏差と7つの標準的な刺激でテストされます。分類器が偏差刺激を正しく検出した場合、結果の精度は100%であり、そうでない場合は0%である。 3つの偏差刺激と21の標準刺激については、2つの平均偏差刺激と14の平均標準刺激についても同様であり、全試験プールが使用されるまで同様である。これにより、30個の単一値のプロットが生成されます(テストプール内の30個の偏差刺激の場合)、それぞれ100%または0%です。 10個の単一プロットの平均化は、0%〜100%の範囲の値をもたらす。平均化された刺激の数を増やすと、刺激の平均化がデータのランダムノイズを減らすため、被験者がタスクに従うことができれば精度が向上します。チャンスレベルを大幅に超える精度(12.5%)は、被験者においてP300応答が誘発され、被験者の脳における応答が現れたことを示している.Paradigms iおよびiiは、意識を評価するためにのみ使用することができる。評価中に達成された精度が40%を超える場合、パラダイムiiiまたはivの通信を使用することができます。
パラダイムiiiのコミュニケーション課題では、「はい」と答えるか、右側で「いいえ」と答える場合には、左側の刺激に集中することを選択する。分類器は、ユーザがどの手に集中しているかを検出し、答えを提示する。
Paradigm ivは120回の試行を記録し、それぞれの試行は1秒ごとに分けられて8秒間続きます。これにより、セッション時間全体で10秒120 = 18分になります。パラダイムivは、感覚運動皮質上に分布する16のEEGチャネルを使用する。サンプリング周波数は256Hzです。各試行は、イヤホンを介して提示されたキューから始まり、被験者に指示する左手か右手のどちらかを動かす想像する。左手と右手の命令のシーケンスはランダム化されています。信号前処理のために、共通の空間パターンの方法(CSP)10、12、13が用いられます。この方法は、一方のクラスの分散を最小化し、他方のクラスの分散を最大化するように設計された空間フィルタのセットをもたらす。これにより、線形判別分析によって分類される4つの特徴が得られる8 。全体的な分類手順は、最近の刊行物に詳細に記載されており、健常者ではわずか60分間の訓練の後に80.7%の壮大な平均分類精度を示している13 。精度の計算は、相互検証によって行われます。これは、データのサンプルを相補的サブセットに分割すること、1つのサブセット(トレーニングプール)について分析を実行すること、および他のサブセット(tesティンプール)。データをプールに分割する前に、アーティファクトを含む試行は拒否されます。トライアル中に振幅の絶対値が100μVを超えると、トライアルはアーチファクトを含むとみなされます。精度は、注意喚起後1.5秒の時間内に試験プール内のすべての動きについて、試行が終了するまで0.5秒で計算されます。各ステップおよび各試行について、分類結果は100または0%のいずれかです。テストプールのすべての試行の精度は、1ステップごとに平均化され、0%から100%の間の精度レベルになります。最後に、相互検証結果の10回の繰り返しの平均が精度プロットに表示されます。例を図3および図 4に見ることができる。プロットは、左手(黄色)、右手(青色)、およびすべての動きをまとめて(緑色)イメージングの動きのために分離されています。マゼンタの横線は信頼限界を表し、分析に使用された試行回数に対するds。これはトータルトライアル数から拒否されたトライアル数を差し引いた数です。これは、Clopper Pearson法9を用いて95%信頼区間を示す。その線より上の精度レベルは、結果が統計的に有意であることを意味する(アルファ<0.05)。
多くのグループの先行研究では、行動に基づいた評価がそうでないことを示唆しているにもかかわらず、いくつかのDOC患者がfMRIまたはEEGベースの評価を通じて意識的な意識を示すかもしれないことが示されている。したがって、より正確に意識的な意識を評価し、さらにはコミュニケーションを提供できる新しいシステムとパラダイムが明らかに必要です。理想的には、これらのシステムは、安価で持ち運び可能で、現実の設定でノイズに強く、使いやすい(患者とシステムオペレータの両方にとって)必要があります。
ここで提示されているプロトコルとシステムは、DOCを持つ人の意識レベルを評価し、発言、目の活動、または筋肉制御を必要とする他のタスクを介してコミュニケーションできない人に新しいコミュニケーションチャネルを確立するという2つの目的を果たします。プロトコル内のパラダイムは、最初のステップで基本的な応答をテストするように設計されています。期待される基本的な脳応答が検出されれば、さらに進んでtより複雑なパラダイム、3つの触手とMIを持つ振動触感P300です。これらの2つのパラダイムは、通信チャネルを確立するためにも使用できます。 EEGの信号品質は、これらのプロトコルのすべてにおいて重要である。時々、EEGデータはノイズと区別できません。ノイズの多いデータを認識して管理するためには、脳波解析の経験が必要です。
現在の標準的な評価方法は、信頼性に欠けるだけでなく、時間がかかり、専門家のチームが必要です。したがって、患者は意識の認識が異なる時代に劇的に変動しても、患者はしばしば1回だけ評価される。ここに示したプロトコールは、容易に数回繰り返すことができた。意識的な意識を示さない患者は、別の時に異なる結果を生じることがある。また、各通信が対象者が現在意識状態にあることを確認する前に、1回の評価実行を行うことができる。
アノプロトコルに異なるパラダイムを実装する理由は、ある人が1つのパラダイムではうまく機能しないかもしれないが、別のパラダイムではうまくいくかもしれないからです。同様に、人々はパラダイムがもっと好きかもしれないので、パラダイムを好むかもしれません。異なるパラダイムで異なる選択肢を探索した後、患者は彼らが好むアプローチを選択することができます。これは、通信の有効性とユーザー満足度を向上させるための複数の通信オプションの提供をサポートする「ハイブリッド」BCIアプローチと一致しています。
精度プロットは、正しい分類のパーセンテージレベルと組み合わされて、パターン認識アルゴリズムがタスク中に異なる脳状態をいかに良好に識別できるかを反映する客観的結果をもたらす。したがって、脳のパターンや平均化された応答の主観的な解釈は必要ありません。
3人のタクタとの振動触知は、6人の慢性閉塞性パティエンts 15 。彼らは55.3%のコミュニケーション中に平均的な精度に達し、それらのすべては12.5%のチャンスレベル以上でした。 MIコミュニケーションタスクは、約80%の平均精度を示す、20人の健康なユーザ13のグループについてテストされた。 20人のうちの1人だけが、チャンスレベル以下の制御精度を有していた。
正確さが低いランまたは完全なセッションでさえ、被験者の中に脳の反応がない、または意識がないことを決定的に証明していないことに言及することは重要です。それは、システムが自発的な脳反応を検出できなかったことを意味します。これは、信号品質が悪い、聴覚が難しい、または作業指示を理解しているために、または少数の被験者が作業を実行しても所望のEEG活動を生成できないために生じる可能性がある。
私たちのグループやその他の先行研究と一致して、提示された研究は、脳画像技術を用いたDOCに苦しんでいる患者の意識レベル。 fMRIはまた、患者の現在の脳活動を追跡するのに有用な技術である。これは、誘発電位、ならびに運動イメージや他のタスクを誘発オドボールパラダイムは、fMRIの17、18によって追跡することができた血行力学的応答を生成することができることが示されました。 fMRIと比較して、EEGには顕著な利点があります.EEGベースのツールは、高価で持ち運びが難しく、かなりの専門知識を必要とする機器なしで、ベッドサイドで使用できます。患者をスキャナに運び、スキャナからの騒音を患者にストレスを与えることができる。近赤外分光法(NIRS)はポータブルであり、EEGよりもわずかに優れた空間分解能を有することができるが、時間分解能がより悪い19 。 NIRSは、誘発PoteのためMI 20、21を監視するのに適しているではなく、ntials。たとえば、NaseerとHong 22は、fNIRSを使用してMI-BCIの高分類精度を実証しました。それぞれ50秒間の試行で、左心筋梗塞で77.35%、右心筋梗塞で83%の成績を収めました。 EEGベースのBCIを用いると、Guger らは 、 23では 、99セッションの約20%が80%を超える精度に達し、99セッションのうちの70%が60%を超える精度に達したことがわかりました。 Ortner et al。 CSP法を用いて約80%の平均ピーク精度を示した。この方法は、Gugerおよび同僚から使用されたものよりも多くのEEG電極を必要とするが、より高い精度の結果となる。 CSP法を用いて、Ramoser et al。 23は、18〜56からの電極の増加が性能を有意に改善しないことを実証した;したがって、本発明者らの方法では16電極の選択数が十分であると結論づける。最近、Coyle et al 。 DOC patieでMIを分類およびトレーニングするためにCSPを使用nts 16 。 4人の被験者全てが、評価中に有意で適切な脳活性化を示した。
ハイブリッドNIRS-EEG BCIを介してMIを評価することは、高度な分類精度をもたらす可能性がある(Khan et al。 20が示した。これは有望な将来の方向性である可能性がありますが、追加の神経イメージングツールはデバイスの複雑さとコストを増加させます。
ここに提示されたプロトコルは、DOC患者のEEG信号内の脳応答を評価する比較的容易なツールを提供する。これらの分類結果を解釈し、投薬、療法、または他の医療処置の変更を実施するには依然として医学的専門家が必要である。この方法の将来の方向は、より高い自由度の数を使用する、より高度な刺激技術であり得る。たとえば、「YES」または「NO」としか言わないツールを提供するのではなく、将来のデバイスでより多くの回答を可能にすることができます1つの質問にrs。さらなるステップでは、コンテキストベースの回答を使用することもできる。例えば、患者が音楽プレーヤーを走らせている場合、音量を制御したり、次の曲に切り替えることができます。また、MIのパラダイムはDOC患者で検査する必要があります。
The authors have nothing to disclose.
This work was supported by the European Union FP 7 project DECODER and the European Union ODI Project COMAWARE.
g.USBamp | g.tec medical engineering GmbH | 1 | Biosignal amplifier |
Power supply | GlobTek Inc. | 1 | Medical mains power supply for the g.USBamp |
USB cable | g.tec medical engineering GmbH | 1 | Connects the g.USBamp to the computer |
EEG electrodes gSCARABEO | g.tec medical engineering GmbH | 16 | Active EEG electrodes |
EEG electrode gSCARABEOgnd | g.tec medical engineering GmbH | 1 | passive ground electrode |
EEG electrode g.GAMMAearclip | g.tec medical engineering GmbH | 1 | active reference electrode |
g.GAMMAbox | g.tec medical engineering GmbH | 1 | Connects the amplifier to the EEG electrodes |
g.USBampGAMMAconnector | g.tec medical engineering GmbH | 1 | Connects the g.GAMMAbox to the g.USBamp |
EEG cap | g.tec medical engineering GmbH | 1 | To position electrodes |
Computer | Hewlett-Packard | 1 | To run the software. Alternatively computers from other manufacturers could be used. |
g.VIBROstim | g.tec medical engineering GmbH | 3 | Tactors for sensory stimulation |
Audio trigger adapter box | g.tec medical engineering GmbH | 1 | To split up the audio signal into audio commands for the headphones and trigger signals. This box connects to the amplifier. |
Anti static wrist band | g.tec medical engineering GmbH | 1 | To suppress noise in the EEG |
Trigger cable | g.tec medical engineering GmbH | 1 | To connect the audio trigger adapter box and the g.STIMbox to the g.USBamp |
Audio connector cable | g.tec medical engineering GmbH | 1 | Audio cable to connect the audio trigger adapter box to the computer |
Hardlock | g.tec medical engineering GmbH | 1 | To run the software |
SE215-K | Shure Europe GmbH | 1 | Noise suppressing earphones. Alternatively other earphones could be used. |
g.STIMbox | g.tec medical engineering GmbH | 1 | Driver box for tactile stimulators |
mindBEAGLE software | g.tec medical engineering GmbH | 1 | software package |
g.GAMMAgel | g.tec medical engineering GmbH | 1 | conductive electrode gel |