Klinický systém podpory rozhodování (CDSS) v neurostimulační terapii (CDSS)

Primární cíl:Vyvinout prediktivní model integrovaný do systému podpory klinického rozhodování (CDSS) pomocí neurozobrazovacích kvantitativních informací objektivně extrahovaných ze snímků magnetické rezonance (MR), což maximalizuje vhodné použití a účinnost elektrických stimulačních zařízení chirurgicky implantovaných u vybraných pacientů s chronická bolest.

Průzkumné cíle:

1. -Analyzovat funkční a anatomické vzorce mozkové konektivity u pacientů s chronickou bolestí, vyvinout prediktivní model založený na kvantitativním magnetickém rezonančním neuroimagingu, který maximalizuje účinnost neurostimulačních zařízení chirurgicky implantovaných pacientům s chronickou bolestí.
2. -Analyzujte vztah mezi neurozobrazovacími biomarkery a různými klinickými stupnicemi a proměnnými zachycenými u každého pacienta (VAS, Oswestry Disability Index, DN4, Pain Detect, Moss, SF12, stupnice zvládání, optimismus, odolnost a HAD).

Testovací zařízení: 1.5 Tesla MR systém (Philips Healthcare, Best, Nizozemsko) Boston Scientific Neuromodulation (BSN) Systém stimulace míchy Precision Spectra™ se softwarem Illumina 3D™ a 32 kontakty.

Popis zařízení: Systém Precision Spectra™ IPG je vícenásobný nezávislý proudově řízený pulzní generátor, schopný dodávat proud přes 32 kontaktů. Je poháněn 3D programovacím softwarem, který zohledňuje anatomickou polohu elektrod. K dispozici budou dva modely svodů SCS s 8 nebo 16 kontakty s průměrem 1,3 mm, délkou kontaktu 3 mm a roztečí kontaktů 1, 4 nebo 6 mm. Použití rozšíření SCS bude pro připojení IPG volitelné.

Popis fMR: Experiment MR bude v souladu s požadavky na etiketě. Procedura MR bude provedena před implantací zařízení, aby se předešlo zkreslení. Ještě více, Food and Drug Administration (FDA) nedoporučuje vyšetření pacientů s tímto druhem zařízení z bezpečnostních důvodů.

Vyšetření budou prováděna v 1'5 Tesla MR systému (Philips Healthcare, Best, Nizozemsko) v nemocnici Quiron. Rozhodnutí o magnetickém poli je založeno na kvalitě vyšetření a musí se opírat o označení produktů a schválení společnosti pro interakci s implantovaným systémem.

Bude použita hlavová cívka s 8 přijímacími kanály. Jakmile je pacient umístěn v systému, budou pořízeny počáteční a rychlé lokalizační snímky, aby bylo možné správně naplánovat MR sekvence výzkumné studie.

Po naplánování bude pořízena sekvence zobrazování funkční MR v klidovém stavu (rs-fMR), která pacienta požádá, aby byl zticha se zavřenýma očima a přemýšlel na modré obloze. Parametry akvizice se budou skládat z dynamické T2* sekvence Echo Planar (EPI), plného pokrytí mozku s následujícími parametry: TR=2000 ms; TE = 30 ms; velikost voxelu, 1,8 × 1,8 x 3,5 mm; úhel překlopení, 90º; 40 axiálních plátků; doba pořízení 5:20 min.

Sekvence DTI MR bude získána za účelem analýzy mikrostruktury bílé hmoty a konektivity pomocí traktografických technik s následujícími parametry: sekvence Spin-Echo Echo Planar Imaging (SE-EPI), jeden snímek; plné pokrytí mozku; 64 směrů gradientu; b-hodnota, 1300 s/mm2; TR = 6200 ms; TE = 67 ms; velikost voxelu, 2 x 2 x 2 mm; 60 axiálních plátků; doba pořízení 9:40 min.

Další anatomická sekvence umožní překrývající se strukturální a funkční výsledky a navíc získání objemových hodnot každé oblasti mozku. Parametry sekvence jsou: T1-vážená 3D gradientní echo sekvence (GRE), plné pokrytí mozku; TR = 11,6 ms; TE = 5,69; velikost voxelu, 0,48 x 0,48 x 0,50 mm; úhel převrácení, 8º; 280 axiálních plátků; doba pořízení 5:36 min.

Po pořízení snímku budou všechny soubory dat odeslány na platformu Imaging Biomarkers společnosti Biomedical Imaging Research Group (GIBI230) Výzkumného ústavu La Fe.

Snímky fMR budou zarovnány za účelem korekce možných malých pohybů hlavy pacienta během vyšetření. K tomu bude použit open source softwarový nástroj SPM8 (Statistical Parametric Mapping, http://www.fil.ion.ucl.ac.uk/spm/). Po korekci pohybu bude použita časová korekce optimalizující načasování řezu. Snímky budou poté normalizovány na standardizovanou mozkovou šablonu, aby bylo možné studovat oscilace mezi jednotlivci. Po těchto procesech budou data filtrována 3D-gaussovským jádrem, aby se zvýšil poměr signálu k šumu (SNR) a zároveň se minimalizovaly rozdíly mezi subjekty. A konečně, aplikace algoritmů analýzy nezávislých složek (ICA) umožní extrahování map aktivace mozku u subjektu během akvizice.

Analýza dat DTI MR pro extrakci konektivity traktů bílé hmoty bude provedena pomocí open-source softwarového nástroje FSL (http://www.fmrib.ox.ac.uk/fsl/). Na snímky bude aplikována počáteční korekce vířivých proudů, aby se minimalizovaly mírné posuny snímků a deformace geometrie. Mozek bude poté segmentován pomocí algoritmu BET a mozková data všech pacientů budou normalizována na společnou šablonu pro skupinovou analýzu. Po tomto procesu budou získány frakční anizotropie (FA), difuzivita (D) a orientační mapy.

Jakmile jsou snímky MR zpracovány, je třeba z oblastí zájmu (ROI) extrahovat vlastnosti strukturní a funkční konektivity. Umístění těchto oblastí bude získáno ze zón zapojených do sítě výchozího režimu (DMN). DMN může hrát důležitou roli při vnímání bolesti a vykazuje vysokou korelaci se symptomy popsanými pacienty, díky čemuž je tato síť užitečná pro predikci odpovědi pacienta po implantaci elektrické stimulace, ať už na funkční nebo strukturální úrovni.

Vzhledem k tomu, že snímky budou normalizovány na společnou šablonu, bude k definování oblastí zájmu studie použit automatický nástroj pro označování oblastí AAL, které skládají DMN a jsou tvořeny mediálním temporálním lalokem, prefrontálním kortexem, zadním cingulem, precuneem. a parietální kůra. Po změření parametrů konektivity v těchto oblastech bude vyvinut prediktivní model kombinací klinických proměnných (škály a symptomy každého pacienta) a informací z neurozobrazení. Tyto modely budou zpočátku upraveny s celkem 30 pacienty (tréninková data) a později validovány ve skupině 30 pacientů (validační data), přičemž se následně získají výsledky specificity, senzitivity a přesnosti modelů.