Neurofeedback for PTSD (NEUROFPTSD)

En virtuel verden/Neuro-feedback Funktionel MR-tilgang i realtid til PTSD-behandling

På trods af tilgængeligheden af ​​behandling er posttraumatisk stresslidelse (PTSD) fortsat et stort problem hos veteraner, med en enorm indvirkning på patienter, deres familier og VHA-systemet. En vigtig terapeutisk tilgang, der bruges til veteraner med PTSD, er eksponeringsterapi, som har gavnlige effekter hos mange patienter. Der er dog behov for forbedringer af nuværende terapier, da mange veteraner forbedrer sig mindre, end efterforskerne ønsker.

De overordnede hypoteser i dette forslag er todelte. For det første kan hjerneaktiviteten målt med funktionel MR (fMRI) bruges til at skelne de forskellige hjernetilstande hos en PTSD-patient under en truende oplevelse kontra i et roligt øjeblik, og at patienter, hjulpet af neuro-feedback, stammer fra realtid fMRI under en virtual reality-oplevelse, kan lære at reducere deres respons ved bevidst at ændre deres hjernetilstand. For det andet, at den kontinuerlige måling af fysisk aktivitet, hjertefrekvens og søvnmønstre ved hjælp af bærbare enheder kan hjælpe i studiet af PTSD-behandlingsforløb.

Efterforskerne vil kombinere virtuelle verdener, maskinlæring, fMRI i realtid og neurofeedback for at give en ny PTSD-behandling, som efterforskerne håber vil være mere effektiv end nuværende alternativer, i det mindste i visse udfordrende tilfælde. Vigtigt er det, at efterforskerne vil konstruere en beregningsmodel, der er specifik for patient+stimulus kombination. Dette er kritisk, da PTSD-patienter er meget heterogene.

Mål 1. Brug af Virtual World/Neurofeedback med Real-Time fMRI som terapi for PTSD Femten PTSD-patienter rekrutteret hos MEDVAMC vil blive eksponeret for Virtual Iraq, en virtuel verdensplatform, hvor de vil blive udsat for krigslignende scenarier og for at berolige scener, hvor der ikke vil være nogen trussel. Hjerneaktivitet vil blive indsamlet ved hjælp af fMRI og analyseret med maskinlæring for at skelne mellem begge ekstreme hjernetilstande (STRESS vs. CALM). Disse to tilstande vil blive brugt under neurofeedback-træning: I de følgende uger vil deltagerne blive udsat for 7 fMRI/Virtual World-sessioner, hvor de vil blive instrueret i at forsøge at flytte en måler til CALM-siden ved at bruge individuelle mentale strategier (aktive som f.eks. koncentrerer sig om en bestemt hukommelse, eller passiv, da det har vist sig, at neurofeedback ikke nødvendigvis kræver en forsætlig indsats for at virke). Stressfuldheden i den virtuelle verden vil blive manipuleret af måleren: når patienten er i stand til at flytte stangen mod ROLIG (ved at bringe hjernen mod den tilstand), vil stressfuldheden i den virtuelle verden falde.

Hypotese 1: PTSD-symptomer vil falde, efterhånden som træningen skrider frem, og patienterne lærer mentale strategier for at "bringe verden" til en ROLIG tilstand.

Mål 2. Undersøgelse af bærbar teknologi til at vurdere behandlingssucces ved PTSD Selvom der er PTSD-måleværktøjer, og efterforskerne vil bruge dem før, under og efter træning, er selvrapportering generelt ikke så robust og pålidelig, som man kunne ønske sig. Det ville således være en fordel at have flere fysiologiske mål for behandlingsprogression for PTSD og for psykiatrien generelt. Efterforskerne vil bruge en bærbar enhed, der ligner et armbåndsur, som deltageren kontinuerligt vil bære under hele træningen, og vil give efterforskerne mulighed for at måle fysisk aktivitet, puls og søvnkvalitet.

Hypotese 2: Data fra den bærbare enhed vil korrelere med selvrapporter og med øget evne til med vilje at bringe den virtuelle verden til ROLIG tilstand under træning.

Som konklusion foreslår efterforskerne, at neurofeedback vil give PTSD-patienter mulighed for at opdage personlige mentale strategier for at blive roligere under stressede situationer. Læringsprocessen behøver dog ikke at være et resultat af bevidst indsats, da det har vist sig, at real-time fMRI-relateret læring kan forekomme uden bevidst indsats eller bevidsthed. Derudover postulerer efterforskerne, at bærbare enheder vil fange fysiologiske data knyttet til banerne under PTSD-behandling.

Efterforskerne forstår, at tilgangen desværre kan være for dyr til at blive brugt rutinemæssigt (en omhyggelig cost-benefit-undersøgelse efter undersøgelse kan dog bevise det modsatte). Forskerne antager dog, at hvis denne pilot lykkes, vil det være muligt at bruge disse data til at udvikle billigere hybridalternativer at tilføje til eksponeringsterapi, såsom at bruge fMRI i kombination med EEG for at skelne mellem hjernetilstande (kun ét MRI-besøg nødvendigt), og derefter kun brug af EEG under træning.

Foreløbige undersøgelser Forskningen i dette forslag vil bygge på efterforskernes 4-årige forskningsprojekt ved UT Austin finansieret af Army Research Office. Dette arbejde udvidede i høj grad anvendeligheden af ​​3D Virtual Worlds til brug som stimuli til fMRI-baseret forskning og lagde grundlaget for individualiserede terapier og træning. Det vil spille en central rolle i at give neuro-feedback ved at analysere hjerneaktivitet hos patienter som reaktion på virtuelle verdener designet til at fremkalde PTSD-reaktioner, såsom dem, der leveres af BRAVEMIND.

fMRI-dataopsamling prøver en mængde hjerneaktivitet hvert 2.-3. sekund i flere minutter efter behov. Hver prøve er et 3D-array af voxels, der måler den samlede hjerneaktivitet for et par millioner neuroner. Konventionel fMRI-dataanalyse behandler værdierne fra hver voxel som separate tidsserier og udfører en lineær statistisk analyse, der relaterer stimulus til den målte aktivitet. For at håndtere den øgede kompleksitet ved at bruge virtuelle verdener i realtid som stimulus, brugte efterforskerne i stedet maskinlæring til analyse. Maskinlæringsbaserede metoder kan udtrække komplekse korrelationer over mange voxels i stedet for en enkelt voxel. Metoden involverer "træning" ved at indlæse eksempel input/output-par i algoritmen. I efterforskernes tilfælde er inputtet en fMRI-tidsprøve, og outputtet, der afspejler stimulus, er en kategori, som efterforskerne er interesserede i. Efterforskerne omtaler hver kategori som en "hjernetilstand", som er det hjerneaktiveringsmønster, der er specificeret ved at mærke hver tidsskive med en bestemt stimuluskategori.

Forskerne var i stand til at opnå nøjagtig ydeevne til påvisning af hjernetilstande i to forskellige eksperimenter. Begge brugte virtuelle verdener, der antydede irakiske byer, og virtuelle karakterer fra den amerikanske hær og indfødte fjendtlige kombattanter. I det første eksperiment brugte efterforskerne et passivt visningsparadigme, hvor 1-6 kombattanter blev præsenteret forskellige steder i en virtuel by. Gennemsnitspræstation på tværs af emner var ganske god og langt over tilfældighederne med hensyn til at bestemme, hvor mange kombattanter (1-6) deltageren så på hver gang. Det andet eksperiment brugte en lignende, men mere kompleks stimulus, der omfattede en specifik visuel opgave, der krævede brugerreaktion. Forsøgspersoner blev bedt om hurtigt at reagere via et knaptryk på et våben, der pludselig blev trukket ud af en enkelt fjendtlig kombattant i en menneskemængde på 20 karakterer, hvoraf halvdelen var venlige styrker. Opgavens sværhedsgrad blev varieret tilfældigt over møder, der varede 30 sekunder hver. Efterforskernes maskinlæringsmetoder kunne genkende denne hjernetilstandsdimension med 70%-90% nøjagtighed.

Forskningsdesign og -metoder Mål 1. Brug af Virtual World/Neurofeedback med Real-Time fMRI som terapi for PTSD Forskerne vil kombinere virtuelle verdener, real-time fMRI, machine learning og neuro-feedback for at give en ny PTSD-behandling, som efterforskerne håber vil være mere effektive end de nuværende alternativer. Efterforskerne forudser også, at efterforskerne ved at undersøge hjernekortene som dem ovenfor vil få indsigt i, hvordan PTSD manifesterer sig i hjernen hos forskellige forsøgspersoner. Stereo audio/visuelle stimulus vil blive leveret af BRAVEMIND-systemet. Forud for scanning vil hvert forsøgsperson deltage i en sidelabterapisession med deltagelse af en uddannet terapeut. Efterforskerne vil justere stimulusparametre for at give et passende terapeutisk responsområde mellem ROLIG og STRESSET. Forskellige scener/scenarier vil være tilgængelige. Denne række af parameterindstillinger vil blive registreret til efterfølgende scanningssessioner. I scanneren vil virtual reality-stimuli blive leveret ved hjælp af en MR-kompatibel 3D-skærm. Forsøgspersoner vil selv rapportere deres niveau af "STRESSERET" angst ved hjælp af en fem-knappers MR-kompatibel responsenhed. Disse svardata og MRI-data fra de første to sessioner vil blive brugt af maskinlæringsalgoritmer til at bygge klassifikatorer, der kan skelne emnets svar mellem ROLIG - STRESSET ved hver 1,5 sek. tidsprøve. I de følgende 6 sessioner vil emnet blive præsenteret for lignende, men ikke identiske stimuli, mens det modtager feedback fra maskinlæringen. Dette vil sætte dem i stand til gradvist at lære, hvordan de selv modulerer deres egen hjernereaktion mod en roligere reaktion. Sådanne selv-inducerede ændringer vil blive opdaget af fMRI-systemet og vil blive brugt til at modulere den virtuelle verden for direkte at reducere graden af ​​opfattet trussel; giver således den neurofeedback i realtid, der kræves af ekstinktionsterapi (et "termometer" vil blive vist).

Helhjerne-FMRI-data vil blive indsamlet ved hjælp af en 3T Siemens Prisma-scanner ved hjælp af SMS-acceleration for at opnå 2 mm voxelstørrelse og TR = 1,5 sek (SMS x3, G = 2, TE = 30 ms, FA = 72). Scanningssessioner vil vare ~1 time og begynder med indsamling af lokalisatorer og en højopløsningsanatomi (MP-RAGE), 1 mm kubiske voxels, efterfulgt af indsamling af fMRI-data under virtual-reality-stimuluspræsentation. Hver fMRI-kørsel vil vare ~6 minutter, og 6-8 kørsler vil blive indsamlet.

Faldgruber og alternative strategier. Efterforskerne har demonstreret evnen til at klassificere en indre hjernedimension med 89 % nøjagtighed, men det er muligvis ikke muligt at opnå tilsvarende nøjagtighed for "PTSD"-dimensionen. Det kan være muligt at forbedre resultaterne ved at inkludere de observerede puls- og respirationsdata som input i maskinlæringen. Desuden, selvom feedbacken ikke lykkes, vil efterforskerne stadig få indsigt i PTSDs fysiologi fra de sensitivitetskort, der genereres af maskinlæring.

Mål 2. Undersøgelse af bærbar teknologi til at vurdere behandlingssucces ved PTSD Fysisk aktivitet, hjertefrekvens og søvnmønstre spiller alle vigtige roller i PTSD. Bærbar teknologi har for nylig udviklet sig sådan, at efterforskerne nu konstant kan måle disse tre parametre på en ikke-invasiv måde i løbet af en undersøgelse. Efterforskerne foreslår at studere selvrapporterede symptomer i forbindelse med fysisk aktivitet, søvnmønstre og pulsdato over 9 uger. Forskerne vil bruge lineær regression til at undersøge, om CAPS5-, PCL- og dagbogssymptomer korrelerer med aktivitets-, søvn- og pulsmønstre under behandlingen. Efterforskerne antager, at hos patienter, hvor behandlingen er mest vellykket, vil a) Gennemsnitlig HR falde mere, b) Anfald af høj HR i løbet af dag og nat vil være mindre almindelige, c) Gennemsnitlig fysisk aktivitet vil stige, d) Fysisk aktivitet vil stige. reguler til mere aktivitet i løbet af dagen og mindre aktivitet i løbet af natten, e) Gennemsnitlig søvntid vil stige, og f) Søvnmønstre vil reguleres med færre vågne epoker i løbet af natten.

Faldgruber og alternative strategier. Det er muligt, at data fra bærbare enheder ikke vil korrelere med symptomforbedring. En sandsynlig forklaring ville være, at fejlraten for nuværende enheder ikke tillader korrelationer at være signifikante. Hvis det er tilfældet, bør denne fremgangsmåde testes igen i fremtiden. En anden mindre sandsynlig forklaring ville være, at fysisk aktivitet, puls og søvnkvalitet ikke er så stærkt korreleret med PTSD-symptomer, som de tilgængelige data antyder. Da dette er en lille pilotundersøgelse, vil data, der tyder på en tendens, pege på mulige retninger at studere i fremtiden.

Generel konklusion

Hovedtanken med undersøgelsen er, at VR vil ændre sig til et mindre stressende miljø, når hjernen nærmer sig den tilstand, der tidligere var defineret som ROLIG. Efterforskerne postulerer, at patienter over tid vil lære at bevidst bringe deres hjerne til ROLIG tilstand, hvilket vil give dem individualiserede mentale strategier til at falde til ro, når en traume/stress-trigger er til stede.