Clinical Decision Support System (CDSS) in der Neurostimulationstherapie (CDSS)

Primäres Ziel: Entwicklung eines Vorhersagemodells, das in ein klinisches Entscheidungsunterstützungssystem (CDSS) integriert ist, das durch Neuroimaging quantitative Informationen liefert, die objektiv aus Magnetresonanzbildern (MR) extrahiert wurden, wodurch die angemessene Verwendung und Wirksamkeit von elektrischen Stimulationsgeräten, die bei ausgewählten Patienten chirurgisch implantiert wurden, maximiert wird chronischer Schmerz.

Erkundungsziele:

1. -Analyse funktioneller und anatomischer Gehirnkonnektivitätsmuster bei Patienten mit chronischen Schmerzen, um ein Vorhersagemodell basierend auf quantitativer Magnetresonanz-Neurobildgebung zu entwickeln, das die Wirksamkeit von Neurostimulationsgeräten maximiert, die Patienten mit chronischen Schmerzen chirurgisch implantiert werden.
2. - Analysieren Sie die Beziehung zwischen Neuroimaging-Biomarkern und den verschiedenen klinischen Skalen und Variablen, die von jedem Patienten erfasst wurden (VAS, Oswestry Disability Index, DN4, Pain Detect, Moss, SF12, Bewältigungsskala, Optimismus, Resilienz und HAD).

Testgerät: 1.5 Tesla MR-System (Philips Healthcare, Best, Niederlande) Boston Scientific Neuromodulation (BSN) Precision Spectra™ Rückenmarkstimulationssystem mit Illumina 3D™ Software und 32 Kontakten.

Gerätebeschreibung: Das Precision Spectra™ System IPG ist ein mehrfach unabhängiger, stromgesteuerter Impulsgenerator, der Strom durch 32 Kontakte liefern kann. Es wird von einer 3D-Programmiersoftware angetrieben, die die anatomische Position der Elektroden berücksichtigt. Es werden zwei Modelle von SCS-Leitungen mit 8 oder 16 Kontakten mit 1,3 mm Durchmesser, 3 mm Kontaktlänge und einem Kontaktabstand von 1, 4 oder 6 mm bereitgestellt. Die Verwendung von SCS-Erweiterungen zum Anschließen des IPG ist optional.

fMR-Beschreibung: Das MR-Experiment entspricht den On-Label-Anforderungen. Das MR-Verfahren wird vor der Geräteimplantation durchgeführt, um Verzerrungen zu vermeiden. Darüber hinaus rät die Food and Drug Administration (FDA) aus Sicherheitsgründen von der Untersuchung von Patienten mit dieser Art von Geräten ab.

Die Untersuchungen werden in einem 1,5-Tesla-MR-System (Philips Healthcare, Best, Niederlande) im Quiron-Krankenhaus durchgeführt. Die Entscheidung über das Magnetfeld basiert auf der Qualität der Untersuchungen und muss sich auf Label-Produkte und die Genehmigung des Unternehmens für die Interaktion mit dem implantierten System stützen.

Es wird eine Kopfspule mit 8 Empfangskanälen verwendet. Sobald der Patient im System positioniert wurde, werden erste und schnelle Lokalisierungsbilder aufgenommen, um die MR-Sequenzen der Forschungsstudie richtig zu planen.

Nach der Planung wird eine funktionelle MR-Bildgebungssequenz (rs-fMR) im Ruhezustand aufgenommen, in der der Patient aufgefordert wird, mit geschlossenen Augen ruhig zu sein und in einem blauen Himmel zu denken. Die Erfassungsparameter bestehen aus einer dynamischen Echo Planar (EPI) T2*-Sequenz, vollständiger Gehirnabdeckung mit den folgenden Parametern: TR=2000 ms; TE = 30 ms; Voxelgröße, 1,8 × 1,8 × 3,5 mm; Flip-Winkel, 90º; 40 axiale Scheiben; Erfassungszeit 5:20 min.

Eine DTI-MR-Sequenz wird erfasst, um die Mikrostruktur und Konnektivität der weißen Substanz durch Traktographietechniken mit den folgenden Parametern zu analysieren: Spin-Echo-Echo-Planar-Imaging (SE-EPI)-Sequenz, Einzelaufnahme; vollständige Gehirnabdeckung; 64 Gradientenrichtungen; b-Wert, 1300 s/mm2; TR=6200 ms; TE = 67 ms; Voxelgröße, 2 x 2 x 2 mm; 60 axiale Scheiben; Erfassungszeit 9:40 min.

Eine zusätzliche anatomische Sequenz ermöglicht darüberliegende strukturelle und funktionelle Ergebnisse und zusätzlich die Gewinnung der Volumetriewerte jeder Hirnregion. Die Sequenzparameter sind: T1-gewichtete 3D-Gradientenechosequenz (GRE), vollständige Gehirnabdeckung; TR = 11,6 ms; TE=5,69; Voxelgröße, 0,48 x 0,48 x 0,50 mm; Kippwinkel 8º; 280 axiale Scheiben; Erfassungszeit 5:36 min.

Nach der Bilderfassung werden alle Datensätze an die Imaging Biomarkers Platform der Biomedical Imaging Research Group (GIBI230) des La Fe Research Institute gesendet.

Die fMR-Bilder werden ausgerichtet, um mögliche kleine Kopfbewegungen des Patienten während der Untersuchung zu korrigieren. Dazu wird das Open-Source-Softwaretool SPM8 (Statistical Parametric Mapping, http://www.fil.ion.ucl.ac.uk/spm/) verwendet. Nach der Bewegungskorrektur wird eine zeitliche Korrektur angewendet, die das Slice-Timing optimiert. Die Bilder werden dann auf eine standardisierte Gehirnvorlage normalisiert, um die Untersuchung der Schwingungen zwischen Individuen zu ermöglichen. Nach solchen Prozessen werden die Daten durch einen 3D-Gaußschen Kernel gefiltert, um das Signal-Rausch-Verhältnis (SNR) zu erhöhen und gleichzeitig die Unterschiede zwischen den Subjekten zu minimieren. Schließlich wird die Anwendung von Algorithmen der unabhängigen Komponentenanalyse (ICA) die Extraktion von Gehirnaktivierungskarten im Subjekt während der Akquisition ermöglichen.

Die Analyse der DTI-MR-Daten zum Extrahieren der Konnektivität der Bahnen der weißen Substanz wird mit dem Open-Source-FSL-Softwaretool (http://www.fmrib.ox.ac.uk/fsl/) durchgeführt. Auf die Bilder wird eine anfängliche Wirbelstromkorrektur angewendet, um leichte Bildverschiebungen und Geometrieverzerrungen zu minimieren. Das Gehirn wird dann mit dem BET-Algorithmus segmentiert und die Gehirndaten aller Patienten werden auf eine gemeinsame Vorlage für die gruppenbasierte Analyse normalisiert. Nach diesem Prozess werden fraktionierte Anisotropie (FA), Diffusivität (D) und Orientierungskarten erhalten .

Nach der Verarbeitung der MR-Bilder müssen die strukturellen und funktionellen Konnektivitätseigenschaften aus den interessierenden Regionen (ROI) extrahiert werden. Die Positionierung dieser Regionen wird von den am Default Mode Network (DMN) beteiligten Zonen erhalten. Das DMN könnte eine wichtige Rolle bei der Schmerzwahrnehmung spielen und zeigt eine hohe Korrelation mit den von Patienten beschriebenen Symptomen, was dieses Netzwerk für die Vorhersage der Patientenreaktion nach der Implantation einer elektrischen Stimulation nützlich macht, entweder auf funktioneller oder struktureller Ebene.

Da die Bilder auf eine gemeinsame Vorlage normalisiert werden, wird das automatisierte AAL-Tool zur Bereichskennzeichnung verwendet, um die interessierenden Regionen der Studie zu definieren, die das DMN zusammensetzen und durch den medialen Temporallappen, den präfrontalen Kortex, das hintere Cingulum und den Precuneus gebildet werden und der parietale Kortex. Nach der Messung der Konnektivitätsparameter in diesen Regionen wird ein Vorhersagemodell entwickelt, indem klinische Variablen (Skalen und Symptome jedes Patienten) und Neuroimaging-Informationen kombiniert werden. Diese Modelle werden zunächst mit insgesamt 30 Patienten (Trainingsdaten) angepasst und später in einer Gruppe von 30 Patienten validiert (Validierungsdaten), um anschließend Ergebnisse zu Spezifität, Sensitivität und Modellpräzision zu erhalten.