EEG-Mikrozustände in gefährdeten Geisteszuständen (DEMETER)

• Ziel der Studie: EEG-Mikrozustände übersetzen die zeitliche Dynamik neuronaler Netzwerke im Ruhezustand im gesamten Gehirn. Hier wollen die Forscher herausfinden, ob EEG-Mikrozustandsanomalien Marker für psychiatrische Störungen darstellen könnten.

• Methoden: Sechs Gruppen mit jeweils 21 Teilnehmern werden einbezogen. Es wird fünf Gruppen von Teilnehmern mit psychiatrischen Störungen (Risiko-Geisteszustand – ARMS, Psychose der ersten Episode – FEP, Schizophrenie – SCZ, schwere depressive Störung – MDD und Autismus-Spektrum-Störungen – ASD) und eine Gruppe gesunder Kontrollpersonen geben . Unser Hauptziel besteht darin, Unterschiede in den Mittelwerten zwischen den Gruppen im Ruhezustand und im Schlaf für jede der Variablen zu testen, die jeden der Mikrozustände charakterisieren (Dauer, Häufigkeit, Beschäftigungszeit) sowie sekundär EEG-Messwerte der Konnektivität (somatosensorisch evoziert). Potenziale), kortikale Erregbarkeit (Alpha-Band-Leistung) sowie prosodische und konversationslinguistische Maßnahmen.

  • Bezüglich der Mikrozustandsmessungen: Es wird ein fünfminütiges Ruhe-EEG mit geschlossenen Augen und 64 Kanälen aufgezeichnet (als Teil der größeren Aufgabe, einschließlich der unten beschriebenen sensomotorischen Aufgabe). Eine minimale Vorverarbeitung wird mit der MNE EEG-Software auf Python durchgeführt, die einen Bandpassfilter zwischen 0,5 und 40 Hz, eine erneute Referenzierung auf den Mittelwert sowie eine visuelle und automatische Korrektur von Artefakten umfasst. Jede Aufzeichnung wird von klinischen Neurophysiologen visuell erneut analysiert, um sicherzustellen, dass es sich tatsächlich um einen alpha-dominanten Ruherhythmus ohne verbleibende Artefakte handelt. Die Mikrozustandsanalyse wird mit dem Pycrostates-Paket durchgeführt. Für jeden Teilnehmer wird die globale Feldstärke (GFP) ermittelt. Nur EEG-Topografien an GFP-Peaks werden beibehalten, um die Topografien der Mikrostaaten durch ein modifiziertes K-Mittel-Clustering zu bestimmen. Für jedes Subjekt wird die gleiche Anzahl an GFP-Peaks extrahiert und zur Clusterbildung in einem einzigen Datensatz verkettet. Mithilfe einer kombinierten Bewertung wird die optimale Anzahl von Clustern berechnet. Die resultierenden Cluster werden an jede einzelne Karte angepasst. Zeitliche Glättung wird verwendet, um sicherzustellen, dass Perioden mit Inter-Peak-Rauschen und niedrigem GFP die Sequenzen quasistabiler Segmente nicht unterbrechen. Für jedes Thema werden drei Parameter für jede Mikrostaatsklasse berechnet: Häufigkeit des Auftretens („Occurrence“), zeitliche Abdeckung („Coverage“) und mittlere Dauer. Das Vorkommen gibt an, wie oft ein bestimmter Mikrozustand durchschnittlich pro Sekunde auftritt. Die Abdeckung (in %) ist der Prozentsatz der gesamten Analysezeit, die in einem bestimmten Mikrozustand verbracht wird. Die mittlere Dauer (in ms) ist die durchschnittliche Zeit, während der ein bestimmter Mikrozustand ununterbrochen vorhanden war (nach zeitlicher Glättung).
  • Zu den sprachlichen Maßnahmen: Jeder Teilnehmer durchläuft ein halbstrukturiertes Interview mit einem geschulten Experimentator. Sowohl der Teilnehmer als auch der Interviewer tragen Headset-Kondensatormikrofone vom Typ AKG-C544L, die über AKG MPA VL-Phantomadapter mit einem Zoom H4n Pro Handy-Recorder verbunden sind. Sprache wird digital mit einer Abtastrate von 44.000 Hz (16-Bit) aufgezeichnet. Der Abstand zwischen Mund und Mikrofon wird möglichst konstant gehalten (2 cm), um eine gleichmäßige Stimmlautstärke zu gewährleisten. Die Interviews werden in einem ruhigen Raum durchgeführt, um den Umgebungslärm zu begrenzen. Die beiden Interaktanten werden so weit wie möglich platziert, um ein Übersprechen zu verhindern (d. h. (die vom Mikrofon des Teilnehmers eingefangene Rede des Interviewers und umgekehrt). Die aus den Aufnahmen erhaltenen .wav-Dateien werden mit der Praat-Software annotiert und anschließend mit Praat und R analysiert. Prosodische Merkmale werden mit dem Prosogram-Tool (einem Satz von Praat-Skripten, Open-Source) und einer neuen modifizierten Version von Skripten aus dem extrahiert Programm-Tool. Turn-Taking-Variablen werden mit neuen kombinierten Praat- und R-Skripten extrahiert.
  • Zu den sensomotorischen Integrationsmaßnahmen: Die sensomotorische Integration wird anhand einer visuohaptischen Aufgabe untersucht. Bei jedem Versuch erhält der vor einem Bildschirm sitzende Teilnehmer eine visuelle Anweisung (einen Punkt rechts oder links vom Bildschirm). Die Aufgabe besteht darin, gemäß der visuellen Anweisung mit dem Zeigefinger der entsprechenden Hand einen der beiden auf jeder Körperseite positionierten Knöpfe zu drücken. Ein vibrotaktiler Stimulator (kleine Lautsprecher, die mit einer Arduino-Elektronikkarte verbunden sind und von einem Verstärker moduliert werden) wird auf den ersten dorsalen Interosseusmuskel beider Hände angewendet. 400 ms vor der visuellen Anweisung erhält eine der beiden Hände 100 ms lang einen taktilen Hinweis (Vibration) an einer Hand. Dieser Hinweis ist je nach Block mehr oder weniger zuverlässig. In einigen Blöcken ist es recht zuverlässig, da 90 % der Versuche die Vibrations- und visuellen Anweisungen deckungsgleich darstellen (was auf die gleiche Hand hinweist). Eine andere Bedingung besteht nur aus 50 % der übereinstimmenden Versuche, und in diesem Fall ist der taktile Hinweis nicht zuverlässig. Zwischendurch werden zwei Blöcke mit 70 % übereinstimmenden Fällen durchgeführt. Abschließend wird zu Beginn und am Ende der Aufgabe ein Basisblock präsentiert, der keine taktilen Hinweise enthält. Die Reihenfolge der 90 %- und 50 %-Blöcke ist zufällig. Die taktilen und visuellen Reize werden mit einem MATLAB-Skript generiert. Jeder Block besteht aus 100 Versuchen, insgesamt 500 Versuchen. Während der gesamten Aufgabe werden elektroenzephalographische (EEG) Daten aufgezeichnet, wobei eine 64-Kanal-EEG-Kappe (von Biosemi) verwendet wird, um die elektrische Gehirnaktivität aufzuzeichnen. Das Setup ist mit einem Eyetracker gekoppelt, um zu steuern, dass der Teilnehmer während jedes Blocks das Kreuz in der Mitte des Bildschirms fixiert.
  • In Bezug auf die multidimensionale Selbst- und episodische Gedächtnisaufgabe (Aufgabendesign: Laboratoire Mémoire, Cerveau et Cognition): Zu Studienbeginn werden die Teilnehmer Fragebögen zur Selbstauskunft unterzogen, in denen ihr Gefühl des minimalen Selbst in 8 Bereichen bewertet wird (Multidimensionale Bewertung des interozeptiven Bewusstseins – Version 2). ) und Sinn für das erzählerische Selbst in 5 Bereichen (Selbstkonzeptskala von Tennessee – Kurzform, Gegenwart). Sie werden einem neuropsychologischen Test unterzogen, der ihre visuelle episodische Gedächtnisleistung beurteilt (Familienbilder von der Wechsler-Gedächtnisskala III). Sie bewerten ihren aktuellen emotionalen Zustand auf einer visuellen Analogskala in 4 Bereichen (Mood Visual Analogue Scale). Im Anschluss an jede der beiden Navigationssitzungen in der virtuellen Realität, die aus einem Spaziergang durch eine virtuelle Stadt bestehen, bei der die Teilnehmer auf Ereignisse des täglichen Lebens stoßen, die zufällig im episodischen Gedächtnis kodiert werden sollen und mit unterschiedlichen Ebenen der Selbstreferenz verbunden sind, werden die Teilnehmer einer Prüfung unterzogen Selbstberichtete Fragebögen zur Beurteilung ihres Verkörperungsgefühls in vier Bereichen (Embodiment-Fragebogen), ihres Präsenzgefühls in vier Bereichen (Igroup Presence Questionnaire) und ihrer Cyberkrankheit in zwei Bereichen (Simulator-Krankheits-Fragebogen). Sie bewerten ihren aktuellen emotionalen Zustand erneut auf einer visuellen Analogskala (Mood Visual Analogue Scale). Abschließend werden die Teilnehmer zwei episodischen Gedächtnistests unterzogen: einer kostenlosen Erinnerungsaufgabe und einer Erkennungsaufgabe. Der kostenlose Rückruf basiert auf einem 20-minütigen mündlichen Interview, in dem die Teilnehmer gebeten werden, sich an alle Ereignisse zu erinnern, die sie in der virtuellen Stadt erlebt haben. Für jedes Ereignis werden sie gebeten, sich systematisch und so genau wie möglich zu erinnern: Was war das Ereignis, wo und wann geschah es während der Navigation, in welcher der beiden Navigationen geschah es (Quelle), wer war laut welcher Referenz der Referent Die persönliche Bedeutung des Ereignisses wurde beurteilt, objektive (perzeptive) und subjektive (phänomenologische) Details des Ereignisses sowie ob das Ereignis lebhaft nacherlebt wurde oder sich lediglich vertraut anfühlte (Erinnern/Wissen-Verfahren). Der Erkennungstest wird am Computer durchgeführt und mit dem Python-Modul Neuropsydia programmiert. Alle 32 angetroffenen Ereignisse, gemischt mit 16 nicht angetroffenen Ködern, werden erfolgreich in zufälliger Reihenfolge auf einem Computerbildschirm angezeigt. Für jedes Ereignis werden mehrere Fragen erfolgreich gestellt und die Teilnehmer klicken unter mehreren Vorschlägen auf die ihrer Meinung nach richtige Antwort: Sind sie dem Ereignis begegnet (Ja/Nein) und wenn ja, wo es passiert ist (unter mehreren möglichen Lokalisierungen auf einem Bild). der Zone, in der das Ereignis stattfand), wann es passierte (Ersetzen des Ereignisses in chronologischer Reihenfolge durch zwei andere Ereignisse), in welcher Navigation (erste oder zweite Navigation) und wer der Referent war (Ich/Andere). Für jedes Ereignis bewerten die Teilnehmer außerdem auf einer Skala von 0 bis 100: den Grad des Wiedererlebens oder der Vertrautheit des Ereignisses (100 = Erinnern, 0 = Wissen), die Perspektive der Erinnerung (100 = Ich-Perspektive, 0 = Perspektive der dritten Person), seine Lebendigkeit, Treue, emotionale Intensität, Stärke der damit verbundenen Körperempfindungen, episodische Selbstreferenz und semantische Selbstreferenz.

Für alle Variablen wenden die Forscher eine ANOVA mit wiederholten Messungen an und verwenden die folgenden Kontraste:

1. „ARMS, FEP, SCZ, ASD, MDD“ vs. „Gesunde Probanden“ (Mikrozustände werden als Marker allgemeiner Psychopathologie getestet);
2. „ARMS, FEP, SCZ“ vs. „ASD, MDD“ (Mikrozustände werden als spezifische Marker für Psychosen getestet; äquivalent wird die Spezifität dieser Signatur für Depression und ASD getestet)
3. „ARMS“ vs. „FEP“ vs. „SCZ“ (Mikrozustände werden als Evolutionsmarker getestet);

4. Abhängig von der Rate des Übergangs zur Psychose bei UHRs kann schließlich ein Vergleich von „UHR-T“ mit „UHR-NT“ durchgeführt werden (Mikrozustände werden als prädiktive Marker für Psychosen getestet. Alle Probanden werden einer umfassenden Phänotypisierung einschließlich Neuropsychologie und Psychopathologie unterzogen , neurologische Soft-Signs-Skalen sowie strukturelle MRT und genetische und epigenetische Messungen.

   • Hypothese: Es wird erwartet, dass Ungleichgewichte in den EEG-Mikrozuständen C und D im gesamten Spektrum der Psychose und bei ASD im Vergleich zu Kontrollen, MDD und ARMS stärker ausgeprägt sind und mit Anomalien bei somatosensorischen, interozeptiven und sprachlichen Merkmalen verbunden sind.