Sistema de soporte de decisiones clínicas (CDSS) en terapia de neuroestimulación (CDSS)

Objetivo principal: Desarrollar un modelo predictivo integrado en un sistema de soporte de decisiones clínicas (CDSS) alimentado por información cuantitativa de neuroimagen extraída objetivamente de imágenes de Resonancia Magnética (RM), que maximiza el uso apropiado y la efectividad de los dispositivos de estimulación eléctrica implantados quirúrgicamente en pacientes seleccionados con dolor crónico.

Objetivos exploratorios:

1. -Analizar patrones anatómicos y funcionales de conectividad cerebral en pacientes con dolor crónico, para desarrollar un modelo predictivo basado en neuroimagen cuantitativa por resonancia magnética que maximice la efectividad de los dispositivos de neuroestimulación implantados quirúrgicamente en pacientes con dolor crónico.
2. -Analizar la relación entre los biomarcadores de neuroimagen y las diferentes escalas clínicas y variables capturadas de cada paciente (EVA, Oswestry Disability Index, DN4, Pain Detect, Moss, SF12, Coping Scale, Optimismo, Resiliencia y HAD).

Dispositivo de prueba: 1.5 Sistema Tesla MR (Philips Healthcare, Best, Países Bajos) Sistema de estimulación de la médula espinal Precision Spectra™ de Boston Scientific Neuromodulation (BSN) con software Illumina 3D™ y 32 contactos.

Descripción del dispositivo: El IPG del sistema Precision Spectra™ es un generador de impulsos controlado por corriente independiente múltiple, capaz de suministrar corriente a través de 32 contactos. Está alimentado por un software de programación 3D que considera la posición anatómica de los cables. Se proporcionarán dos modelos de cables SCS, con 8 o 16 contactos con un diámetro de 1,3 mm, una longitud de contacto de 3 mm y una separación entre contactos de 1, 4 o 6 mm. El uso de extensiones SCS será opcional para conectar el GII.

Descripción de fMR: El experimento de MR será consistente con los requisitos de la etiqueta. El procedimiento de RM se realizará antes de la implantación del dispositivo para evitar sesgos. Más aún, la Administración de Drogas y Alimentos (FDA) no recomienda el examen de pacientes con este tipo de dispositivos por razones de seguridad.

Los exámenes se realizarán en un sistema de RM de 1'5 Tesla (Philips Healthcare, Best, Países Bajos) en el Hospital Quiron. La decisión del campo magnético se basa en la calidad de los exámenes y debe basarse en la etiqueta de los productos y la aprobación de la empresa para la interacción con el sistema implantado.

Se utilizará una bobina de cabeza con 8 canales de recepción. Una vez posicionado el paciente en el sistema, se adquirirán imágenes iniciales y de localización rápida para poder planificar adecuadamente las secuencias de RM del estudio de investigación.

Después de la planificación, se adquirirá una secuencia de imágenes de RM funcional en estado de reposo (rs-fMR), pidiéndole al paciente que esté en silencio con los ojos cerrados y pensando en un cielo azul. Los parámetros de adquisición consistirán en una secuencia T2* dinámica Echo Planar (EPI), cobertura total del cerebro con los siguientes parámetros: TR=2000 ms; TE=30ms; tamaño de vóxel, 1,8 × 1,8 x 3,5 mm; ángulo de giro, 90º; 40 cortes axiales; tiempo de adquisición 5:20 min.

Se adquirirá una secuencia DTI MR para analizar la microestructura y la conectividad de la sustancia blanca mediante técnicas de tractografía con los siguientes parámetros: secuencia Spin-Echo Echo Planar Imaging (SE-EPI), disparo único; cobertura total del cerebro; 64 direcciones de gradiente; valor b, 1300 s/mm2; TR=6200ms; TE=67ms; tamaño de vóxel, 2 x 2 x 2 mm; 60 cortes axiales; tiempo de adquisición 9:40 min.

Una secuencia anatómica adicional permitirá superponer resultados estructurales y funcionales y, además, obtener los valores volumétricos de cada región cerebral. Los parámetros de la secuencia son: secuencia de eco de gradiente (GRE) 3D ponderada en T1, cobertura total del cerebro; TR=11,6ms; ET=5,69; tamaño de vóxel, 0,48 x 0,48 x 0,50 mm; ángulo de giro, 8º; 280 cortes axiales; tiempo de adquisición 5:36 min.

Después de la adquisición de imágenes, todos los conjuntos de datos se enviarán a la Plataforma de Biomarcadores de Imágenes del Grupo de Investigación de Imágenes Biomédicas (GIBI230) del Instituto de Investigación La Fe.

Las imágenes de fMR se alinearán para corregir posibles pequeños movimientos de la cabeza del paciente durante el examen. Para ello, se utilizará la herramienta de software de código abierto SPM8 (Statistical Parametric Mapping, http://www.fil.ion.ucl.ac.uk/spm/). Después de la corrección de movimiento, se aplicará una corrección temporal optimizando el tiempo de corte. Luego, las imágenes se normalizarán a una plantilla cerebral estandarizada para permitir el estudio de las oscilaciones entre individuos. Después de tales procesos, los datos serán filtrados por un kernel gaussiano 3D para aumentar la relación señal-ruido (SNR) y minimizar las diferencias entre sujetos. Finalmente, la aplicación de algoritmos de análisis de componentes independientes (ICA) permitirá la extracción de mapas de activación cerebral en el sujeto durante la adquisición.

El análisis de los datos de DTI MR para extraer la conectividad de los tractos de materia blanca se realizará con la herramienta de software FSL de código abierto (http://www.fmrib.ox.ac.uk/fsl/). Se aplicará una corrección inicial de corrientes de Foucault a las imágenes para minimizar los desplazamientos leves de las imágenes y las distorsiones de la geometría. Luego, el cerebro se segmentará utilizando el algoritmo BET y los datos cerebrales de todos los pacientes se normalizarán a una plantilla común para el análisis basado en grupos. Tras este proceso se obtendrán mapas de anisotropía fraccional (FA), difusividad (D) y orientación.

Una vez que se han procesado las imágenes de RM, las propiedades de conectividad estructural y funcional deben extraerse de las regiones de interés (ROI). El posicionamiento de estas regiones se obtendrá de las zonas involucradas en la Red de Modo Predeterminado (DMN). La DMN podría tener un papel importante en la percepción del dolor y muestra una alta correlación con los síntomas descritos por los pacientes, lo que hace que esta red sea útil para la predicción de la respuesta del paciente después de la implantación de la estimulación eléctrica, ya sea a nivel funcional o estructural.

Dado que las imágenes se normalizarán a una plantilla común, se utilizará la herramienta AAL de etiquetado de área automatizada para definir las regiones de interés del estudio, que componen la DMN y están formadas por el lóbulo temporal medio, la corteza prefrontal, el cíngulo posterior, el precúneo y la corteza parietal. Tras medir los parámetros de conectividad en estas regiones, se desarrollará un modelo predictivo combinando variables clínicas (escalas y síntomas de cada paciente) e información de neuroimagen. Estos modelos serán inicialmente ajustados con un total de 30 pacientes (datos de entrenamiento) y posteriormente validados en un grupo de 30 pacientes (datos de validación), obteniendo posteriormente resultados de especificidad, sensibilidad y precisión de los modelos.