IRMf en estado de reposo en los trastornos de la conciencia

Los trastornos de la conciencia (DoC) son estados de conciencia alterada derivados de una lesión adquirida en las redes cerebrales que regulan la excitación y la conciencia, caracterizados por una pérdida de actividad neuronal excitatoria a través de las conexiones corticocorticales, talamocorticales y talamoestriatales. La DoC puede deberse a varias causas, como lesión cerebral traumática, lesión cerebral anóxica por paro cardíaco, accidente cerebrovascular, infecciones cerebrales graves, convulsiones prolongadas u otras. Un desafío principal en el manejo clínico de DoC es determinar con precisión el tipo de DoC y el nivel de conciencia, así como el potencial de recuperación. Esto es crucial para la toma de decisiones y el manejo clínico, con tasas de diagnóstico erróneo de hasta el 40 % debido a las limitaciones de la evaluación clínica. Investigaciones recientes han demostrado que la conciencia no detectable en la evaluación al lado de la cama puede estar presente en hasta un 15-20% de los pacientes con DC. Por lo tanto, para mejorar la evaluación clínica de la DoC y, en última instancia, desarrollar intervenciones específicas para promover la recuperación neurológica, se deben desarrollar, validar y traducir al uso clínico mejores métodos para evaluar la DoC en pacientes individuales. El uso de rs-fMRI en el estudio de DoC ha llevado a importantes conocimientos sobre los mecanismos biológicos del coma, así como la recuperación de la conciencia, sin embargo, la traducción de rs-fMRI al manejo clínico de pacientes individuales con alteración de la conciencia se ha visto obstaculizada por varios factores. En primer lugar, BOLD fMRI refleja una combinación compleja de señales derivadas no solo de la actividad neuronal, sino también de fuentes no neurológicas que, en última instancia, comprenden hasta el 25 % de la señal BOLD, lo que oscurece la verdadera conectividad neuronal e introduce una conectividad espuria. Esta limitación generalmente se ha eludido mediante el análisis de fMRI a nivel de grupo, aprovechando los beneficios estadísticos de promediar datos entre individuos. Se necesitan mejores estrategias para distinguir entre los contribuyentes neurales y no neurales a la señal BOLD para traducir rs-fMRI al uso clínico en pacientes individuales. Además, se ha demostrado que las estrategias convencionales de adquisición y análisis producen estimaciones confiables de la conectividad funcional solo en tiempos de exploración clínicamente intratables. La evidencia reciente sugiere que se pueden obtener medidas altamente confiables de conectividad funcional a nivel individual en tiempos de exploración clínicamente factibles utilizando protocolos de imágenes más avanzados, superando incluso adquisiciones convencionales varias veces más largas. La señal BOLD medida se puede representar como una función de la intensidad de la señal en la excitación (S0), el tiempo de eco y la constante de caída de la señal. La actividad neuronal afecta la señal BOLD al inducir un aumento en el flujo sanguíneo, lo que reduce la concentración local de desoxihemoglobina y, a su vez, disminuye la susceptibilidad magnética local, lo que reduce la tasa de disminución de la magnetización transversal. Al examinar el decaimiento de la señal en múltiples tiempos de eco, los cambios en T2* se pueden distinguir de los cambios en S0, lo que permite diferenciar las señales neuronales y no neuronales de los datos BOLD. Dado que la sensibilidad a la señal BOLD es máxima cerca de T2*, las adquisiciones multieco también pueden mejorar la sensibilidad BOLD al otorgar mayor peso a los ecos más cercanos al T2* de un vóxel en particular ("combinación óptima"), que se sabe que varía a lo largo el cerebro. Por último, el proceso de combinar datos BOLD a través de ecos tiene la ventaja de amortiguar el ruido térmico que se organiza aleatoriamente y tiende a cancelarse al promediar. Cuando se combina con estrategias adicionales para eliminar señales globales relacionadas con el movimiento, la influencia del movimiento en los datos BOLD puede eliminarse casi por completo. Solo recientemente, con la integración de otros avances técnicos, como los cortes múltiples simultáneos, se ha hecho posible adquirir rs-fMRI de múltiples ecos sin grandes compromisos en la adquisición de resolución espacial o temporal. Los desafíos prácticos para obtener resonancias magnéticas avanzadas en pacientes en estado crítico incluyen la necesidad de transportar a los pacientes a la instrumentación de resonancia magnética de investigación capaz de los últimos métodos de adquisición que tradicionalmente se han ubicado en diferentes pisos o incluso en edificios diferentes a las unidades de cuidados intensivos (UCI). Como resultado, los métodos avanzados de resonancia magnética, como la rs-fMRI multieco, se han aplicado principalmente a sujetos sanos. Este proyecto aprovechará un sistema de resonancia magnética de 3 Tesla de última generación dedicado a la investigación recientemente instalado, equipado con gradientes rápidos, un conjunto de receptores de 32 canales integrado en la unidad de cuidados neurointensivos (UCIN). Este sistema es capaz de MRI-rs-fMRI multi-eco a alta resolución espacio-temporal y un objetivo clave de este proyecto es determinar si la integridad funcional de la red en pacientes con DC se puede detectar de manera más confiable usando rs-fMRI multi-eco que con rs-fMRI estándar. IRMf. Los métodos óptimos serían sin supervisión, capaces de adaptarse a las diferencias interindividuales en la topología funcional y capaces de reducir los datos de conectividad complejos a conocimientos discretos y clínicamente procesables. Otro objetivo clave de este proyecto es comparar tres enfoques para la construcción y caracterización del conectoma en su confiabilidad a nivel de paciente individual y grado de asociación con medidas clínicas de disfunción neurológica y resultado. El primer enfoque y el más tradicional se basará en la transformación de cada dato en un espacio de plantilla y una definición de nodo basada en un metanálisis a nivel de grupo. El segundo enfoque utilizará un método descrito anteriormente de parcelación a nivel de sujeto basado en gradientes de conectividad y, en última instancia, se comparará entre individuos en función del grado de similitud con las redes de plantilla. El enfoque final utilizará un esquema de interpretación radiológica en el que expertos en neuroimagen capacitados para reconocer patrones espaciales típicos de redes en estado de reposo interpretarán los mapas de redes de grados obtenidos a partir del análisis de componentes independientes.