Investigación de predictores electroencefalográficos de anticorrelación de red de modo predeterminado en adultos sanos

Las condiciones neuropsiquiátricas se entienden cada vez más como trastornos de interacciones funcionales intrínsecas dentro y entre redes cerebrales generalizadas y distribuidas. Dados los avances recientes en la adquisición de datos y el análisis computacional de imágenes de resonancia magnética funcional (fMRI), ahora es posible mapear de manera confiable la neuroanatomía funcional de las redes cerebrales dentro de los individuos, lo que ofrece una vía potencial para identificar objetivos neuroterapéuticos personalizados. Sin embargo, los tratamientos estándar de oro (p. farmacoterapia) en la práctica psiquiátrica actual no fueron diseñados originalmente para apuntar a interacciones de redes cerebrales específicas y carecen de protocolos que aprovechen dichos datos a nivel individual. La neurorretroalimentación en tiempo real, mediante la cual los pacientes observan y aprenden a regular aspectos seleccionados de su propia actividad cerebral, es un enfoque candidato para adaptar personalmente la normalización de la comunicación no saludable dentro y entre las redes cerebrales. Sin embargo, para apuntar a las principales redes cerebrales que funcionan de manera anormal en condiciones neuropsiquiátricas, la neurorretroalimentación se basa en resonancia magnética funcional, que es un procedimiento costoso que implica una configuración compleja y una carga para el paciente. El objetivo de este proyecto es desarrollar una "huella digital" de electroencefalografía (EEG) de la dinámica de la red fMRI para que un sistema de neurorretroalimentación basado solo en EEG (electrodos colocados en el cuero cabelludo) pueda usarse para identificar con precisión las interacciones dentro y entre las redes cerebrales. Debido a que los dispositivos de EEG pueden ser portátiles y ofrecer una configuración relativamente simple en entornos flexibles, esta investigación podría permitir una forma escalable de entrenamiento de neurorretroalimentación basada en red a la que los pacientes podrían acceder regularmente. El objetivo 1 de esta investigación es identificar un modelo óptimo de las características de EEG que predicen el "antagonismo" de la red de modo predeterminado (DMN) basado en fMRI dentro de los individuos. Los investigadores se centran en este antagonismo de DMN porque es una característica importante que es relevante para la disfunción cognitiva en la enfermedad psiquiátrica a un nivel transdiagnóstico. Los investigadores recopilarán datos de EEG-fMRI simultáneos de alta calidad en 24 adultos sanos (>100 minutos de muestreo por participante), incluidas tres condiciones: (1) estado de reposo, (2) desempeño continuo de tareas y (3) fMRI continuo -neurofeedback basado en estados de antagonismo de DMN. Los investigadores aplicarán métodos basados ​​en el aprendizaje automático para identificar un mapeo óptimo entre los componentes de la señal EEG y el antagonismo DMN basado en fMRI. Además, los investigadores determinarán cuánto muestreo de EEG-fMRI a nivel individual se necesita para predecir con éxito el antagonismo de DMN del EEG. El objetivo 2 de la investigación es probar si los marcadores EEG del antagonismo de DMN son predictivos de las fluctuaciones del desempeño de tareas cognitivas dentro de los individuos. Como tal, los hallazgos podrían ofrecer la validación de la relevancia conductual de un sistema de neurorretroalimentación EEG que apuntaría al antagonismo de DMN. Si tiene éxito, el trabajo puede conducir al desarrollo de una herramienta de psiquiatría computacional accesible que se puede probar en condiciones clínicas en las que se ve afectado el antagonismo de DMN (y la función cognitiva relacionada), incluido el trastorno por déficit de atención/hiperactividad, la depresión y la esquizofrenia.