Koneoppimiseen perustuvat EEG-biomarkkerit yksilöllisiin interventioihin (EEG-INSIGHT)

Tämän projektin tavoitteena on kehittää tekoälymalli, joka ennustaa vastetta neuromodulaatiohoitoon (transkraniaalinen tasavirtastimulaatio, tDCS) selkäydinvaurion (SCI) jälkeiseen neuropaattiseen kipuun (NP) elektroenkefalografisten (EEG) signaalien ja kliinisten arvioiden perusteella. Projekti koostuu kahdesta vaiheesta:

Vaihe 1 sisältää avoimen kokeen, jossa osallistujat, joilla on SCI ja NP, saavat neuromodulaatiohoitoa keskuksessamme, ja tiedot kerätään ennen ja jälkeen hoidon.

Arviointi ennen hoitoa:

• Kliininen arviointi haastattelujen ja validoitujen kyselylomakkeiden avulla, jotka on kohdistettu neuropaattiseen kipuun, masennukseen ja muihin asiaan liittyviin tekijöihin.
• EEG-tallennus 64-kanavaisella laitteella (Brain Products GmbH, Saksa). EEG tallennetaan äänieristetyssä huoneessa, jossa osallistujat ovat levossa, ensin silmät auki 5 minuuttia ja sitten silmät kiinni vielä 5 minuuttia. Osallistujia pyydetään välttämään alkoholia 12 tuntia ja kofeiinia 3 tuntia ennen äänitystä.

Neuromodulaatiohoito:

• Hoitoprotokolla sisältää 10 non-invasiivista stimulaatiokertaa, joista jokainen kestää 30 minuuttia.
• tDCS annetaan paristokäyttöisellä DC-stimulaattorilla (Sooma tDCS, Helsinki) 6 cm²:n suolaliuoksella kyllästetyillä pyöreillä elektrodeilla.
• Anodi asetetaan C3:n päälle (EEG 10/20 -järjestelmä) primaarisen motorisen aivokuoren (M1) stimuloimiseksi ja katodi kontralateraalisen supraorbitaalialueen (FP2) päälle.
• Epäsymmetrisen kivun tapauksessa stimulaatiota kohdistetaan kivuliaimman hemibodyn kontralateraaliseen M1:een. Symmetrisessä kivussa dominoivaa pallonpuoliskoa (C3) stimuloidaan.
• Suurin toimitettava virta on 2 mA (virrantiheys: 0,06 mA/cm²).
• Istunnot pidetään kerran päivässä kahden viikon ajan (maanantai-pe), yhteensä 10 istuntoa. Kaikki stimulaatioparametrit ovat transkraniaalisen sähköstimulaation yleisten turvallisuusohjeiden mukaisia.

Hoidon jälkeinen arviointi:

• Suoritetaan haastattelujen ja samojen validoitujen kyselylomakkeiden avulla, joita käytettiin hoitoa edeltävässä arvioinnissa.

Osana interventiota osallistujille tehdään EEG-tallennus aivojen biosähköisen toiminnan tutkimiseksi ei-invasiivisesti. Aktiivisia pintaelektrodeja, joissa on elektrodigeeliä, käytetään parantamaan ihon johtavuutta. EEG-tallenteet tehdään levossa, ja osallistujat katsovat tyhjää seinää äänieristetyssä huoneessa 5 minuuttia silmät auki ja 5 minuuttia silmät kiinni.

Vaihe 2 sisältää ennustavan mallin kehittämisen potilaiden luokittelemiseksi niiden vasteen perusteella neuromodulaatiohoitoon. Mallissa käytetään mittareita, jotka on johdettu hoitoa edeltävistä EEG-tallenteista ja kliinisistä arvioinneista ennen ja jälkeen hoitoa. Tavoitteena on ennustaa, ketkä potilaat reagoivat suotuisasti tDCS:ään.

EEG-esikäsittely suoritetaan Python-ohjelmointikielellä käyttämällä räätälöityä MNE-Python-kirjastoon perustuvaa esikäsittelyputkea, joka sisältää: valikoivan outlier-kanavan ja -segmentin eliminoinnin, taajuussuodattimet, valvotun automaattisesti merkittyjen itsenäisten komponenttien analyysin lihasten ja silmien aktiivisuus ja silloittuneiden elektrodien havaitseminen.

EEG-tallenteet analysoidaan käyttämällä mittareita, jotka on johdettu EEG-signaalin taajuudesta, monimutkaisuudesta ja liitettävyydestä. Nämä mittarit valittiin, koska niiden potentiaali on osoitettu aiheeseen liittyvissä julkaisuissa, jotka korostavat näiden ominaisuuksien kykyä vangita eroja ryhmien välillä, joko hoitoon reagoineiden ja ei-vasteisten välillä tai muun muassa terveiden koehenkilöiden ja NP:stä kärsivien välillä. Näiden EEG-ominaisuuksien ja muiden potilaskyselyistä johdettujen ominaisuuksien perusteella suoritetaan metriikan riippumattomuuteen ja aikaisemman kirjallisuuden relevanssiin perustuva ominaisuuden valintaprosessi mallin yleistettävyyden maksimoimiseksi.

Koneoppimismallia (ML), jonka pääehdokasmalli on tukivektorikone (SVM), käytetään luokitteluun vastaajien ja ei-vastaajien välillä. Malli validoidaan k-kertaisella ristiinvalidaatiolla. Jos tulokset ovat tyydyttäviä, EEG-kanavien alinäytteenottoa (noudattaen tyypillisiä 10:20-asetuksia) käytetään arvioimaan, voiko EEG, jossa on vähemmän elektrodeja, tuottaa samanlaisia ​​ennustavia tuloksia, mikä vähentää EEG-järjestelmien tarvetta, joissa elektrodien määrä on suuri.