Indagare sui predittori elettroencefalografici dell'anticorrelazione della rete in modalità predefinita negli adulti sani

Le condizioni neuropsichiatriche vengono sempre più intese come disturbi delle interazioni funzionali intrinseche all'interno e tra reti cerebrali diffuse e distribuite. Dati i recenti progressi nell'acquisizione dei dati di risonanza magnetica funzionale (fMRI) e nell'analisi computazionale, è ora possibile mappare in modo affidabile la neuroanatomia funzionale delle reti cerebrali all'interno degli individui, offrendo una potenziale strada per l'identificazione di bersagli neuroterapeutici personalizzati. Tuttavia, i trattamenti gold standard (ad es. farmacoterapia) nell'attuale pratica psichiatrica non erano originariamente progettati per mirare a specifiche interazioni della rete cerebrale e mancano di protocolli che sfruttano tali dati a livello individuale. Il neurofeedback in tempo reale, in base al quale i pazienti osservano e imparano a regolare aspetti selezionati della propria attività cerebrale, è un approccio candidato per personalizzare personalmente la normalizzazione della comunicazione malsana all'interno e tra le reti cerebrali. Tuttavia, per colpire le principali reti cerebrali che funzionano in modo anomalo in condizioni neuropsichiatriche, il neurofeedback si basa sulla fMRI, che è una procedura costosa che comporta una configurazione complessa e un carico del paziente. L'obiettivo di questo progetto è sviluppare un'"impronta digitale" dell'elettroencefalografia (EEG) della dinamica della rete fMRI in modo che un sistema di neurofeedback basato solo sull'EEG (elettrodi posizionati sul cuoio capelluto) possa essere utilizzato per indirizzare con precisione le interazioni all'interno e tra le reti cerebrali. Poiché i dispositivi EEG possono essere portatili e offrire una configurazione relativamente semplice in impostazioni flessibili, questa ricerca potrebbe consentire una forma scalabile di addestramento al neurofeedback basato sulla rete a cui i pazienti potrebbero accedere regolarmente. Obiettivo 1 di questa ricerca è identificare un modello ottimale di caratteristiche EEG che siano predittive dell'"antagonismo" del default mode network (DMN) basato su fMRI all'interno degli individui. I ricercatori si concentrano su questo antagonismo DMN perché è una caratteristica importante che è rilevante per la disfunzione cognitiva nella malattia psichiatrica a livello transdiagnostico. Gli investigatori raccoglieranno dati EEG-fMRI simultanei di alta qualità in 24 adulti sani (> 100 minuti di campionamento per partecipante), comprese tre condizioni: (1) stato di riposo, (2) prestazioni continue del compito e (3) fMRI continuo neurofeedback basato sugli stati di antagonismo DMN. Gli investigatori applicheranno metodi basati sull'apprendimento automatico per identificare una mappatura ottimale tra componenti del segnale EEG e antagonismo DMN basato su fMRI. Inoltre, gli investigatori determineranno quanto campionamento EEG-fMRI a livello individuale è necessario per prevedere con successo l'antagonismo DMN dall'EEG. Lo scopo 2 della ricerca è verificare se i marcatori EEG dell'antagonismo DMN sono predittivi delle fluttuazioni delle prestazioni del compito cognitivo all'interno degli individui. Pertanto, i risultati potrebbero offrire la convalida della rilevanza comportamentale di un sistema di neurofeedback EEG che mirerebbe all'antagonismo DMN. In caso di successo, il lavoro può portare allo sviluppo di uno strumento di psichiatria computazionale accessibile che può essere testato in condizioni cliniche in cui è interessato l'antagonismo DMN (e la funzione cognitiva correlata), tra cui il disturbo da deficit di attenzione/iperattività, la depressione e la schizofrenia.