PTSDに対するニューロフィードバック (NEUROFPTSD)

PTSD 治療に対する仮想世界/ニューロフィードバック リアルタイム機能的 MRI アプローチ

治療法が利用可能であるにもかかわらず、心的外傷後ストレス障害 (PTSD) は退役軍人にとって依然として大きな問題であり、患者、その家族、VHA システムに多大な影響を与えています。 PTSDを患う退役軍人に用いられる主な治療法は暴露療法であり、多くの患者に有益な効果をもたらしている。 しかし、多くの退役軍人は研究者が望んでいるほど改善していないため、現在の治療法の改善が必要です。

この提案の包括的な仮説は 2 つあります。 まず、機能的 MRI (fMRI) で測定された脳活動は、PTSD 患者の脅威的な体験時と穏やかな瞬間のさまざまな脳状態を識別するために使用でき、患者はリアルタイムから得られるニューロ フィードバックの助けを借りているということです。仮想現実体験中の fMRI は、脳の状態を意図的に変更することで反応を減らすことを学習できます。 第二に、ウェアラブル デバイスを使用した身体活動、心拍数、睡眠パターンの継続的な測定は、PTSD 治療経過の研究に役立つ可能性があるということです。

研究者らは、仮想世界、機械学習、リアルタイム fMRI、ニューロフィードバックを組み合わせて、少なくとも特定の困難な症例においては、現在の代替療法よりも効果的な新しい PTSD 治療法を提供する予定です。 重要なのは、研究者は患者と刺激の組み合わせに特有の計算モデルを構築することです。 PTSD患者は非常に多様であるため、これは非常に重要です。

目的 1. PTSD の治療法としてのリアルタイム fMRI による仮想世界/ニューロフィードバックの使用 MEDVAMC で募集された 15 人の PTSD 患者は、仮想世界プラットフォームである仮想イラクにさらされ、そこで戦争のようなシナリオにさらされ、心を落ち着かせることができます。脅威が存在しないシーン。 脳活動は fMRI を使用して収集され、機械学習で分析されて、両方の極端な脳状態 (STRESS と CALM) を識別します。 これら 2 つの状態は、ニューロフィードバック トレーニング中に使用されます。次の数週間で、参加者は 7 つの fMRI/仮想世界セッションにさらされ、そこでは個々の精神的戦略 (アクティブな状態など) を使用してゲージを CALM 側に移動するように指示されます。特定の記憶に集中するか、またはニューロフィードバックが機能するために必ずしも意図的な努力を必要としないことが示されているため、受動的です）。 仮想世界のストレスはゲージによって操作されます。患者が（脳をその状態に近づけることによって）バーを CALM に向けて動かすことができると、仮想世界のストレスは減少します。

仮説 1: トレーニングが進み、患者が「世界を CALM 状態に導く」ための精神的戦略を学ぶにつれて、PTSD の症状は減少します。

目的 2. PTSD の治療の成功を評価するためのウェアラブル技術の研究 PTSD 測定ツールはあり、研究者は訓練前、訓練中、訓練後にそれらを使用しますが、一般に自己報告は期待するほど堅牢で信頼できるものではありません。 したがって、PTSD および精神医学全般の治療の進行について、より生理学的な尺度が得られれば有益であろう。 研究者は、参加者がトレーニング中に継続的に着用する腕時計に似たウェアラブル デバイスを使用し、身体活動、心拍数、睡眠の質を測定できるようにします。

仮説 2: ウェアラブル デバイスからのデータは、自己報告と相関し、トレーニング中に仮想世界を意図的に CALM 状態にする能力の向上と相関します。

結論として、研究者らは、ニューロフィードバックによってPTSD患者がストレスの多い状況下で冷静になるための個人的な精神的戦略を発見できる可能性を得ることができると提案している。 ただし、リアルタイムの fMRI 関連の学習は意識的な努力や認識なしに発生する可能性があることが示されているため、学習プロセスは意図的な努力の結果である必要はありません。 さらに、研究者らは、ウェアラブル デバイスが PTSD 治療中の軌跡に関連付けられた生理学的データを取得すると仮定しています。

研究者らは、残念ながら、このアプローチは日常的に使用するには高価すぎる可能性があることを理解しています（ただし、研究後の慎重な費用対効果の研究により、そうでないことが判明する可能性があります）。 しかし、研究者らは、このパイロットが成功すれば、このデータを使用して、脳の状態を識別するためにfMRIをEEGと組み合わせて使用​​するなど、曝露療法に追加するより安価なハイブリッド代替法を開発することが可能になるだろうと仮説を立てています（MRI検査は1回だけです）必要）、トレーニング中は脳波のみを使用します。

予備研究 この提案の研究は、陸軍研究局の資金提供を受けたオースティン校での研究者らの 4 年間の研究プロジェクトに基づいて行われます。 この研究により、fMRI ベースの研究の刺激として使用する 3D 仮想世界の有用性が大幅に拡張され、個別の治療とトレーニングの基礎が築かれました。 BRAVEMINDが提供するようなPTSD反応を誘発するように設計された仮想世界に反応した患者の脳活動を分析することで、ニューロフィードバックを提供する上で中心的な役割を果たすことになる。

fMRI データ収集では、必要に応じて数分間、2 ～ 3 秒ごとに脳活動の量をサンプリングします。 各サンプルは、数百万のニューロンの総脳活動を測定するボクセルの 3D 配列です。 従来の fMRI データ解析では、各ボクセルからの値を個別の時系列として扱い、刺激を測定された活動に関連付ける線形統計解析を実行します。 リアルタイムの仮想世界を刺激として使用することによる複雑さの増大に対処するために、研究者らは代わりに機械学習を分析に使用しました。 機械学習ベースの方法では、単一のボクセルではなく、多くのボクセルにわたる複雑な相関関係を抽出できます。 この方法には、入力/出力ペアの例をアルゴリズムに入力することによる「トレーニング」が含まれます。 研究者の場合、入力は fMRI 時間サンプルであり、刺激を反映した出力は研究者が関心のあるカテゴリです。 研究者らは各カテゴリーを「脳状態」と呼んでいます。これは、各タイムスライスを特定の刺激カテゴリーでラベル付けすることで特定される脳の活性化パターンです。

研究者らは、2 つの異なる実験で脳の状態を検出する正確なパフォーマンスを達成することができました。 どちらも、イラクの町を連想させる仮想世界と、米軍や現地の敵対戦闘員の仮想キャラクターを使用していました。 最初の実験では、研究者らは仮想都市内の異なる場所に 1 ～ 6 人の戦闘員が表示される受動的な視聴パラダイムを使用しました。 被験者全体の平均パフォーマンスは非常に良好で、参加者が各回に何人の戦闘員 (1 ～ 6 人) を目撃したかを判断するという点で確率をはるかに上回っていました。 2 番目の実験では、ユーザーの反応を必要とする特定の視覚タスクを含む、同様ではあるがより複雑な刺激を使用しました。 被験者は、半数が友軍である20人のキャラクターの群衆の中で、1人の敵対的な戦闘員によって突然武器が引き抜かれた場合に、ボタンを押すことで迅速に反応するように求められました。 タスクの難易度は、それぞれ 30 秒間続く遭遇ごとにランダムに変化しました。 研究者らの機械学習手法は、この脳状態の次元を 70% ～ 90% の精度で認識できました。

研究デザインと方法の目的 1. PTSD の治療法としての仮想世界/ニューロフィードバックとリアルタイム fMRI の使用 研究者らは、仮想世界、リアルタイム fMRI、機械学習、およびニューロフィードバックを組み合わせて、新しい PTSD 治療法を提供します。研究者らは、現在の代替手段よりも効果的であることを期待している。 研究者らはまた、上記のような脳マップを調べることで、さまざまな被験者の脳で PTSD がどのように発現するかについての洞察が得られることを期待しています。 ステレオオーディオ/ビジュアル刺激は BRAVEMIND システムによって提供されます。 スキャンの前に、各被験者は訓練を受けたセラピストが参加するサイドラボ療法セッションに参加します。 研究者は、刺激パラメータを調整して、穏やかな状態とストレスのある状態の間の適切な治療範囲の反応を提供します。 さまざまなシーン/シナリオが利用可能になります。 この範囲のパラメータ設定は、後続のスキャン セッションでキャプチャされます。 スキャナーでは、MR 互換の 3D ディスプレイを使用して仮想現実刺激が配信されます。 被験者は、5 ボタンの MR 互換応答装置を使用して、「ストレス」不安のレベルを自己申告します。 この応答データと最初の 2 つのセッションの MRI データは、機械学習アルゴリズムによって使用され、1.5 秒のタイム サンプルごとに被験者の応答を CALM から STRESSED まで区別できる分類器を構築します。 次の 6 つのセッションでは、被験者は機械学習からのフィードバックを受けながら、同一ではないものの類似した刺激を与えられます。 これにより、子どもたちは自分の脳の反応をより穏やかな反応に向けて自己調節する方法を徐々に学ぶことができるようになります。 このような自己誘発的な変化は fMRI システムによって検出され、知覚される脅威の程度を直接軽減するために仮想世界を調整するために使用されます。したがって、消去療法に必要なリアルタイムの神経フィードバックが提供されます (「温度計」が表示されます)。

全脳FMRIデータは、SMS加速を使用する3T Siemens Prismaスキャナーを使用して収集され、2 mmのボクセルサイズとTR = 1.5秒（SMS x3、G = 2、TE = 30 ms、FA = 72）を取得します。 スキャン セッションは約 1 時間続き、ローカライザーと高解像度解剖学 (MP-RAGE)、1 mm 立方体ボクセルの収集から始まり、続いて仮想現実刺激提示中の fMRI データの収集が行われます。 各 fMRI 実行は約 6 分間続き、6 ～ 8 回の実行が収集されます。

落とし穴と代替戦略。 研究者らは、脳内部の次元を 89% の精度で分類できることを実証しましたが、「PTSD」の次元については同様の精度を得ることができない可能性があります。 観察された脈拍と呼吸のデータを機械学習への入力として含めることで、結果を改善できる可能性があります。 さらに、たとえフィードバックが成功しなかったとしても、研究者は機械学習によって生成された感度マップから PTSD の生理機能についての洞察を得ることができます。

目的 2. PTSD の治療の成功を評価するためのウェアラブル技術の研究 身体活動、心拍数、睡眠パターンはすべて PTSD において重要な役割を果たします。 最近、ウェアラブル技術が進化し、研究者は研究の過程を通じてこれら 3 つのパラメータを非侵襲的な方法で常に測定できるようになりました。 研究者らは、9週間にわたる身体活動、睡眠パターン、心拍数のデータと併せて、自己申告された症状を研究することを提案している。 研究者らは線形回帰を使用して、CAPS5、PCL、日記の症状が治療中の活動、睡眠、心拍数のパターンと相関するかどうかを研究する予定です。 研究者らは、治療が最も成功した患者では、a) 平均心拍数がさらに低下する、b) 昼夜に心拍数が高くなる発作が少なくなる、c) 平均身体活動量が増加する、d) 身体活動量が増加する、と仮説を立てています。日中の活動量を増やし、夜間の活動量を減らすように規則化します。e) 平均睡眠時間が増加し、f) 睡眠パターンが規則化し、夜間の覚醒時間は少なくなります。

落とし穴と代替戦略。 ウェアラブル デバイスからのデータが症状の改善と相関しない可能性があります。 おそらく、現在のデバイスのエラー率では有意な相関関係が認められないという説明が考えられます。 その場合、このアプローチは将来的に再度テストされる必要があります。 可能性が低いもう 1 つの説明は、身体活動、心拍数、睡眠の質は、入手可能なデータが示唆するほど PTSD 症状と強く相関していないということです。 これは小規模なパイロット研究であるため、傾向を示唆するデータは、将来の研究の方向性を示すものとなるでしょう。

一般的な結論

この研究の主なアイデアは、脳が以前に「CALM」と定義されていた状態に近づくにつれて、VR がストレスの少ない環境に変化するということです。 研究者らは、時間の経過とともに、患者は意識的に自分の脳を冷静な状態にすることを学び、トラウマやストレスの引き金が存在するときに落ち着くための個別の精神的戦略を提供するだろうと仮定している。