リスクのある精神状態全体の脳波微小状態 (DEMETER)

• 研究の目的: EEG マイクロステートは、脳全体のニューロン ネットワークの静止状態の時間的ダイナミクスを翻訳します。 今回、研究者らは、EEG微小状態異常が精神疾患のマーカーを構成する可能性があるかどうかを確認することを目的としている。

• 方法: それぞれ 21 人の参加者からなる 6 つのグループが含まれます。 精神障害のある参加者からなる5つのグループ（リスク精神状態 - ARMS、初発精神病 - FEP、統合失調症 - SCZ、大うつ病性障害 - MDD、自閉症スペクトラム障害 - ASD）と、健康な対照の1つのグループが存在します。 。 私たちの主な目的は、安静時と睡眠中の各微小状態を特徴付ける各変数（持続時間、頻度、占有時間）について、グループ間の平均の差をテストすることと、副次的に接続性（体性感覚誘発）のEEG測定値をテストすることです。電位）、皮質の興奮性（アルファバンドパワー）、韻律および会話の言語的尺度。

  • 微小状態の測定に関して: 64 チャネルを備えた 5 分間の目を閉じた安静状態の EEG が記録されます (以下に説明する感覚運動タスクを含むより大きなタスクの一部として)。 最小限の前処理は、Python 上の MNE EEG ソフトウェアを使用して実行されます。これには、0.5 ～ 40 Hz のバンドパス フィルター、平均値の再参照、アーティファクトの視覚的および自動補正が含まれます。 各記録は臨床神経生理学者によって視覚的に再分析され、実際に残留アーティファクトのない、アルファ優位の安静リズムであることが確認されます。 マイクロステート分析は、Pycrostates パッケージを使用して行われます。 グローバル フィールド パワー (GFP) は各参加者に対して決定されます。 GFP ピークにおける EEG トポグラフィのみが保持され、修正された K 平均クラスタリングを通じて微小状態のトポグラフィが決定されます。 各被験者について、同じ数の GFP ピークが抽出され、クラスタリングのために単一のデータセットに連結されます。 結合されたスコアは、最適なクラスター数を計算するために使用されます。 結果として得られるクラスターは、個々のマップにバックフィットされます。 時間的平滑化は、低 GFP のピーク間ノイズの期間が準安定セグメントのシーケンスを中断しないことを保証するために使用されます。 対象ごとに、マイクロステート クラスごとに、発生頻度 (「発生」)、時間的範囲 (「範囲」)、および平均継続時間の 3 つのパラメーターが計算されます。 発生回数は、特定のマイクロステートが 1 秒あたりに発生する平均回数です。 カバレッジ (%) は、特定のマイクロステートで費やされた合計解析時間の割合です。 平均継続時間 (ミリ秒単位) は、特定の微小状態が (時間的平滑化後) 中断なく存在していた平均時間です。
  • 言語的尺度について: 各参加者は訓練を受けた実験者との半構造化面接を受けます。 参加者と面接官は両方ともヘッドセット AKG-C544L コンデンサー マイクを装着し、AKG MPA VL ファントム アダプターを介して Zoom H4n Pro Handy レコーダーに接続します。 音声は 44000 Hz (16 ビット) のサンプリングレートでデジタル録音されます。 口とマイクの間の距離は可能な限り一定 (2 cm) に保たれ、一貫したレベルの声の大きさを確保します。 インタビューは環境騒音を抑えるために静かな部屋で行われます。クロストークを防ぐために、2 つの相互作用要素は可能な限り遠くに配置されます (つまり、 インタビュアーのスピーチが参加者のマイクで捉えられる、またはその逆）。 録音から取得した .wav ファイルは、Praat ソフトウェアを使用して注釈が付けられ、続いて Praat と R で分析されます。韻律特徴は、Prosogram ツール (Praat スクリプトのセット、オープンソース) と、スクリプトの新しい修正バージョンを使用して抽出されます。プロソグラムツール。 交代変数は、新しく結合された Praat スクリプトと R スクリプトを使用して抽出されます。
  • 感覚運動統合の測定について: 感覚運動統合は、視覚触覚タスクを使用して調査されます。 各試行では、画面の前に座っている参加者に視覚的な指示 (画面の右または左の点) が与えられます。 このタスクは、視覚的な指示に従って、体の両側にある 2 つのボタンのうちの 1 つを、対応する手の人差し指で押すことで構成されます。 振動触覚刺激装置 (アンプによって変調された Arduino 電子カードに配線された小型スピーカー) を両手の第一背側骨間筋に適用します。 視覚的指示の 400 ミリ秒前に、2 本の手のうちの 1 つは、一方の手で 100 ミリ秒間、触覚キュー (振動) を受け取ります。 この手がかりはブロックに応じて多かれ少なかれ信頼できます。 一部のブロックでは、トライアルの 90% で振動と視覚的指示が一致して (同じ手を示している) 提示されるため、非常に信頼性が高くなります。 別の条件は一致するトライアルの 50% のみで構成されており、この場合、触覚キューは信頼できません。 70% 一致する場合の 2 つのブロックが中間で実行されます。 最後に、触覚手がかりを含まないベースライン ブロックがタスクの最初と最後に表示されます。 90% と 50% のブロックの順序はランダムです。 触覚刺激と視覚刺激は MATLAB スクリプトで生成されます。 各ブロックは 100 トライアル、合計 500 トライアルで構成されます。 脳波 (EEG) データは、脳の電気的活動を記録するために 64 チャネル EEG キャップ (Biosemi 製) を使用して、タスク全体にわたって記録されます。 このセットアップはアイトラッカーに接続されており、参加者が各ブロック中に画面の中央にある十字を注視していることを制御します。
  • 多次元自己およびエピソード記憶タスク (タスクデザイン: Laboratoire Mémoire、Cerveau et Cognition) に関して: ベースラインでは、参加者は 8 つの領域で最小限の自己の感覚を評価する自己申告式のアンケートに提出されます (内受容意識の多次元評価 - バージョン 2) ）と 5 つの領域における物語的自己の感覚（テネシー自己概念スケール - 短縮形、現在）。 彼らは、視覚的なエピソード記憶の能力を評価する神経心理学的テストを受けます（Wechsler Memory Scale-IIIの家族の写真）。 彼らは、現在の感情状態を 4 つの領域の視覚アナログ スケール (気分視覚アナログ スケール) で評価します。 仮想現実における 2 つのナビゲーション セッションのそれぞれに続いて、参加者は、さまざまなレベルの自己言及に関連付けられ、エピソード記憶に偶発的にコード化されることを目的とした日常生活の出来事に遭遇する仮想都市を散策することで構成されます。 4 つのドメインでの具体化の感覚 (具体化アンケート)、4 つのドメインでの存在感 (Igroup プレゼンス アンケート)、および 2 つのドメインでのサイバーシックネス (シミュレーターシックネス アンケート) を評価する自己申告式アンケート。 彼らは、現在の感情状態を視覚的なアナログスケール (気分視覚アナログスケール) で再度評価します。 最後に、参加者は自由想起タスクと認識タスクという 2 つのエピソード記憶テストを受けます。 無料回想は 20 分間の口頭インタビューに基づいて行われ、その間、参加者は仮想都市で遭遇した覚えているすべての出来事を思い出すように求められます。 それぞれの出来事について、彼らは体系的かつ最も正確に、その出来事が何だったのか、ナビゲーション中にいつどこで起こったのか、2 つのナビゲーションのうちどちらで起こったのか (ソース)、どちらによると誰が指示対象であったのかを思い出すように求められます。その出来事の個人的な重要性、その出来事の客観的（知覚的）および主観的（現象学的）詳細、そしてその出来事が鮮明に追体験されたか、単に懐かしいと感じたかどうかが評価されました（記憶/認識手順）。 認識テストはコンピューター上で実行され、Python モジュール Neuropsydia を使用してプログラムされます。 遭遇しなかった 16 個のルアーと混合した 32 個の遭遇したすべてのイベントがコンピュータ画面上にランダムな順序で正常に表示されます。 各イベントについて、いくつかの質問が正常に行われ、参加者はいくつかの命題の中から正しいと思うものをクリックします。イベントに遭遇したか (はい/いいえ)、はいの場合、それが起こった場所 (画像上で考えられるいくつかの位置のうちの 1 つ) です。イベントが発生したゾーンの）、いつ発生したか（時系列でイベントを他の 2 つのイベントに置き換える）、どのナビゲーションで（最初または 2 番目のナビゲーション）、誰が指示対象であったか（私 / 他者）。 各イベントについて、参加者は 0 から 100 の範囲のスケールで評価します。イベントの追体験または親近感 (100 = 覚えている、0 = 知っている)、記憶の視点 (100 = 一人称視点、0 =三人称視点）、その活気、忠実さ、感情の激しさ、関連する身体感覚の強さ、エピソード的な自己言及、および意味的な自己言及。

すべての変数について、研究者は反復測定 ANOVA を適用し、次の対比を使用します。

1. 「ARMS、FEP、SCZ、ASD、MDD」対「健康な被験者」（微小状態は一般的な精神病理のマーカーとしてテストされます）。
2. 「ARMS、FEP、SCZ」対「ASD、MDD」（微小状態は精神病の特異的マーカーとしてテストされます。同様に、うつ病と ASD に対するこのサインの特異性がテストされます）
3. 「ARMS」対「FEP」対「SCZ」（微小状態は進化マーカーとしてテストされます）。

4. 最後に、UHR 間の精神病への移行率に応じて、「UHR-T」と「UHR-NT」の比較を行うことができます（微小状態は精神病の予測マーカーとしてテストされます） すべての被験者は神経心理学、精神病理学を含む詳細な表現型検査を受けます、神経学的ソフトサインスケール、構造的MRI、遺伝的およびエピジェネティックな測定。

   • 仮説: EEG 微小状態 C および D の不均衡は、対照、MDD、および ARMS と比較して、精神病の領域全体および ASD においてより顕著であり、体性感覚、内受容、および言語特性の異常と関連していると予想されます。