건강한 성인의 기본 모드 네트워크 반상관의 뇌파 예측인자 조사

신경정신병적 상태는 광범위하고 분산된 뇌 네트워크 내에서 그리고 그 사이의 본질적이고 기능적인 상호작용의 장애로 점차 이해되고 있습니다. 기능적 자기공명영상(fMRI) 데이터 수집 및 컴퓨터 분석의 최근 발전을 감안할 때 이제 개인 내 뇌 네트워크의 기능적 신경해부학을 안정적으로 매핑할 수 있어 개인화된 신경치료 대상을 식별할 수 있는 잠재적인 방법을 제공합니다. 그러나 금본위제 치료(예: 약물 요법)은 원래 특정 뇌 네트워크 상호 작용을 목표로 설계되지 않았으며 그러한 개별 수준 데이터를 활용하는 프로토콜이 부족합니다. 환자가 자신의 뇌 활동의 선택된 측면을 관찰하고 조절하는 방법을 배우는 실시간 뉴로피드백은 뇌 네트워크 내에서 그리고 뇌 네트워크 사이의 건강하지 못한 통신의 정상화를 개인적으로 맞춤화하는 후보 접근 방식입니다. 그러나 신경정신과적 상태에서 비정상적으로 기능하는 주요 뇌 네트워크를 표적으로 삼기 위해 뉴로피드백은 복잡한 설정과 환자 부담을 수반하는 고가의 절차인 fMRI에 의존합니다. 이 프로젝트의 목표는 fMRI 네트워크 역학의 뇌파(EEG) "지문"을 개발하여 EEG(두피에 배치된 전극)만을 기반으로 하는 뉴로피드백 시스템을 사용하여 뇌 네트워크 내에서 그리고 뇌 네트워크 간의 상호 작용을 정확하게 목표로 삼을 수 있도록 하는 것입니다. EEG 장치는 휴대가 가능하고 유연한 환경에서 비교적 간단한 설정을 제공할 수 있기 때문에 이 연구는 환자가 정기적으로 액세스할 수 있는 확장 가능한 형태의 네트워크 기반 뉴로피드백 훈련을 가능하게 할 수 있습니다. 이 연구의 목표 1은 개인 내의 fMRI 기반 기본 모드 네트워크(DMN) "길항 작용"을 예측하는 EEG 기능의 최적 모델을 식별하는 것입니다. 조사자들은 이 DMN 길항작용에 초점을 맞췄는데, 이는 그것이 트랜스진단 수준에서 정신 질환의 인지 기능 장애와 관련된 주요 특징이기 때문입니다. 조사관은 (1) 휴식 상태, (2) 지속적인 작업 수행 및 (3) 지속적인 fMRI의 세 가지 조건을 포함하여 24명의 건강한 성인(참가자당 샘플링 시간 >100분)에서 고품질의 동시 EEG-fMRI 데이터를 수집합니다. DMN 길항 상태에서 기반 뉴로피드백. 조사관은 기계 학습 기반 방법을 적용하여 EEG 신호 구성 요소와 fMRI 기반 DMN 길항 작용 사이의 최적 매핑을 식별합니다. 또한 조사관은 EEG에서 DMN 길항 작용을 성공적으로 예측하기 위해 개인 수준의 EEG-fMRI 샘플링이 얼마나 필요한지 결정할 것입니다. 연구의 목표 2는 DMN 길항작용의 EEG 마커가 개인 내 인지 작업 수행 변동을 예측하는지 여부를 테스트하는 것입니다. 따라서 이번 연구 결과는 DMN 길항 작용을 목표로 하는 EEG 뉴로피드백 시스템의 행동 관련성에 대한 검증을 제공할 수 있습니다. 이 작업이 성공하면 주의력 결핍/과잉 행동 장애, 우울증 및 정신분열증을 포함하여 DMN 길항(및 관련 인지 기능)이 영향을 받는 임상 조건에서 테스트할 수 있는 접근 가능한 전산 정신의학 도구의 개발로 이어질 수 있습니다.