Clinical Decision Support System (CDSS) bij neurostimulatietherapie (CDSS)

Primaire doelstelling: het ontwikkelen van een voorspellend model geïntegreerd in een klinisch beslissingsondersteunend systeem (CDSS) door neuroimaging kwantitatieve informatie die objectief wordt geëxtraheerd uit magnetische resonantie (MR)-beelden, die het juiste gebruik en de effectiviteit maximaliseert van apparaten voor elektrische stimulatie die chirurgisch zijn geïmplanteerd bij geselecteerde patiënten met chronische pijn.

Verkennende doelstellingen:

1. -Analyseren van functionele en anatomische hersenconnectiviteitspatronen bij patiënten met chronische pijn, om een ​​voorspellend model te ontwikkelen op basis van kwantitatieve magnetische resonantie neuroimaging dat de effectiviteit maximaliseert van neurostimulatieapparaten die chirurgisch zijn geïmplanteerd bij patiënten met chronische pijn.
2. Analyseer de relatie tussen biomarkers voor neuroimaging en de verschillende klinische schalen en variabelen die van elke patiënt zijn vastgelegd (VAS, Oswestry Disability Index, DN4, Pain Detect, Moss, SF12, coping-schaal, optimisme, veerkracht en HAD).

Testapparaat: 1.5 Tesla MR-systeem (Philips Healthcare, Best, Nederland) Boston Scientific Neuromodulation (BSN) Precision Spectra™ ruggenmergstimulatiesysteem met Illumina 3D™-software en 32 contacten.

Apparaatbeschrijving: Precision Spectra™-systeem IPG is een meervoudige, onafhankelijke stroomgestuurde pulsgenerator die stroom kan leveren via 32 contacten. Het wordt aangedreven door 3D-programmeersoftware die rekening houdt met de anatomische positie van de leads. Er worden twee modellen SCS-leads geleverd, met 8 of 16 contacten met een diameter van 1,3 mm, een contactlengte van 3 mm en een contactafstand van 1, 4 of 6 mm. Het gebruik van SCS-extensies is optioneel om de IPG aan te sluiten.

fMR-beschrijving: Het MR-experiment zal in overeenstemming zijn met de vereisten op het etiket. De MR-procedure wordt uitgevoerd voorafgaand aan de implantatie van het apparaat om vertekening te voorkomen. Sterker nog, de Food and Drug Administration (FDA) raadt om veiligheidsredenen het onderzoek van patiënten met dit soort apparaten af.

Onderzoeken zullen worden uitgevoerd in een 1'5 Tesla MR-systeem (Philips Healthcare, Best, Nederland) in het Quiron Ziekenhuis. Beslissing van het magnetische veld is gebaseerd op de kwaliteit van de onderzoeken en moet berusten op labelproducten en goedkeuring van het bedrijf voor interactie met het geïmplanteerde systeem.

Er wordt gebruik gemaakt van een kopspoel met 8 ontvangstkanalen. Zodra de patiënt in het systeem is geplaatst, worden initiële en snelle lokalisatiebeelden verkregen om de MR-sequenties van de onderzoeksstudie correct te plannen.

Na planning wordt een functionele MR (rs-fMR) beeldvormingssequentie in rusttoestand verkregen, waarbij de patiënt wordt gevraagd stil te zijn met gesloten ogen en te denken in een blauwe lucht. De acquisitieparameters zullen bestaan ​​uit een Echo Planar (EPI) dynamische T2*-reeks, volledige hersendekking met de volgende parameters: TR=2000 ms; TE=30 ms; voxelgrootte, 1,8 x 1,8 x 3,5 mm; kantelhoek, 90º; 40 axiale plakjes; acquisitietijd 5:20 min.

Er zal een DTI MR-sequentie worden verkregen om de microstructuur en connectiviteit van witte stof te analyseren door middel van tractografietechnieken met de volgende parameters: Spin-Echo Echo Planar Imaging (SE-EPI)-sequentie, enkelvoudige opname; volledige hersendekking; 64 gradiëntrichtingen; b-waarde, 1300 s/mm2; TR=6200 ms; TE=67 ms; voxelgrootte, 2 x 2 x 2 mm; 60 axiale plakjes; acquisitietijd 9:40 min.

Een aanvullende anatomische sequentie zal bovenliggende structurele en functionele resultaten mogelijk maken en bovendien de volumetrische waarden van elk hersengebied verkrijgen. De sequentieparameters zijn: T1-gewogen 3D-gradiënt-echosequentie (GRE), volledige hersendekking; TR=11,6 ms; TE=5,69; voxelgrootte, 0,48 x 0,48 x 0,50 mm; kantelhoek, 8º; 280 axiale plakjes; acquisitietijd 5:36 min.

Na beeldacquisitie worden alle datasets verzonden naar het Imaging Biomarkers Platform van de Biomedical Imaging Research Group (GIBI230) van het La Fe Research Institute.

De fMR-beelden worden uitgelijnd om eventuele hoofdbewegingen van kleine patiënten tijdens het onderzoek te corrigeren. Hiervoor wordt de open source softwaretool SPM8 (Statistical Parametric Mapping, http://www.fil.ion.ucl.ac.uk/spm/) gebruikt. Na bewegingscorrectie wordt een temporele correctie toegepast die de slice-timing optimaliseert. Beelden zullen vervolgens worden genormaliseerd naar een gestandaardiseerde hersensjabloon om de oscillaties tussen individuen te kunnen bestuderen. Na dergelijke processen worden gegevens gefilterd door een 3D-Gaussiaanse kernel om de signaal-ruisverhouding (SNR) te verhogen en tegelijkertijd verschillen tussen proefpersonen te minimaliseren. Ten slotte zal de toepassing van onafhankelijke componentanalyse (ICA)-algoritmen het mogelijk maken om tijdens de acquisitie hersenactiveringskaarten in het onderwerp te extraheren.

De analyse van de DTI MR-gegevens voor het extraheren van de connectiviteit van witte stofkanalen zal worden uitgevoerd met de open-source FSL-softwaretool (http://www.fmrib.ox.ac.uk/fsl/). Een initiële wervelstroomcorrectie zal op de beelden worden toegepast om kleine beeldverplaatsingen en geometrische vervormingen te minimaliseren. De hersenen worden vervolgens gesegmenteerd met behulp van het BET-algoritme en de hersengegevens van alle patiënten worden genormaliseerd naar een gemeenschappelijk sjabloon voor de groepsgebaseerde analyse. Na dit proces zullen fractionele anisotropie (FA), diffusie (D) en oriëntatiekaarten verkregen worden.

Zodra de MR-beelden zijn verwerkt, moeten de structurele en functionele connectiviteitseigenschappen worden geëxtraheerd uit de interessegebieden (ROI). De positionering van deze regio's wordt verkregen uit de zones die betrokken zijn bij het Default Mode Network (DMN). Het DMN kan een belangrijke rol spelen bij pijnperceptie en vertoont een hoge correlatie met de door patiënten beschreven symptomen, waardoor dit netwerk nuttig is voor het voorspellen van de respons van de patiënt na de implantatie van elektrische stimulatie, zowel op functioneel als op structureel niveau.

Aangezien beelden zullen worden genormaliseerd naar een gemeenschappelijk sjabloon, zal de AAL-tool voor geautomatiseerde gebiedslabeling worden gebruikt om de interessegebieden van het onderzoek te definiëren, die het DMN samenstellen en worden gevormd door de mediale temporale kwab, prefrontale cortex, posterior cingulate, precuneus en de pariëtale cortex. Na het meten van de connectiviteitsparameters in deze regio's, zal een voorspellend model worden ontwikkeld door klinische variabelen (schalen en symptomen van elke patiënt) en neuroimaging-informatie te combineren. Deze modellen zullen in eerste instantie worden aangepast met een totaal van 30 patiënten (trainingsgegevens) en later gevalideerd in een groep van 30 patiënten (validatiegegevens), waarna resultaten van specificiteit, gevoeligheid en modelprecisie worden verkregen.