Neurofeedback for PTSD (NEUROFPTSD)

En virtuell verden/nevro-feedback Sanntidsfunksjonell MR-tilnærming til PTSD-behandling

Til tross for tilgjengelighet av behandling, er posttraumatisk stresslidelse (PTSD) fortsatt et stort problem hos veteraner, med enorm innvirkning på pasienter, deres familier og VHA-systemet. En viktig terapeutisk tilnærming brukt for veteraner med PTSD er eksponeringsterapi, som har gunstige effekter hos mange pasienter. Det er imidlertid behov for forbedringer av nåværende terapier da mange veteraner forbedrer seg mindre enn etterforskerne ønsker.

De overordnede hypotesene i dette forslaget er todelt. For det første kan hjerneaktiviteten målt med funksjonell MR (fMRI) brukes til å skjelne de forskjellige hjernetilstandene til en PTSD-pasient under en truende opplevelse kontra i et rolig øyeblikk, og at pasienter, hjulpet av nevro-feedback hentet fra sanntid fMRI under en virtuell virkelighetsopplevelse, kan lære å redusere responsen deres ved å forsettlig modifisere hjernetilstanden. For det andre at kontinuerlig måling av fysisk aktivitet, hjertefrekvens og søvnmønster ved bruk av bærbare enheter kan hjelpe i studiet av PTSD-behandlingsbaner.

Etterforskerne vil kombinere virtuelle verdener, maskinlæring, sanntids fMRI og nevro-feedback for å gi en ny PTSD-behandling som etterforskerne håper vil være mer effektiv enn dagens alternativer, i det minste i visse utfordrende tilfeller. Det er viktig at etterforskerne konstruerer en beregningsmodell som er spesifikk for kombinasjonen pasient+stimulus. Dette er kritisk ettersom PTSD-pasienter er svært heterogene.

Mål 1. Bruk av Virtual World/Neurofeedback med sanntids fMRI som terapi for PTSD Femten PTSD-pasienter rekruttert ved MEDVAMC vil bli eksponert for Virtual Iraq, en virtuell verdensplattform der de vil bli utsatt for krigslignende scenarier, og for å roe scener der ingen trussel vil være tilstede. Hjerneaktivitet vil bli samlet inn ved hjelp av fMRI og analysert med maskinlæring for å skille mellom begge ekstreme hjernetilstander (STRESS vs. ROLIG). Disse to tilstandene vil bli brukt under nevrofeedback-trening: I de påfølgende ukene vil deltakerne bli eksponert for 7 fMRI/Virtual World-økter der de vil bli instruert til å prøve å flytte en måler til CALM-siden ved å bruke individuelle mentale strategier (aktive som f.eks. konsentrere seg om et bestemt minne, eller passiv ettersom det har vist seg at nevrofeedback ikke nødvendigvis trenger forsettlig innsats for å fungere). Stressfullheten til den virtuelle verdenen vil bli manipulert av måleren: når pasienten er i stand til å flytte stangen mot ROLIG (ved å bringe hjernen mot den tilstanden) vil stressfullheten til den virtuelle verden avta.

Hypotese 1: PTSD-symptomer vil avta etter hvert som treningen skrider frem og pasienter lærer mentale strategier for å "bringe verden" til en ROLIG tilstand.

Mål 2. Studie av bærbar teknologi for å vurdere behandlingssuksess ved PTSD Selv om det finnes PTSD-måleverktøy og etterforskerne vil bruke dem før, under og etter trening, er generelt ikke selvrapporter så robuste og pålitelige som man ønsker. Det vil derfor være fordelaktig med flere fysiologiske mål for behandlingsprogresjon for PTSD, og ​​for psykiatrien generelt. Etterforskerne vil bruke en bærbar enhet som ligner på et armbåndsur som deltakeren vil bruke kontinuerlig gjennom hele treningen, og vil tillate etterforskerne å måle fysisk aktivitet, hjertefrekvens og søvnkvalitet.

Hypotese 2: Data fra den bærbare enheten vil korrelere med selvrapporter og med økt evne til å bevisst bringe den virtuelle verden til ROLIG tilstand under trening.

Avslutningsvis foreslår etterforskerne at nevrofeedback vil gi PTSD-pasienter muligheten til å oppdage personlige mentale strategier for å bli roligere under stressende situasjoner. Læringsprosessen trenger imidlertid ikke å være et resultat av bevisst innsats, da det har vist seg at sanntids fMRI-relatert læring kan skje uten bevisst innsats eller bevissthet. I tillegg postulerer etterforskerne at bærbare enheter vil fange opp fysiologiske data knyttet til banene under PTSD-behandling.

Etterforskerne forstår at tilnærmingen dessverre kan være for dyr til å brukes rutinemessig (en nøye kostnad-nytte-studie etter studie kan imidlertid bevise det motsatte). Imidlertid antar etterforskerne at hvis denne piloten er vellykket, vil det være mulig å bruke disse dataene til å utvikle rimeligere hybridalternativer å legge til eksponeringsterapi, for eksempel bruk av fMRI i kombinasjon med EEG for å skille mellom hjernetilstander (kun ett MR-besøk nødvendig), og bruker deretter kun EEG under trening.

Foreløpige studier Forskningen i dette forslaget vil bygge på etterforskernes 4-årige forskningsprosjekt ved UT Austin finansiert av Army Research Office. Dette arbeidet utvidet i stor grad nytten av virtuelle 3D-verdener for bruk som stimuli for fMRI-basert forskning, og la grunnlaget for individualiserte terapier og trening. Det vil spille en sentral rolle i å gi nevro-feedback ved å analysere hjerneaktiviteten til pasienter som svar på virtuelle verdener designet for å fremkalle PTSD-responser, slik som de levert av BRAVEMIND.

fMRI-datainnsamling prøver et volum av hjerneaktivitet hvert 2.–3. sekund i flere minutter etter behov. Hver prøve er en 3D-array av voksler som måler den samlede hjerneaktiviteten for noen få millioner nevroner. Konvensjonell fMRI-dataanalyse behandler verdiene fra hver voxel som separate tidsserier, og utfører en lineær statistisk analyse som relaterer stimulansen til den målte aktiviteten. For å håndtere den økte kompleksiteten ved å bruke sanntids virtuelle verdener som en stimulans, brukte etterforskerne i stedet maskinlæring for analyse. Maskinlæringsbaserte metoder kan trekke ut komplekse korrelasjoner over mange voksler i stedet for en enkelt voxel. Metoden innebærer "trening" ved å mate eksempel input/output-par inn i algoritmen. I etterforskernes tilfelle er inngangen en fMRI-tidsprøve og utgangen, som reflekterer stimulansen, er en kategori som etterforskerne er interessert i. Etterforskerne refererer til hver kategori som en "hjernetilstand", som er hjerneaktiveringsmønsteret spesifisert ved å merke hver tidsskive med en bestemt stimuluskategori.

Etterforskerne var i stand til å oppnå nøyaktig ytelse for å oppdage hjernetilstander i to forskjellige eksperimenter. Begge brukte virtuelle verdener som antydet irakiske byer og virtuelle karakterer fra den amerikanske hæren og innfødte fiendtlige stridende. I det første eksperimentet brukte etterforskerne et passivt visningsparadigme der 1-6 stridende ble presentert på forskjellige steder i en virtuell by. Gjennomsnittlig ytelse på tvers av fag var ganske god og langt over sjansen når det gjaldt å bestemme hvor mange stridende (1-6) deltakeren så til hver gang. Det andre eksperimentet brukte en lignende, men mer kompleks stimulus som inkluderte en spesifikk visuell oppgave som krever brukerreaksjon. Forsøkspersonene ble bedt om å reagere raskt via et knappetrykk på at et våpen plutselig ble trukket ut av en enkelt fiendtlig stridende i en folkemengde på 20 karakterer, hvorav halvparten var vennlige styrker. Oppgavevanskeligheten ble variert tilfeldig over møter som varte i 30 sekunder hver. Etterforskernes maskinlæringsmetoder kunne gjenkjenne denne hjernetilstandsdimensjonen med 70–90 % nøyaktighet.

Forskningsdesign og metoder Mål 1. Bruk av virtuell verden/nevrofeedback med sanntids fMRI som terapi for PTSD. Etterforskerne vil kombinere virtuelle verdener, sanntids fMRI, maskinlæring og nevro-feedback, for å gi en ny PTSD-behandling som etterforskerne håper vil være mer effektive enn dagens alternativer. Etterforskerne forventer også at ved å undersøke hjernekartene som de ovenfor, vil etterforskerne få innsikt i hvordan PTSD manifesterer seg i hjernen til forskjellige forsøkspersoner. Stereolyd/visuell stimulans vil bli levert av BRAVEMIND-systemet. Før skanning vil hvert forsøksperson delta i en sidelabterapisesjon med en utdannet terapeut. Etterforskerne vil justere stimulusparametere for å gi et passende terapeutisk spekter av responser mellom ROLIG og STRESSET. Ulike scener/scenarier vil være tilgjengelige. Dette utvalget av parameterinnstillinger vil bli registrert for påfølgende skanneøkter. I skanneren vil den virtuelle virkelighetsstimuli bli levert ved hjelp av en MR-kompatibel 3D-skjerm. Forsøkspersonene vil selv rapportere deres nivå av "STRESSET" angst ved hjelp av en fem-knappers MR-kompatibel responsenhet. Disse responsdataene og MR-dataene fra de to første øktene vil bli brukt av maskinlæringsalgoritmer for å bygge klassifiserere som kan diskriminere forsøkspersonens svar mellom ROLIG – STRESSET ved hver 1,5 sekunds tidsprøve. I de påfølgende 6 øktene vil emnet bli presentert for lignende, men ikke identiske stimuli mens det mottar tilbakemelding fra maskinlæringen. Dette vil gjøre dem i stand til gradvis å lære å selvmodulere sin egen hjernerespons mot en roligere reaksjon. Slike selvinduserte endringer vil bli oppdaget av fMRI-systemet og vil bli brukt til å modulere den virtuelle verdenen for å direkte redusere graden av opplevd trussel; gir dermed sanntids nevro-feedback som kreves av ekstinksjonsterapi (et "termometer" vil vises).

Helhjerne-FMRI-data vil bli samlet inn ved hjelp av en 3T Siemens Prisma-skanner som bruker SMS-akselerasjon for å oppnå 2 mm voxelstørrelse og TR = 1,5 sek (SMS x3, G = 2, TE = 30 ms, FA = 72). Skanningsøktene vil vare ~1 time, og begynner med innsamling av lokalisatorer og en høyoppløselig anatomi (MP-RAGE), 1 mm kubikkvoxel, etterfulgt av innsamling av fMRI-data under virtuell virkelighetsstimuluspresentasjon. Hver fMRI-kjøring vil vare ~6 minutter, og 6-8 kjøringer vil bli samlet.

Fallgruver og alternative strategier. Etterforskerne har vist evnen til å klassifisere en indre hjernedimensjon med 89 % nøyaktighet, men det er kanskje ikke mulig å oppnå tilsvarende nøyaktighet for «PTSD»-dimensjonen. Det kan være mulig å forbedre resultatene ved å inkludere de observerte puls- og respirasjonsdataene som input i maskinlæringen. Dessuten, selv om tilbakemeldingen mislykkes, vil etterforskerne fortsatt få innsikt i fysiologien til PTSD fra sensitivitetskartene som genereres av maskinlæring.

Mål 2. Studie av bærbar teknologi for å vurdere behandlingssuksess ved PTSD Fysisk aktivitet, hjertefrekvens og søvnmønster spiller alle viktige roller ved PTSD. Bærbar teknologi har nylig utviklet seg slik at etterforskerne nå konstant kan måle disse tre parameterne på en ikke-invasiv måte gjennom løpet av en studie. Etterforskerne foreslår å studere selvrapporterte symptomer i forbindelse med fysisk aktivitet, søvnmønster og pulsdato over 9 uker. Forskerne vil bruke lineær regresjon for å studere om CAPS5-, PCL- og dagboksymptomer korrelerer med aktivitets-, søvn- og hjertefrekvensmønstre under behandlingen. Etterforskerne antar at hos pasienter der behandlingen er mest vellykket, vil a) Gjennomsnittlig HR reduseres mer, b) Anfall av høy HR i løpet av dag og natt vil være mindre vanlig, c) Gjennomsnittlig fysisk aktivitet vil øke, d) Fysisk aktivitet vil øke. Regulerer til mer aktivitet på dagtid og mindre aktivitet i løpet av natten, e) Gjennomsnittlig søvntid vil øke, og f) Søvnmønster vil regulere seg med mindre våkne epoker i løpet av natten.

Fallgruver og alternative strategier. Det er mulig at data fra bærbare enheter ikke vil korrelere med symptomforbedring. En sannsynlig forklaring vil være at feilraten til gjeldende enheter ikke tillater at korrelasjoner er signifikante. Hvis det er tilfelle, bør denne tilnærmingen testes på nytt i fremtiden. En annen mindre sannsynlig forklaring vil være at fysisk aktivitet, hjertefrekvens og søvnkvalitet ikke er så sterkt korrelert med PTSD-symptomer som tilgjengelige data antyder. Siden dette er en liten pilotstudie, vil data som antyder en trend peke på mulige retninger å studere i fremtiden.

Generell konklusjon

Hovedideen med studien er at VR vil endre seg til et mindre stressende miljø når hjernen nærmer seg tilstanden som tidligere er definert som ROLIG. Etterforskerne postulerer at pasienter over tid vil lære å bevisst bringe hjernen til ROLIG tilstand, noe som vil gi dem individualiserte mentale strategier for å roe seg ned når en traume-/stresstrigger er tilstede.