Neurofeedback para PTSD (NEUROFPTSD)

Uma Abordagem de MRI Funcional em Tempo Real de Mundo Virtual/Neurofeedback para o Tratamento de TEPT

Apesar da disponibilidade de tratamento, o transtorno de estresse pós-traumático (TEPT) continua sendo um grande problema em veteranos, com tremendo impacto nos pacientes, suas famílias e no sistema VHA. Uma abordagem terapêutica importante usada para veteranos com PTSD é a terapia de exposição, que tem efeitos benéficos em muitos pacientes. No entanto, são necessárias melhorias nas terapias atuais, pois muitos veteranos melhoram menos do que os investigadores gostariam.

As hipóteses gerais desta proposta são duplas. Primeiro, que a atividade cerebral medida com ressonância magnética funcional (fMRI) pode ser usada para discernir os diferentes estados cerebrais de um paciente com TEPT durante uma experiência ameaçadora versus um momento calmo, e que os pacientes, auxiliados por neuro-feedback derivado de tempo real fMRI durante uma experiência de realidade virtual, pode aprender a reduzir sua resposta modificando intencionalmente seu estado cerebral. Em segundo lugar, que a medição contínua da atividade física, frequência cardíaca e padrões de sono usando dispositivos vestíveis pode ajudar no estudo das trajetórias de tratamento do TEPT.

Os investigadores combinarão mundos virtuais, aprendizado de máquina, fMRI em tempo real e neurofeedback para fornecer um novo tratamento de PTSD que os investigadores esperam que seja mais eficaz do que as alternativas atuais, pelo menos em certos casos desafiadores. É importante ressaltar que os investigadores construirão um modelo computacional específico para a combinação paciente+estímulo. Isso é crítico, pois os pacientes com TEPT são muito heterogêneos.

Objetivo 1. Uso do mundo virtual/neurofeedback com fMRI em tempo real como terapia para TEPT cenas onde nenhuma ameaça estará presente. A atividade cerebral será coletada usando fMRI e analisada com aprendizado de máquina para discernir entre os dois estados cerebrais extremos (STRESS vs. CALM). Esses dois estados serão usados ​​durante o treinamento de neurofeedback: Nas semanas seguintes, os participantes serão expostos a 7 sessões de fMRI/Virtual World nas quais serão instruídos a tentar mover um medidor para o lado CALM usando estratégias mentais individuais (ativas como concentrando-se em uma memória particular, ou passivo, pois foi demonstrado que o neurofeedback não precisa necessariamente de esforço voluntário para funcionar). O estresse do mundo virtual será manipulado pelo medidor: quando o paciente for capaz de mover a barra em direção à CALM (levando o cérebro para esse estado), o estresse do mundo virtual diminuirá.

Hipótese 1: Os sintomas de TEPT diminuirão à medida que o treinamento avança e os pacientes aprendem estratégias mentais para "trazer o mundo" a um estado CALM.

Objetivo 2. Estudo de tecnologia vestível para avaliar o sucesso do tratamento em TEPT Embora existam ferramentas de medição de TEPT e os investigadores as utilizem antes, durante e após o treinamento, em geral os auto-relatos não são tão robustos e confiáveis ​​quanto se gostaria. Assim, seria benéfico ter mais medidas fisiológicas de progressão do tratamento para TEPT e para a psiquiatria em geral. Os investigadores usarão um dispositivo vestível semelhante a um relógio de pulso que o participante usará continuamente durante o treinamento e permitirá que os investigadores meçam a atividade física, a frequência cardíaca e a qualidade do sono.

Hipótese 2: Os dados do dispositivo vestível serão correlacionados com auto-relatos e com maior capacidade de trazer intencionalmente o mundo virtual para o estado CALM durante o treinamento.

Em conclusão, os investigadores propõem que o neurofeedback dará aos doentes de PTSD a possibilidade de descobrirem estratégias mentais pessoais para se tornarem mais calmos em situações de stress. No entanto, o processo de aprendizagem não precisa ser o resultado de um esforço intencional, pois foi demonstrado que o aprendizado relacionado à fMRI em tempo real pode ocorrer sem esforço consciente ou consciência. Além disso, os pesquisadores postulam que os dispositivos vestíveis irão capturar dados fisiológicos ligados às trajetórias durante o tratamento de PTSD.

Os investigadores entendem que, infelizmente, a abordagem pode ser muito cara para ser usada rotineiramente (no entanto, um cuidadoso estudo de custo-benefício pós-estudo pode provar o contrário). No entanto, os investigadores levantam a hipótese de que, se este piloto for bem-sucedido, será possível usar esses dados para desenvolver alternativas híbridas menos caras para adicionar à terapia de exposição, como o uso de fMRI em combinação com EEG para discernir entre estados cerebrais (apenas uma visita de ressonância magnética necessário) e, em seguida, usando apenas EEG durante o treinamento.

Estudos Preliminares A pesquisa nesta proposta se baseará no projeto de pesquisa de 4 anos dos investigadores na UT Austin financiado pelo Escritório de Pesquisa do Exército. Esse trabalho ampliou muito a utilidade dos mundos virtuais 3D para uso como estímulos para pesquisas baseadas em fMRI e lançou as bases para terapias e treinamento individualizados. Ele desempenhará um papel central no fornecimento de neurofeedback, analisando a atividade cerebral dos pacientes em resposta a mundos virtuais projetados para provocar respostas de PTSD, como as fornecidas pelo BRAVEMIND.

A aquisição de dados fMRI mostra um volume de atividade cerebral a cada 2-3 segundos por vários minutos, conforme necessário. Cada amostra é uma matriz 3D de voxels que medem a atividade cerebral agregada para alguns milhões de neurônios. A análise de dados fMRI convencional trata os valores de cada voxel como séries temporais separadas e realiza uma análise estatística linear que relaciona o estímulo à atividade medida. Para lidar com o aumento da complexidade do uso de mundos virtuais em tempo real como estímulo, os pesquisadores usaram o aprendizado de máquina para análise. Os métodos baseados em aprendizado de máquina podem extrair correlações complexas em muitos voxels, em vez de um único voxel. O método envolve "treinamento" alimentando exemplos de pares de entrada/saída no algoritmo. No caso dos investigadores, a entrada é uma amostra de tempo fMRI e a saída, refletindo o estímulo, é uma categoria na qual os investigadores estão interessados. Os investigadores referem-se a cada categoria como um "estado cerebral", que é o padrão de ativação cerebral especificado ao rotular cada fatia de tempo com uma categoria de estímulo particular.

Os pesquisadores conseguiram um desempenho preciso para detectar estados cerebrais em dois experimentos diferentes. Ambos usaram mundos virtuais sugestivos de cidades iraquianas e personagens virtuais do Exército dos EUA e combatentes nativos hostis. No primeiro experimento, os investigadores usaram um paradigma de visão passiva no qual 1-6 combatentes foram apresentados em diferentes locais em uma cidade virtual. O desempenho médio entre os sujeitos foi muito bom e muito acima do acaso em termos de determinar quantos combatentes (1-6) o participante estava vendo a cada vez. O segundo experimento usou um estímulo semelhante, porém mais complexo, que incluía uma tarefa visual específica que exigia a reação do usuário. Os participantes foram solicitados a responder rapidamente pressionando um botão a uma arma sendo sacada repentinamente por um único combatente hostil em uma multidão de 20 personagens, metade dos quais eram forças amigas. A dificuldade da tarefa variou aleatoriamente em encontros que duraram 30 segundos cada. Os métodos de aprendizado de máquina dos investigadores puderam reconhecer essa dimensão do estado cerebral com 70% a 90% de precisão.

Projeto de pesquisa e métodos Objetivo 1. Uso de mundo virtual/neurofeedback com fMRI em tempo real como terapia para TEPT os investigadores esperam que seja mais eficaz do que as alternativas atuais. Os investigadores também antecipam que, ao examinar os mapas cerebrais como os acima, os investigadores obterão informações sobre como o TEPT se manifesta nos cérebros de diferentes indivíduos. O estímulo áudio/visual estéreo será fornecido pelo sistema BRAVEMIND. Antes da varredura, cada sujeito participará de uma sessão de terapia de laboratório assistida por um terapeuta treinado. Os investigadores ajustarão os parâmetros do estímulo para fornecer uma gama terapêutica apropriada de respostas entre CALM e STRESSED. Várias cenas/cenários estarão disponíveis. Esta gama de configurações de parâmetros será capturada para sessões de varredura subseqüentes. No scanner, os estímulos de realidade virtual serão entregues usando uma tela 3D compatível com RM. Os sujeitos fornecerão auto-relato de seu nível de ansiedade "ESTRESSEADO" usando um dispositivo de resposta compatível com RM de cinco botões. Esses dados de resposta e os dados de ressonância magnética das duas primeiras sessões serão usados ​​por algoritmos de aprendizado de máquina para construir classificadores que podem discriminar as respostas do sujeito entre CALM - STRESSED a cada amostra de 1,5 segundos. Nas 6 sessões seguintes, o sujeito será apresentado a estímulos semelhantes, mas não idênticos, enquanto recebe feedback do aprendizado de máquina. Isso permitirá que eles aprendam gradualmente como automodular sua própria resposta cerebral em direção a uma reação mais calma. Tais mudanças auto-induzidas serão detectadas pelo sistema fMRI e serão usadas para modular o mundo virtual para reduzir diretamente o grau de ameaça percebida; assim, fornecendo o neurofeedback em tempo real exigido pela terapia de extinção (um "termômetro" será exibido).

Os dados de FMRI de cérebro total serão coletados usando um scanner 3T Siemens Prisma usando aceleração SMS para obter tamanho de voxel de 2 mm e TR = 1,5 seg (SMS x3, G = 2, TE = 30 ms, FA = 72). As sessões de escaneamento duram aproximadamente 1 hora e começam com a coleta de localizadores e uma anatomia de alta resolução (MP-RAGE), voxels cúbicos de 1 mm, seguida pela coleta de dados fMRI durante a apresentação do estímulo de realidade virtual. Cada execução de fMRI durará aproximadamente 6 minutos e serão coletadas de 6 a 8 execuções.

Armadilhas e estratégias alternativas. Os investigadores demonstraram a capacidade de classificar uma dimensão interna do cérebro com 89% de precisão, mas pode não ser possível obter uma precisão semelhante para a dimensão "PTSD". Pode ser possível melhorar os resultados incluindo os dados de pulso e respiração observados como entrada no aprendizado de máquina. Além disso, mesmo que o feedback não seja bem-sucedido, os investigadores ainda obterão informações sobre a fisiologia do TEPT a partir dos mapas de sensibilidade gerados pelo aprendizado de máquina.

Objetivo 2. Estudo de tecnologia vestível para avaliar o sucesso do tratamento no TEPT Atividade física, frequência cardíaca e padrões de sono desempenham papéis importantes no TEPT. A tecnologia vestível evoluiu recentemente de tal forma que os investigadores agora podem medir constantemente esses três parâmetros de maneira não invasiva ao longo de um estudo. Os investigadores propõem estudar os sintomas auto-relatados em conjunto com atividade física, padrões de sono e frequência cardíaca durante 9 semanas. Os investigadores usarão regressão linear para estudar se CAPS5, PCL e sintomas diários se correlacionam com os padrões de atividade, sono e frequência cardíaca durante o tratamento. Os investigadores levantam a hipótese de que em pacientes nos quais o tratamento é mais bem-sucedido, a) A FC média diminuirá mais, b) Os episódios de alta FC durante o dia e a noite serão menos comuns, c) A atividade física média aumentará, d) A atividade física aumentará regularizar para mais atividade durante o dia e menos atividade durante a noite, e) O tempo médio de sono aumentará, e f) Os padrões de sono se regularizarão com menos períodos de vigília durante a noite.

Armadilhas e estratégias alternativas. É possível que os dados dos dispositivos vestíveis não se correlacionem com a melhora dos sintomas. Uma explicação provável seria que a taxa de erro dos dispositivos atuais não permite que as correlações sejam significativas. Se for esse o caso, essa abordagem deve ser testada novamente no futuro. Outra explicação menos provável seria que a atividade física, a frequência cardíaca e a qualidade do sono não estão tão fortemente correlacionadas com os sintomas de TEPT quanto sugerem os dados disponíveis. Como este é um pequeno estudo piloto, os dados que sugerem uma tendência apontariam para possíveis direções a serem estudadas no futuro.

Conclusão geral

A ideia principal do estudo é que o VR mude para um ambiente menos estressante à medida que o cérebro se aproxima do estado previamente definido como CALM. Os pesquisadores postulam que, com o tempo, os pacientes aprenderão a trazer conscientemente o cérebro para o estado CALM, o que lhes fornecerá estratégias mentais individualizadas para se acalmar quando um gatilho de trauma/estresse estiver presente.