FMRI em estado de repouso em distúrbios da consciência

Distúrbios da consciência (DoC) são estados de consciência alterada decorrentes de uma lesão adquirida nas redes cerebrais que regulam a excitação e a consciência, caracterizadas por uma perda da atividade neural excitatória nas conexões corticocorticais, talamocorticais e talamostriatais. DoC pode ser devido a várias causas, incluindo lesão cerebral traumática, lesão cerebral anóxica por parada cardíaca, acidente vascular cerebral, infecções cerebrais graves, convulsões prolongadas ou outras. Um dos principais desafios no manejo clínico da DoC é determinar com precisão o tipo de DoC e o nível de consciência, bem como o potencial de recuperação. Isso é crucial para a tomada de decisões e o manejo clínico, com taxas de erros de diagnóstico de até 40% devido às limitações da avaliação clínica. Pesquisas recentes demonstraram que a consciência não detectável na avaliação à beira do leito pode estar presente em até 15-20% dos pacientes com DoC. Assim, para melhorar a avaliação clínica do DoC e, finalmente, desenvolver intervenções direcionadas para promover a recuperação neurológica, melhores métodos de avaliação do DoC em pacientes individuais devem ser desenvolvidos, validados e traduzidos para uso clínico. O uso de rs-fMRI no estudo de DoC levou a importantes insights sobre os mecanismos biológicos do coma, bem como a recuperação da consciência, mas a tradução de rs-fMRI para o manejo clínico de pacientes individuais com consciência prejudicada foi dificultada por vários fatores. Primeiro, o BOLD fMRI reflete uma combinação complexa de sinais derivados não apenas da atividade neural, mas também de fontes não neurológicas que, em última análise, compreendem até 25% do sinal BOLD, obscurecendo a verdadeira conectividade neural e introduzindo conectividade espúria. Essa limitação geralmente foi contornada pela análise de fMRI no nível do grupo, aproveitando os benefícios estatísticos da média de dados entre os indivíduos. Melhores estratégias para distinguir entre contribuintes neurais e não neurais para o sinal BOLD são necessárias para traduzir rs-fMRI para uso clínico em pacientes individuais. Além disso, as estratégias convencionais de aquisição e análise geralmente demonstraram produzir estimativas confiáveis ​​de conectividade funcional apenas em tempos de varredura clinicamente intratáveis. Evidências recentes sugerem que medidas altamente confiáveis ​​de conectividade funcional podem ser obtidas no nível individual em tempos de varredura clinicamente viáveis ​​usando protocolos de imagem mais avançados, superando até mesmo aquisições convencionais várias vezes mais longas. O sinal BOLD medido pode ser representado como uma função da intensidade do sinal na excitação (S0), o tempo de eco e a constante de decaimento do sinal. A atividade neural afeta o sinal BOLD induzindo um aumento no fluxo sanguíneo, o que reduz a concentração local de desoxihemoglobina e, por sua vez, diminui a suscetibilidade magnética local, reduzindo assim a taxa de decaimento da magnetização transversal. Ao examinar o decaimento do sinal em vários tempos de eco, as alterações em T2* podem ser distinguidas das alterações em S0, permitindo assim que os sinais neurais e não neurais dos dados BOLD sejam diferenciados. Com a sensibilidade ao sinal BOLD sendo máxima perto do T2*, as aquisições multi-eco também podem aumentar a sensibilidade BOLD colocando maior peso nos ecos mais próximos do T2* de um determinado voxel ("combinação ideal"), que é conhecido por variar entre o cérebro. Por fim, o processo de combinação de dados BOLD entre ecos traz a vantagem de atenuar o ruído térmico que é organizado aleatoriamente e tende a se anular na média. Quando combinado com estratégias adicionais para remover sinais globais relacionados ao movimento, a influência do movimento nos dados BOLD pode ser quase eliminada. Apenas recentemente, com a integração de outros avanços técnicos, como multi-slice simultâneo, tornou-se possível adquirir multi-eco rs-fMRI sem grandes comprometimentos na aquisição de resolução espacial ou temporal. Os desafios práticos para obter ressonância magnética avançada em pacientes críticos incluem a necessidade de transportar pacientes para pesquisar instrumentação de ressonância magnética capaz dos métodos de aquisição mais recentes que tradicionalmente estão localizados em andares diferentes ou mesmo em edifícios diferentes das unidades de terapia intensiva (UTIs). Como resultado, métodos avançados de ressonância magnética, como multi-eco rs-fMRI, têm sido aplicados principalmente em indivíduos saudáveis. Este projeto aproveitará um sistema de ressonância magnética de última geração dedicado à pesquisa recém-instalado, equipado com gradientes rápidos, um conjunto de receptores de 32 canais incorporado na unidade de terapia neurointensiva (UTIN). Este sistema é capaz de multi-eco rs-fMRI em alta resolução espaço-temporal e um dos principais objetivos deste projeto é determinar se a integridade da rede funcional em pacientes com DoC pode ser detectada de forma mais confiável usando multi-eco rs-fMRI do que com padrão rs- fMRI. Os métodos ideais seriam não supervisionados, capazes de acomodar diferenças interindividuais na topologia funcional e capazes de reduzir dados complexos de conectividade a percepções discretas e clinicamente acionáveis. Outro objetivo importante deste projeto é comparar três abordagens para a construção e caracterização do conectoma em sua confiabilidade no nível do paciente individual e grau de associação com medidas clínicas de disfunção neurológica e resultado. A primeira e mais tradicional abordagem dependerá da transformação de cada dado em um espaço de modelo e definição de nó com base na meta-análise em nível de grupo. A segunda abordagem usará um método descrito anteriormente de parcelamento em nível de assunto com base em gradientes de conectividade e, finalmente, comparado entre indivíduos com base no grau de semelhança com redes de modelo. A abordagem final usará um esquema de interpretação radiológica no qual neuroimagers especialistas treinados para reconhecer padrões espaciais típicos de redes de estado de repouso renderizarão uma interpretação dos mapas de rede de grau obtidos a partir da análise de componentes independentes.