Опубликовано
Функциональная магнитно-резонансная томография (fMRI) стала основным методом изучения когнитивной функции и ее нарушений при психических заболеваниях, включая шизофрению. Основная часть исследований изображений кровотока в структурах мозга сосредоточена в первую очередь на выявлении регионов, где амплитуды гемодинамических откликов коварируют с конкретными стимулами и дифференцируются путем сравнения между пациентами и группами контроля. В дополнение к таким сравнениям на основе амплитуды можно оценить временные корреляции и вычислить карты "функциональной связности" между регионами, которые включают дисперсию, связанную с событиями, а также внутренние колебания гемодинамической активности. Функциональные карты связности могут быть вычислены путем сопоставления всех вокселей с изучаемой областью, когда имеется доступная пространственная структура. Альтернативой являются многомерные разложения, такие как независимый анализ компонентов (ICA), которые извлекают несколько компонентов, каждый из которых представляет собой пространственно различную карту вокселей с общим временным разрешением. Последние работы показали, что нейронные сети широко распространены , а их активность фиксируется при расслабленном отдыхе и во время решения задач и, следовательно, обеспечивают надежные меры оценки интактной и нарушенной деятельности мозга. Это, в свою очередь, связано с перспективойвыделения биомаркеров для диагностики шизофрении, что можно описать как с точки зрения нарушенной локальной обработки сигналов в нейронных сетях, так и с измененной глобальной связью между крупномасштабными сетями.
Функциональная магнитно-резонансная томография (fMRI) используется почти 30 лет, прежде всего для извлечения сигналов из областей мозга, которые показывают изменения уровня кислорода в крови (BOLD) в ответ на решение когнитивных задач. Напомним, что сигнал BOLD является суррогатом активности нейронов. Это косвенная мера активности нейронов после нейрососудистой трансформации и, как таковая, является не только индексом локализованной электрофизиологической обработки в объеме мозга, но также смешивается с глобальными эффектами, которые влияют на оксигенацию и течение крови, включая изменчивость сердечного ритма и дыхания.
Помимо корреляции, многомерные методы, основанные на анализе независимых компонентов (ICA), также применялись для измерения функциональной связности и имеют то преимущество, что не требуют явных пространственных приоритетов или временной фильтрации. ICA была разработана для решения проблем, подобных сценарию «коктейль», в котором отдельные голоса должны быть различимы с помощью микрофонных записей многих людей, говорящих сразу. Алгоритм, применяемый к fMRI, предполагает набор разряженных, пространственно независимых сетей мозга, каждая из которых имеет связанные с временные интервалы. Модель идентифицирует скрытые источники, элементы которых (воксели) имеют один и тот же курс времени, и поэтому каждый компонент можно рассматривать как временную когерентную сеть (TCN). Можно использовать общий термин TCN, чтобы избежать понятия зависимости состояния, которое относится к сетям состояний покоя (RSN) и их конкретным экземплярам, таким как сеть режима по умолчанию (DMN), а также сетям, зависящим от задач, вычисленным из ICA. Режим по умолчанию - это имя, присвоенное одной конкретной сети, которая обнаруживает уменьшение сигнала при выполнении задачи. Функционально связанная сеть, по определению, имеет воксели, которые показывают временно когерентный сигнал. Эти сети, по-видимому, в значительной степени надежны и последовательны, хотя они также четко модулируются как пространственно, так и во времени при наличии необходимости решения задачи .
Имеются некоторые свидетельства того, что пространственные карты, отражающие TCN, могут быть более надежными, чем те, которые были оценены во время стандартного подхода, основанного на общей линейной модели. ICA используется для идентификации нескольких TCN, присутствующих в здоровых субъектах либо в покое. Также существует интерес к использованию TCN в качестве биологических маркеров психических заболеваний, например, TCN были использованы для выявления слабых когнитивных нарушений ( Sorg et al., 2007 ) и болезни Альцгеймера ( Greicius et al., 2004 ) от здорового старения, шизофрении от биполярного ( Calhoun et al., 2008) или пациентов с шизофренией от непораженных родственников первой степени родства и контроля. Конкретный TCN, который получил большой интерес, представляет собой DMN, который, как полагают, участвует в организованном базовом «холостом» функциональном состоянии мозга, которое уменьшает свою активность как при определенных целевых вариантов поведении ( Raichle et al., 2001 ), так и в обратной пропорции ( McKiernan et al., 2003 ). Предполагается, что режим по умолчанию задействован во внутренних и внешних стимулах и связан с потоком сознания, включающим свободный поток мысли, в то время как мозг не занимается другими задачами ( Gusnard et al., 2001 ), однако существуют альтернативные объяснения ( Hampson et al., 2006). Сообщалось о подходе, использующем как временные доли, так и TCN по умолчанию для дифференциации шизофрении, биполярного расстройства и здорового контроля.
Несмотря на то, что причины и механизмы шизофрении все еще неясны, была предложена гипотеза об «отключении» нейронной сети ( Friston and Frith, 1995 ). Эта гипотеза предполагает, что шизофрения возникает из-за дисфункциональной интеграции распределенной сети областей мозга или синдрома несвязывания нейронных схем, приводящего к нарушению гладкой координации психических процессов, иногда описываемой как «когнитивная дисцетария» ( Andreasen et al., 1999 ). Многие исследователи изучили возможность «разъединения» путем анализа функции мозга с помощью функциональных методов связывания.
Liang et al. (2006) , обнаружила нарушенную функциональную интеграцию широко распространенных зон головного мозга, в том числе уменьшенную связь между островком, височной долей, префронтальной коры головного мозга и базальных ганглиев и увеличенной связностью между мозжечком и другими зонами головного мозга, в состоянии покоя путем анализа корреляций между областями мозга. Meyer-Lindenberg et al. (2001) , сообщали о выраженных нарушениях распределенной кооперативной активности в лобно-височных взаимодействиях при шизофрении в выбранных областях, представляющих интерес в исследованиях томографии позитронно-эмиссионной томографии (PET) при решении задач на рабочую память.
Другие исследования показали отсутствие взаимодействия между правым передним цингуломом и другими областями мозга ( Boksman et al., 2005) ), нарушение интеграции между медиальной верхней лобной извилиной и передним цингуломом и мозжечком ( Honey et al., 2005 ), а также снижение функциональной связности в лобно-височных областях у пациентов с шизофренией ( Lawrie et al., 2002 ). Были выявлены сбои в сетях, идентифицированных с помощью ICA в крупных многоузловых исследованиях, для множества задач, таких как на рабочую память ( Kim et al., In Press ). Однако пациенты с шизофренией могут не только иметь дефицит в сетях, но также и дисфункцию между сетями, поскольку их когнитивный и поведенческий дефицит могут быть связаны со всеми сетями регионов, которые не могут нормально взаимодействовать друг с другом.
Добавить отзыв