Для пациента и его родственников
Какие нейрофизиологические и нейровизуализационные методы исследования выявили и позволяют изучать "сети покоя"?
"Сети покоя" были впервые обнаружены с помощью функциональной магнитно-резонансной томографии и позитронно-эмиссионной томографии в конце ХХ-го века (Biswal, B., et.al., 1995), а затем независимо идентифицированы в магнитоэнцефалографии (МЭГ) и электроэнцефалографии (ЭЭГ) (Brookes, M. J. et.al., 2011). Исследования нейропсихиатрических расстройств прояснили функциональную значимость "сети покоя" при различных патологических состояниях, включая болезнь Альцгеймера, большое депрессивное расстройство и шизофрению (Lottman, K., et.al., 2019). Несмотря на сопоставимость ЭЭГ и МЭГ, важно признать, что МЭГ показывает а лучшую воспроизводимость, повышенную точность прогнозирования и большую чувствительность к эффектам, связанным с возрастом, по сравнению с ЭЭГ. Это несоответствие, вероятно, ожидаемо, учитывая большее количество датчиков МЭГ и, следовательно, ее превосходное пространственное разрешение. Однако, можно предположить, что наборы данных ЭЭГ с большим количеством датчиков также могут достичь уровня сопоставимости с данными МЭГ.
Для врача
Как функционируют"сети покоя"?
Первые описания "сети покоя" были статичными (т. е. усредненными по времени), но дальнейшие исследования показали, что их можно описать как активирующиеся транзиторным образом, при этом различные сети активируются в разные моменты времени (Gohil, C. ,et,al., 2022).
В чем преимущество магнитоэнцефалографии по сравнению с электроэнцефалографией?
Как ЭЭГ, так и МЭГ предоставят сопоставимые статические и динамические описания "сетей покоя", при этом динамические характеристики демонстрируют меньшую согласованность между модальностями. Возрастные эффекты в картах мощности сопоставимы по всем модальностям. Тем не менее, наблюдается тенденция к большей чувствительности МЭГ к возрастным изменениям, чем ЭЭГ (Cho S., et.al., 2024). На карте дельта-мощности молодые пациенты показывают более высокую мощность во фронтальной и височной коре, и особенно в сенсомоторной области в магнитоэнцефалограмме. На карте мощности тета молодые пациенты показала повышенную мощность в лобной и сенсомоторной областях, и только электроэнцефалограмма показала более высокую мощность в теменной области. Значительные возрастные альфа-эффекты наблюдались исключительно при проведении магнитоэнцефалографии в затылочной коре, тогда как электроэнцефалография не выявила никаких областей с заметными возрастными эффектами. На карте бета-мощности возрастные эффекты более выражены в МЭГ, которая выявляет эффекты в теменной, лобной и сенсомоторной коре (оба метода исследования распознают эффекты в теменной области). Пространственные паттерны распределения мощности показывают заметное сходство между модальностями ЭЭГ и МЭГ. Тем не менее, различия фиксируются, особенно в "зрительной сети" и "сенсомоторная сети", где относительно меньше соответствия. Эти состояния показывают расходящиеся области более сильной активации или дезактивации между модальностями; например, первое состояние демонстрирует повышенную затылочную активность в ЭЭГ, в то время как более выраженная дезактивация в незатылочных областях наблюдалась с помощью МЭГ.
В чем преимущество электроэнефалографии по сравнению с функциональной магнитно-резонансной томографии?
Функциональные сети, полученные с помощью МЭГ и ЭЭГ, позволяют исследовать их спектральное содержимое, причем, эмпирические данные свидетельствуют о том, что активность нейронов можно сегментировать на отдельные состояния глобальных синхронных колебаний, каждое из которых характеризуется определенными частотами (de Pasquale, F. et.al., 2010). Временное разрешение электроэнцефалографии облегчает детальное изучение переходной динамики сетей в состоянии покоя и сетей, основанных на решении задач. Например, исследования показывают, что "сети покоя", полученные с помощью электроэнцефалографии, активируются в более быстрых временных масштабах (~100–200 мс), чем те, которые распознаются с помощью функциональной магнитно-резонасной томографии (~10 с).
Для исследователя
Почему магнитоэнцефалография и электроэнцефалография позволяют связать "сети покоя" с сенсомоторными функциями?
Исследование Brookes et al. ( 2011 ) предоставило доказательства электрофизиологической основы "сети покоя", используя временной независимый компонентный анализ (ICA) на амплитудных огибающих MEG, которые показали, что пространственные паттерны мозговых сетей в MEG напоминают паттерны RSN, ранее идентифицированных с помощью функциональной магнитно-резонансной томографии. Исследования MEG и EEG позволили связать "сети покоя" с сенсомоторными функциями в быстрых субсекундных временных масштабах, а также с рядом когнитивных задач, касающихся рабочей памяти и понимания речи (Barnes, J. J., et.al., 2015).
Какие особенности современных методов электроэнцефалографии?
Современные исследования используют системы ЭЭГ высокой плотности (>100 каналов) (Coquelet N., et al., 2020 ), что облегчает вычисление "сети покоя" в пространстве мозга, где пространственные нарушения могут более адекватно контролироваться, а сети лучше интерпретироваться (Colclough, G. ,et.al., 2015).
Литература
Barnes, J. J. , Woolrich, M. W. , Baker, K. , Colclough, G. L. , & Astle, D. E. (2015). Electrophysiological measures of resting state functional connectivity and their relationship with working memory capacity in childhood. Developmental Science, 19(1), 19–31.
Biswal, B. , Zerrin Yetkin, F. , Haughton, V. M. , & Hyde, J. S. (1995). Functional connectivity in the motor cortex of resting human brain using echo‐planar MRI. Magnetic Resonance in Medicine, 34(4), 537–541.
Brookes, M. J. , Woolrich, M. , Luckhoo, H. , Price, D. , Hale, J. R. , Stephenson, M. C., Barnes, G. R., Smith, S. M., & Morris, P. G. (2011). Investigating the electrophysiological basis of resting state networks using magnetoencephalography. National Academy of Sciences of the United States of America, 108(40), 16783–16788.
Cho S., et.al. Comparison between EEG and MEG of static and dynamic resting‐state networks. Hum Brain Mapp. 2024 Sep; 45(13): e70018.
Coquelet, N. , De Tiège, X. , Destoky, F. , Roshchupkina, L. , Bourguignon, M. , Goldman, S. , Peigneux, P., & Wens, V. (2020). Comparing MEG and high‐density EEG for intrinsic functional connectivity mapping. NeuroImage, 210, 116556.
Colclough, G. , Brookes, M. , Smith, S. , & Woolrich, M. (2015). A symmetric multivariate leakage correction for MEG connectomes. NeuroImage, 117, 439–448.
de Pasquale, F. , Della Penna, S. , Snyder, A. Z. , Lewis, C. , Mantini, D. , Marzetti, L. , Belardinelli, P. , Ciancetta, L. , Pizzella, V. , Romani, G. L. , & Corbetta, M. (2010). Temporal dynamics of spontaneous MEG activity in brain networks. National Academy of Sciences of the United States of America, 107(13), 6040–6045.
Gohil, C. , Roberts, E. , Timms, R. , Skates, A. , Higgins, C. , Quinn, A. , Pervaiz, U. , van Amersfoort, J. , Notin, P. , Gal, Y. , Adaszewski, S. , & Woolrich, M. (2022). Mixtures of large‐scale dynamic functional brain network modes. NeuroImage, 263, 119595.
Lottman, K. K. , Gawne, T. J. , Kraguljac, N. V. , Killen, J. F. , Reid, M. A. , & Lahti, A. C. (2019). Examining resting‐state functional connectivity in first‐episode schizophrenia with 7T fMRI and MEG. NeuroImage: Clinical, 24, 101959.
Добавить комментарий