Summary

Neuroestimulación de circuito cerrado para el tratamiento personalizado del trastorno depresivo mayor basado en biomarcadores

Published: July 07, 2023
doi:

Summary

La estimulación cerebral profunda desencadenada por un biomarcador neuronal específico del paciente de un estado de síntomas altos puede controlar mejor los síntomas del trastorno depresivo mayor en comparación con la estimulación continua de circuito abierto. Este protocolo proporciona un flujo de trabajo para identificar un biomarcador neuronal específico del paciente y controlar la administración de estimulación terapéutica en función del biomarcador identificado.

Abstract

La estimulación cerebral profunda implica la administración de estimulación eléctrica a regiones específicas del cerebro para obtener un beneficio terapéutico. En el contexto del trastorno depresivo mayor (TDM), la mayoría de los estudios realizados hasta la fecha han administrado estimulación continua o de bucle abierto con resultados prometedores pero mixtos. Un factor que contribuye a estos resultados mixtos puede provenir del momento en que se aplica la estimulación. La administración de estimulación específica para estados de alta sintomatología de manera personalizada y receptiva puede ser más efectiva para reducir los síntomas en comparación con la estimulación continua y puede evitar la disminución de los efectos terapéuticos relacionados con la habituación. Además, una menor duración total de la estimulación por día es ventajosa para reducir el consumo de energía del dispositivo. Este protocolo describe un flujo de trabajo experimental que utiliza un dispositivo de neuroestimulación implantado crónicamente para lograr la estimulación de circuito cerrado para individuos con TDM refractario al tratamiento. Este paradigma se basa en la determinación de un biomarcador neuronal específico del paciente que se relaciona con los estados de síntomas altos y la programación de los detectores de dispositivos, de modo que la estimulación se desencadene mediante esta lectura del estado de los síntomas. Los procedimientos descritos incluyen cómo obtener registros neuronales concurrentes con los informes de síntomas del paciente, cómo usar estos datos en un enfoque de modelo de espacio de estados para diferenciar los estados de síntomas bajos y altos y las características neuronales correspondientes, y cómo programar y ajustar posteriormente el dispositivo para administrar terapia de estimulación de circuito cerrado.

Introduction

El trastorno depresivo mayor (TDM) es una enfermedad neuropsiquiátrica caracterizada por actividad aberrante a nivel de red y conectividad1. La enfermedad manifiesta una variedad de síntomas que varían entre individuos, fluctúan con el tiempo y pueden provenir de diferentes circuitos neuronales 2,3. Aproximadamente el 30% de las personas con TDM son refractarias alos tratamientos estándar 4, lo que pone de manifiesto la necesidad de nuevos enfoques.

La estimulación cerebral profunda (ECP) es una forma de neuromodulación en la que se suministra corriente eléctrica a áreas específicas del cerebro con el objetivo de modular la actividad. La ECP para el tratamiento del TDM ha tenido mucho éxito en algunas aplicaciones5,6, pero tampoco se ha podido replicar en estudios más amplios 7,8. Todos los estudios citados emplearon la estimulación de bucle abierto9, en la que la administración de la estimulación terapéutica putativa fue continua con parámetros fijos. Por el contrario, la estimulación de circuito cerrado proporciona una estimulación basada en un biomarcador programado o en un patrón de actividad neuronal asociado con el estado del síntoma10. Hay dos implementaciones principales de la estimulación de circuito cerrado: la estimulación receptiva y la estimulación adaptativa11. La estimulación receptiva proporciona ráfagas de estimulación con parámetros constantes (por ejemplo, frecuencia, amplitud, ancho de pulso) cuando se cumplen los criterios programados. Con la estimulación adaptativa, los parámetros de estimulación cambian dinámicamente en función del biomarcador medido, según el algoritmo, que puede tener múltiples puntos fijos o un ajuste continuo automatizado. La estimulación puede ser continua o intermitente con estimulación adaptativa. La estimulación adaptativa ha demostrado una eficacia superior a la estimulación de bucle abierto en el control de los síntomas de la enfermedad de Parkinson12. La neuroestimulación receptiva para la epilepsia 13 está aprobada por la Administración de Alimentos y Medicamentos (FDA, por sus siglas en inglés), mientras que las investigaciones tempranas de la estimulación receptiva para el TDM14 y la estimulación adaptativa para el síndrome de Tourette15 y el temblor esencial16 también muestran beneficios terapéuticos.

Para implementar la estimulación de circuito cerrado, se debe seleccionar y rastrear una señal fisiológica para informar cuándo se debe administrar la estimulación. Esta retroalimentación es la diferencia clave entre la estimulación de bucle abierto y la de circuito cerrado y se realiza mediante la selección de un biomarcador. Este protocolo proporciona un procedimiento para determinar un biomarcador personalizado de acuerdo con la constelación de síntomas experimentados por un individuo determinado. Los metaanálisis futuros en pacientes revelarán si existen biomarcadores comunes entre los individuos o si la presentación heterogénea de los síntomas del TDM y los circuitos subyacentes requieren un enfoque personalizado17,18. El uso de dispositivos DBS capaces tanto de detectar la actividad neuronal como de proporcionar estimulación eléctrica permite tanto el descubrimiento de este biomarcador como la posterior implementación de la neuromodulación de circuito cerrado. Este enfoque presupone una estrecha relación temporal entre la actividad neuronal y los estados sintomáticos específicos y puede no ser aplicable a todas las indicaciones o síntomas.

Mientras que las indicaciones como la enfermedad de Parkinson y el temblor esencial tienen síntomas que pueden medirse mediante sensores periféricos (p. ej., temblor, rigidez), los síntomas del TDM suelen ser informados por el paciente o evaluados por un médico mediante preguntas y observaciones estandarizadas. En el contexto de la acumulación de datos suficientes para calcular un biomarcador personalizado, las evaluaciones clínicas no son prácticas y, por lo tanto, se utilizan los informes de los pacientes sobre los síntomas a través de escalas de calificación. Dichas escalas incluyen las escalas analógicas visuales de depresión (VAS-D), ansiedad (VAS-A) y energía (VAS-E)19, y la forma de seis preguntas de la Escala de Calificación de la Depresión de Hamilton (HAMD-6)20. Los registros simultáneos de la actividad neuronal y la finalización de estas calificaciones de síntomas de autoinforme proporcionan un conjunto de datos emparejado que se puede utilizar para observar las relaciones entre las características espectrales de la señal neuronal relacionadas con los estados de síntomas altos o predictivos de estos.

Los enfoques computacionales, como el modelado del espacio de estados, se pueden utilizar para descubrir relaciones entre los estados de los síntomas y las características neuronales. Los métodos de teoría de grafos son atractivos para caracterizar un espacio de estados21 porque permiten el descubrimiento de estados en diferentes escalas de tiempo mediante el modelado explícito de la proximidad temporal entre las mediciones22. Un modelo de espacio de estados de síntomas identifica períodos de tiempo en los que hay un fenotipo común de los síntomas del paciente y puede identificar subestados de síntomas en los que las calificaciones en dimensiones específicas de la depresión del paciente difieren según el entorno o el contexto. Un enfoque de circuito cerrado se basa en la detección de estados de síntomas basados en la actividad cerebral subyacente. La clasificación del aprendizaje automático es un paso final que ayuda a identificar una combinación de características estadísticas derivadas de las señales de actividad cerebral que mejor distingue dos o más estados de síntomas14. Este enfoque de dos etapas explica la variabilidad de los síntomas de un paciente a lo largo del tiempo y vincula los patrones sistemáticos de variación de los síntomas con la actividad cerebral.

El presente protocolo utiliza el Sistema de Neuroestimulación Sensible (RNS) NeuroPace)13,23. Los procedimientos para determinar los sitios y parámetros óptimos de estimulación están fuera del alcance de este protocolo. Sin embargo, es importante tener en cuenta las capacidades de estimulación de un dispositivo determinado a la hora de diseñar la neuroestimulación de circuito cerrado. Para el dispositivo utilizado en este protocolo, la estimulación se controla por corriente y se administra entre el ánodo o los ánodos y el cátodo. Se pueden seleccionar uno o más contactos de electrodo o el Can (neuroestimulador implantable [INS]) como ánodo o cátodo. La frecuencia de estimulación (1-333,3 Hz), la amplitud (0-12 mA), el ancho de pulso (40-1000 μs por fase) y la duración (10-5000 ms, por estimulación) están preprogramados. Los parámetros anteriores se pueden establecer de forma independiente para hasta cinco terapias de estimulación; Estas terapias se administran secuencialmente si se siguen cumpliendo los criterios de detección. No es posible administrar múltiples formas de onda de estimulación simultáneamente (por ejemplo, no se pueden administrar dos frecuencias diferentes de estimulación al mismo tiempo). La forma de onda de estimulación es una onda rectangular bifásica simétrica y no se puede cambiar.

Protocol

Este protocolo ha sido revisado y aprobado por la Junta de Revisión Institucional de la Universidad de California, San Francisco. 1. Configuración del dispositivo para grabaciones de pacientes en casa Trabaje con un representante de la compañía del dispositivo para establecer cuatro canales configurados para la adquisición, dos de cada cable implantado.NOTA: Cada canal graba una grabación bipolar. Los canales configurados pueden usar contactos de electrodo …

Representative Results

Los datos recopilados y presentados aquí son de un solo paciente con cables de cuatro canales implantados en la corteza orbitofrontal derecha (OFC) y el cíngulo subgenual derecho (SGC) (Figura 1). Se utilizó una derivación con un paso de centro a centro de 10 mm para el OFC con el fin de apuntar tanto a los aspectos medial como lateral, mientras que se utilizó una derivación con un paso de 3,5 mm para el SGC con el fin de tener una cobertura más concentrada espacialmente. Se programar…

Discussion

La estimulación cerebral profunda se ha convertido en una terapia establecida para la enfermedad de Parkinson, el temblor esencial, la distonía y la epilepsia, y se está investigando activamente en muchas otras afecciones neuropsiquiátricas26,27,28,29. La gran mayoría de la ECP se administra en modo de bucle abierto, en el que la estimulación se administra continuamente. En el caso de los…

Divulgations

The authors have nothing to disclose.

Acknowledgements

Este trabajo fue apoyado por el Ray and Dagmar Dolby Family Fund a través del Departamento de Psiquiatría de la UCSF (KKS, ANK, NS, JF, VRR, KWS, EFC, ADK), por un premio de los Institutos Nacionales de Salud no. K23NS110962 (KWS), beca NARSAD Young Investigator de la Fundación para la Investigación del Cerebro y el Comportamiento (KWS) y Premio Trailblazer 1907 (KWS).

Materials

Depth Lead Neuropace DL-330-3.5 30 cm length, 3.5 mm contact spacing
Depth Lead Neuropace DL-330-10 30 cm length, 10 mm contact spacing
Depth Lead Neuropace DL-344-3.5 44 cm length, 3.5 mm contact spacing
Depth Lead Neuropace DL-344-10 44 cm length, 10 mm contact spacing
Hat with velcro Self-assembled NA Optional
Jupyter Notebook Project Jupyter NA
Magnet Neuropace M-01
Programmer Neuropace PGM-300 Clinician tablet
Python 3.10 Python NA
Remote Monitor Neuropace 5000 Patient laptop 
Responsive Neurostimulation System (RNS)  Neuropace RNS-320
Wand Neuropace W-02

References

  1. Kaiser, R. H., Andrews-Hanna, J. R., Wager, T. D., Pizzagalli, D. A. Large-scale network dysfunction in major depressive disorder: A meta-analysis of resting-state functional connectivity. JAMA Psychiatry. 72 (6), 603-611 (2015).
  2. Goldstein-Piekarski, A. N., et al. Mapping neural circuit biotypes to symptoms and behavioral dimensions of depression and anxiety. Biological Psychiatry. 91 (6), 561-571 (2022).
  3. Williams, L. M. Precision psychiatry: a neural circuit taxonomy for depression and anxiety. The Lancet Psychiatry. 3 (5), 472-480 (2016).
  4. Ionescu, D. F., Rosenbaum, J. F., Alpert, J. E. Pharmacological approaches to the challenge of treatment-resistant depression. Dialogues in Clinical Neuroscience. 17 (2), 111-126 (2015).
  5. Mayberg, H. S., et al. Deep brain stimulation for treatment-resistant depression. Neuron. 45 (5), 651-660 (2005).
  6. Kennedy, S. H., et al. Deep brain stimulation for treatment-resistant depression: follow-up after 3 to 6 years. The American Journal of Psychiatry. 168 (5), 502-510 (2011).
  7. Holtzheimer, P. E., et al. Subcallosal cingulate deep brain stimulation for treatment-resistant depression: a multisite, randomised, sham-controlled trial. The Lancet Psychiatry. 4 (11), 839-849 (2017).
  8. Dougherty, D. D., et al. A randomized sham-controlled trial of deep brain stimulation of the ventral capsule/ventral striatum for chronic treatment-resistant depression. Biological Psychiatry. 78 (4), 240-248 (2015).
  9. Morishita, T., Fayad, S. M., Higuchi, M., Nestor, K. A., Foote, K. D. Deep brain stimulation for treatment-resistant depression: systematic review of clinical outcomes. Neurotherapeutics. 11 (3), 475-484 (2014).
  10. Lo, M. -. C., Widge, A. S. Closed-loop neuromodulation systems: next-generation treatments for psychiatric illness. International Review of Psychiatry. 29 (2), 191-204 (2017).
  11. Hoang, K. B., Cassar, I. R., Grill, W. M., Turner, D. A. Biomarkers and stimulation algorithms for adaptive brain stimulation. Frontiers in Neuroscience. 11, 564 (2017).
  12. Little, S., et al. Adaptive deep brain stimulation in advanced Parkinson disease. Annals of Neurology. 74 (3), 449-457 (2013).
  13. Jarosiewicz, B., Morrell, M. The RNS system: brain-responsive neurostimulation for the treatment of epilepsy. Expert Review of Medical Devices. 18 (2), 129-138 (2021).
  14. Scangos, K. W., et al. Closed-loop neuromodulation in an individual with treatment-resistant depression. Nature Medicine. 27 (10), 1696-1700 (2021).
  15. Cagle, J. N., et al. Embedded human closed-loop deep brain stimulation for Tourette syndrome: a nonrandomized controlled trial. JAMA Neurology. 79 (10), 1064-1068 (2022).
  16. He, S., et al. Closed-loop deep brain stimulation for essential tremor based on thalamic local field potentials. Movement Disorders. 36 (4), 863-873 (2021).
  17. Drysdale, A. T., et al. Resting-state connectivity biomarkers define neurophysiological subtypes of depression. Nature Medicine. 23 (1), 28-38 (2017).
  18. Siddiqi, S. H., et al. Brain stimulation and brain lesions converge on common causal circuits in neuropsychiatric disease. Nature Human Behaviour. 5 (12), 1707-1716 (2021).
  19. Ahearn, E. P. The use of visual analog scales in mood disorders: A critical review. Journal of Psychiatric Research. 31 (5), 569-579 (1997).
  20. Bech, P., et al. The Hamilton depression scale. Evaluation of objectivity using logistic models. Acta Psychiatrica Scandinavica. 63 (3), 290-299 (1981).
  21. Khambhati, A. N., Sizemore, A. E., Betzel, R. F., Bassett, D. S. Modeling and interpreting mesoscale network dynamics. NeuroImage. 180, 337-349 (2018).
  22. Zamani Esfahlani, F., Bertolero, M. A., Bassett, D. S., Betzel, R. F. Space-independent community and hub structure of functional brain networks. NeuroImage. 211, 116612 (2020).
  23. Kleen, J. K., Rao, V. R. Managing neurostimulation for epilepsy. Deep Brain Stimulation Management. , 177-197 (2022).
  24. Krucoff, M. O., Wozny, T. A., Lee, A. T., Rao, V. R., Chang, E. F. Operative technique and lessons learned from surgical implantation of the NeuroPace Responsive Neurostimulation® system in 57 consecutive patients. Operative Neurosurgery. 20 (2), E98-E109 (2021).
  25. Harris, P. A., et al. The REDCap consortium: Building an international community of software platform partners. Journal of Biomedical Informatics. 95, 103208 (2019).
  26. Krauss, J. K., et al. Technology of deep brain stimulation: current status and future directions. Nature Reviews Neurology. 17 (2), 75-87 (2021).
  27. Dougherty, D. D. Deep brain stimulation: clinical applications. The Psychiatric Clinics of North America. 41 (3), 385-394 (2018).
  28. Drobisz, D., Damborská, A. Deep brain stimulation targets for treating depression. Behavioural Brain Research. 359, 266-273 (2019).
  29. Lee, D. J., Lozano, C. S., Dallapiazza, R. F., Lozano, A. M. Current and future directions of deep brain stimulation for neurological and psychiatric disorders. Journal of Neurosurgery. 131 (2), 333-342 (2019).
  30. Sun, F. T., Morrell, M. J. Closed-loop neurostimulation: the clinical experience. Neurotherapeutics. 11 (3), 553-563 (2014).
  31. Malone, D. A., et al. Deep brain stimulation of the ventral capsule/ventral striatum for treatment-resistant depression. Biological Psychiatry. 65 (4), 267-275 (2009).
  32. Zuo, X. -. N., Xu, T., Milham, M. P. Harnessing reliability for neuroscience research. Nature Human Behaviour. 3 (8), 768-771 (2019).
check_url/fr/65177?article_type=t

Play Video

Citer Cet Article
Sellers, K. K., Khambhati, A. N., Stapper, N., Fan, J. M., Rao, V. R., Scangos, K. W., Chang, E. F., Krystal, A. D. Closed-Loop Neurostimulation for Biomarker-Driven, Personalized Treatment of Major Depressive Disorder. J. Vis. Exp. (197), e65177, doi:10.3791/65177 (2023).

View Video