Índices da Rede de Eletrencefalografia como Biomarcadores de Acometimento do Membro Superior no Acidente Vascular Encefálico Crônico
Summary
O protocolo experimental demonstra o paradigma para aquisição e análise de sinais eletroencefalográficos (EEG) durante o movimento do membro superior em indivíduos com acidente vascular encefálico. A alteração da rede funcional das bandas de frequência do EEG de baixo beta foi observada durante a movimentação do membro superior comprometido e associou-se ao grau de comprometimento motor.
Abstract
A alteração dos sinais do eletroencefalograma (EEG) durante o movimento específico da tarefa do membro comprometido tem sido relatada como um potencial biomarcador para a gravidade do comprometimento motor e para a predição da recuperação motora em indivíduos com acidente vascular cerebral. Ao implementar experimentos de EEG, paradigmas detalhados e protocolos experimentais bem organizados são necessários para obter resultados robustos e interpretáveis. Neste protocolo, ilustramos um paradigma tarefa-específica com o movimento do membro superior e métodos e técnicas necessários para a aquisição e análise dos dados do EEG. O paradigma consiste em 1 min de repouso seguido de 10 tentativas compostas alternadamente por 5 s e 3 s de repouso e estados-tarefa (extensão da mão), respectivamente, ao longo de 4 sessões. Os sinais de EEG foram adquiridos usando eletrodos de 32 Ag/AgCl no couro cabeludo a uma taxa de amostragem de 1.000 Hz. Foram realizadas análises de perturbação espectral relacionadas a eventos associadas ao movimento dos membros e análises de redes funcionais em nível global na banda de frequência beta baixa (12-20 Hz). Resultados representativos mostraram alteração da rede funcional das bandas de frequência do EEG beta baixo durante a movimentação do membro superior comprometido, e a rede funcional alterada associou-se ao grau de comprometimento motor em pacientes com AVE crônico. Os resultados demonstram a viabilidade do paradigma experimental nas medidas de EEG durante o movimento do membro superior em indivíduos com acidente vascular encefálico. Mais pesquisas usando esse paradigma são necessárias para determinar o valor potencial dos sinais de EEG como biomarcadores de comprometimento motor e recuperação.
Introduction
O comprometimento motor dos membros superiores é uma das consequências mais comuns do acidente vascular encefálico (AVE) e está relacionado a limitações nas atividades de vida diária 1,2. Sabe-se que os ritmos das bandas alfa (8-13 Hz) e beta (13-30 Hz) estão intimamente associados aos movimentos. Em particular, estudos têm demonstrado que a atividade neural alterada nas bandas de frequência alfa e beta inferior (12-20 Hz) durante o movimento de um membro comprometido está correlacionada com o grau de comprometimento motor em indivíduos com AVE 3,4,5. Com base nesses achados, o eletroencefalograma (EEG) surgiu como um potencial biomarcador que reflete tanto a gravidade do comprometimento motor quanto a possibilidade de recuperação motora 6,7. No entanto, biomarcadores baseados no EEG previamente desenvolvidos têm se mostrado inadequados para investigar as características do comprometimento motor em indivíduos com acidente vascular cerebral, em grande parte devido à sua confiança em dados de EEG em repouso em vez de dados de EEG induzidos por tarefas 8,9,10. O processamento complexo de informações relacionadas a comprometimentos motores, como a interação entre hemisférios ipsilesionais e contralesionais, pode ser revelado apenas por meio de dados de EEG induzidos por tarefas, e não por EEG em repouso. Portanto, mais estudos são necessários não apenas para explorar a relação entre as atividades neuronais e as características do comprometimento motor e para esclarecer a utilidade do EEG gerado durante o movimento da parte do corpo prejudicada como um potencial biomarcador para o comprometimento motor em indivíduos comAVE11.
A implementação do EEG para avaliação de efeitos comportamentais requer paradigmas e protocolos específicos da tarefa. Até o momento, vários protocolos de EEG têm sido sugeridos12, onde indivíduos com AVE realizam movimentos imaginados ou reais para induzir atividades cerebrais relacionadas ao movimento11,13. No caso dos movimentos imaginados, cerca de 53,7% dos participantes não conseguiam imaginar definitivamente um movimento correspondente (chamado de “analfabetismo”) e, portanto, não conseguiam induzir atividades cerebrais relacionadas ao movimento14. Além disso, é difícil para indivíduos com AVE grave movimentar todo o membro superior, e existe a possibilidade de artefatos desnecessários durante a aquisição de dados devido a movimentos instáveis. Portanto, é necessária orientação baseada no conhecimento especializado para obter dados de EEG de alta qualidade relacionados à tarefa e resultados neurofisiologicamente interpretáveis. Neste estudo, desenhamos de forma abrangente um paradigma experimental para indivíduos com AVE realizarem uma tarefa relativamente simples de movimento da mão e fornecemos um procedimento experimental com orientação detalhada.
Ao delinear o protocolo experimental visualizado neste artigo, objetivamos ilustrar os conceitos e métodos específicos utilizados para a aquisição e análise de atividades neuronais relacionadas ao movimento do membro superior utilizando um sistema de EEG. Ao demonstrar a diferença nas atividades neuronais via EEG entre os membros superiores paréticos e não paréticos em participantes com AVE hemiplégico, este estudo teve como objetivo apresentar a viabilidade do EEG utilizando o protocolo descrito como um potencial biomarcador para a gravidade do comprometimento motor em indivíduos com AVE em um contexto transversal.
Protocol
Representative Results
Discussion
Este estudo introduziu um experimento de EEG para medir atividades neuronais relacionadas ao movimento do membro superior em indivíduos com acidente vascular cerebral. O paradigma experimental e os métodos de aquisição e análise do EEG foram aplicados para determinar os padrões de ERD no córtex motor ipsilesional e contralesional.
Os resultados dos mapas da ERSP (Figura 7) demonstraram diferença no grau de ativação neuronal ao movimentar as mãos compro…
Divulgazioni
The authors have nothing to disclose.
Acknowledgements
Este trabalho foi apoiado pela Fundação Nacional de Pesquisa da Coreia (NRF) financiamento pelo governo da Coreia (MSIT) (No. NRF-2022R1A2C1006046), pelo Programa de Pesquisa de Tecnologia Original para Ciência do Cérebro através da Fundação Nacional de Pesquisa da Coreia (NRF) financiado pelo Ministério da Educação, Ciência e Tecnologia (2019M3C7A1031995), pela bolsa da Fundação Nacional de Pesquisa da Coreia (NRF) financiada pelo governo da Coreia (MSIT) (No. NRF-2022R1A6A3A13053491), e pelo MSIT (Ministério da Ciência e TIC), Coreia, no âmbito do programa de apoio do ITRC (Information Technology Research Center) (IITP-2023-RS-2023-00258971) supervisionado pelo IITP (Institute for Information and Communications Technology Planning &Evaluation).
Materials
| actiCAP | Easycap, GmbH Ltd., Herrsching, Germany | CAC-32-SAMW-56 | Textile EEG cap platform to accommodate EEG electrodes |
| Brain Vision Recorder (Software) | Brain Products GmBH Ltd., Munich, Germany | – | Software used to record EEG signal |
| Curry 7 (Software) | Compumedics, Australia | – | Software used in preprocessing of EEG data |
| LiveAmp | Brain Products, GmbH Ltd., Gilching, Germany | LA-055606-0348 | EEG system (amplifier) used for the measurement |
| MATLAB R2019a (Software) | MathWorks Inc., Natick, MA, USA | – | Software used to run the experimental stimulus and analyze the EEG data |
| Recording PC | Lenovo Group Limited, Hong Kong, China | Model: X58K | Intel Core i7-7700HQ CPU@2.80 GHz, RAM 8 GB /EEG data recording using Brain Vision Recorder |
| Sensor&Trigger Extension(STE) | Brain Products GmBH Ltd., Munich, Germany | STE-055604-0162 | Adds physioloigcal signals to the EEG amplifier |
| Splitter box | Brain Products GmBH Ltd., Munich, Germany | BP-135-1600 | Connects Ag/AgCl electrodes to the EEG amplifier |
| Stimulation PC | Hansung Corporation, Seoul, Korea | Model: ThinkPad P71 | Intel Core i7-8750H CPU@2.20 GHz, RAM 8 GB Presenting stimulation screen using MATLAB |
| TriggerBox | Brain Products GmBH Ltd., Munich, Germany | BP-245-1010 | Receives trigger signal from PC and relay it to EEG recording system |
Riferimenti
- Faria-Fortini, I., Michaelsen, S. M., Cassiano, J. G., Teixeira-Salmela, L. F. Upper extremity function in stroke subjects: Relationships between the international classification of functioning, disability, and health domains. Journal of Hand Therapy. 24 (3), 257-265 (2011).
- Veerbeek, J. M., Kwakkel, G., van Wegen, E. E., Ket, J. C., Heymans, M. W. Early prediction of outcome of activities of daily living after stroke: a systematic review. Stroke. 42 (5), 1482-1488 (2011).
- Babiloni, C., et al. Human movement-related potentials vs desynchronization of EEG alpha rhythm: a high-resolution EEG study. Neuroimage. 10 (6), 658-665 (1999).
- Giaquinto, S., Cobianchi, A., Macera, F., Nolfe, G. EEG recordings in the course of recovery from stroke. Stroke. 25 (11), 2204-2209 (1994).
- Bartur, G., Pratt, H., Soroker, N. Changes in mu and beta amplitude of the EEG during upper limb movement correlate with motor impairment and structural damage in subacute stroke. Clinical Neurophysiology. 130 (9), 1644-1651 (2019).
- Boyd, L. A., et al. Biomarkers of stroke recovery: Consensus-based core recommendations from the Stroke Recovery and Rehabilitation Roundtable. International Journal of Stroke. 12 (5), 480-493 (2017).
- Thibaut, A., et al. Using brain oscillations and corticospinal excitability to understand and predict post-stroke motor function. Frontiers in Neurology. 8, 187 (2017).
- Caliandro, P., et al. Small-world characteristics of cortical connectivity changes in acute stroke. Neurorehabilitation and Neural Repair. 31 (1), 81-94 (2017).
- Saes, M., et al. Is Resting-state EEG longitudinally associated with recovery of clinical neurological impairments early poststroke? A prospective cohort study. Neurorehabilitation and Neural Repair. 34 (5), 389-402 (2020).
- Vecchio, F., et al. Cortical connectivity from EEG data in acute stroke: A study via graph theory as a potential biomarker for functional recovery. International Journal of Psychophysiology. 146, 133-138 (2019).
- Ang, K. K., et al. A randomized controlled trial of EEG-based motor imagery brain-computer interface robotic rehabilitation for stroke. Clinical EEG and Neuroscience. 46 (4), 310-320 (2015).
- Abiri, R., Borhani, S., Sellers, E. W., Jiang, Y., Zhao, X. A comprehensive review of EEG-based brain-computer interface paradigms. Journal of Neural Engineering. 16 (1), 011001 (2019).
- Antelis, J. M., Montesano, L., Ramos-Murguialday, A., Birbaumer, N., Minguez, J. Decoding upper limb movement attempt from EEG measurements of the contralesional motor cortex in chronic stroke patients. IEEE Transactions on Biomedical Engineering. 64 (1), 99-111 (2017).
- Lee, M. H., et al. EEG dataset and OpenBMI toolbox for three BCI paradigms: an investigation into BCI illiteracy. Gigascience. 8 (5), giz002 (2019).
- Jasper, H. H. Report of the committee on methods of clinical examination in electroencephalography: 1957. Electroencephalography and Clinical Neurophysiology. 10, 370-375 (1958).
- Chatrian, G. E., Lettich, E., Nelson, P. L. Ten percent electrode system for topographic studies of spontaneous and evoked EEG activities. American Journal of EEG technology. 25 (2), 83-92 (1985).
- Shim, M., et al. Altered functional networks of alpha and low-beta bands during upper limb movement and association with motor impairment in chronic stroke. Brain Connectivity. , (2021).
- Semlitsch, H. V., Anderer, P., Schuster, P., Presslich, O. A solution for reliable and valid reduction of ocular artifacts, applied to the P300 ERP. Psychophysiology. 23 (6), 695-703 (1986).
- Kim, Y. W., et al. Riemannian classifier enhances the accuracy of machine-learning-based diagnosis of PTSD using resting EEG. Progress in Neuropsychopharmacology & Biological Psychiatry. 102, 109960 (2020).
- Griffin, D., Lim, J. Signal estimation from modified short-time Fourier transform. IEEE Transactions on Acoustics, Speech, and Signal Processing. 32 (2), 236-243 (1984).
- Lachaux, J. P., Rodriguez, E., Martinerie, J., Varela, F. J. Measuring phase synchrony in brain signals. Human Brain Mapping. 8 (4), 194-208 (1999).
- Shim, M., Kim, D. W., Lee, S. H., Im, C. H. Disruptions in small-world cortical functional connectivity network during an auditory oddball paradigm task in patients with schizophrenia. Schizophrenia Research. 156 (2-3), 197-203 (2014).
- Shim, M., Hwang, H. J., Lee, S. H. Impaired functional cortical networks in the theta frequency band of patients with post-traumatic stress disorder during auditory-cognitive processing. Frontiers in Psychiatry. 13, 811766 (2022).
- Bassett, D. S., Bullmore, E. Small-world brain networks. Neuroscientist. 12 (6), 512-523 (2006).
- Rubinov, M., Sporns, O. Complex network measures of brain connectivity: uses and interpretations. Neuroimage. 52 (3), 1059-1069 (2010).
- Shiner, C. T., Tang, H., Johnson, B. W., McNulty, P. A. Cortical beta oscillations and motor thresholds differ across the spectrum of post-stroke motor impairment, a preliminary MEG and TMS study. Brain Research. 1629, 26-37 (2015).
- López-Larraz, E., Sarasola-Sanz, A., Irastorza-Landa, N., Birbaumer, N., Ramos-Murguialday, A. Brain-machine interfaces for rehabilitation in stroke: A review. NeuroRehabilitation. 43 (1), 77-97 (2018).
- Fong, K. N., Chan, C. C., Au, D. K. Relationship of motor and cognitive abilities to functional performance in stroke rehabilitation. Brain Injury. 15 (5), 443-453 (2001).
- Vecchio, F., et al. Acute cerebellar stroke and middle cerebral artery stroke exert distinctive modifications on functional cortical connectivity: A comparative study via EEG graph theory. Clinical Neurophysiology. 130 (6), 997-1007 (2019).
- Hwang, H. J., Kwon, K., Im, C. H. Neurofeedback-based motor imagery training for brain-computer interface (BCI). Journal of Neuroscience Methods. 179 (1), 150-156 (2009).
- Park, S. A., et al. Evaluation of feature extraction methods for EEG-based brain-computer interfaces in terms of robustness to slight changes in electrode locations. Medical & Biological Engineering & Computing. 51 (5), 571-579 (2013).
