מדדי רשת אלקטרואנצפלוגרפיה כסמנים ביולוגיים של פגיעה בגפיים העליונות בשבץ כרוני
Summary
פרוטוקול הניסוי מדגים את הפרדיגמה לרכישה וניתוח של אותות אלקטרואנצפלוגרפיה (EEG) במהלך תנועת גפיים עליונות אצל אנשים עם שבץ. השינוי ברשת התפקודית של רצועות תדר EEG נמוכות בטא נצפה במהלך תנועת הגפה העליונה הלקויה והיה קשור למידת הפגיעה המוטורית.
Abstract
שינוי באותות אלקטרואנצפלוגרפיה (EEG) במהלך תנועה ספציפית למשימה של הגפה הפגועה דווח כסמן ביולוגי פוטנציאלי לחומרת הליקוי המוטורי ולניבוי התאוששות מוטורית אצל אנשים עם שבץ. בעת יישום ניסויי EEG, פרדיגמות מפורטות ופרוטוקולי ניסוי מאורגנים היטב נדרשים כדי להשיג תוצאות חזקות וניתנות לפרשנות. בפרוטוקול זה, אנו ממחישים פרדיגמה ספציפית למשימה עם תנועת גפיים עליונות ושיטות וטכניקות הדרושות לרכישה וניתוח של נתוני EEG. הפרדיגמה מורכבת מדקה אחת של מנוחה ואחריה 10 ניסויים הכוללים לסירוגין 5 שניות ו-3 שניות של מצבי מנוחה ומשימה (הארכת יד), בהתאמה, במשך 4 מפגשים. אותות EEG נרכשו באמצעות 32 אלקטרודות קרקפת Ag/AgCl בקצב דגימה של 1,000 הרץ. בוצעו ניתוחי הפרעות ספקטרליות הקשורות לתנועת גפיים וניתוחי רשת פונקציונליים ברמה הגלובלית בתחום התדרים בטא נמוך (12-20 הרץ). תוצאות מייצגות הראו שינוי ברשת התפקודית של פסי תדרי EEG בעלי בטא נמוכה במהלך תנועה של הגפה העליונה הפגועה, והרשת התפקודית שהשתנתה הייתה קשורה למידת הפגיעה המוטורית בחולי שבץ כרוני. התוצאות מדגימות את ההיתכנות של פרדיגמת הניסוי במדידות EEG במהלך תנועת גפיים עליונות אצל אנשים עם שבץ. יש צורך במחקר נוסף המשתמש בפרדיגמה זו כדי לקבוע את הערך הפוטנציאלי של אותות EEG כסמנים ביולוגיים של ליקוי מוטורי והתאוששות.
Introduction
ליקוי מוטורי בגפיים העליונות הוא אחת התוצאות השכיחות ביותר של שבץ מוחי והוא קשור למגבלות בפעילויות היומיום 1,2. מקצבי אלפא (8-13 הרץ) ובטא (13-30 הרץ) ידועים כקשורים קשר הדוק לתנועות. בפרט, מחקרים הראו כי שינוי בפעילות העצבית בתדרי אלפא ובטא תחתונה (12-20 הרץ) במהלך תנועה של גפה לקויה מתואם עם מידת הליקוי המוטורי אצל אנשים עם שבץמוחי 3,4,5. בהתבסס על ממצאים אלה, אלקטרואנצפלוגרפיה (EEG) התפתחה כסמן ביולוגי פוטנציאלי המשקף הן את חומרת הליקוי המוטורי והן את האפשרות להתאוששות מוטורית 6,7. עם זאת, סמנים ביולוגיים מבוססי EEG שפותחו בעבר הוכחו כבלתי מספיקים לחקר המאפיינים של ליקוי מוטורי אצל אנשים עם שבץ, בעיקר בשל הסתמכותם על נתוני EEG במצב מנוחה ולאעל נתוני EEG 8,9,10 המושרה על ידי משימה. עיבוד מידע מורכב הקשור לליקויים מוטוריים, כגון האינטראקציה בין המיספרות איפסילציוניות וקונטרלסיונליות, יכול להתגלות רק באמצעות נתוני EEG המושרה על ידי משימה, ולא EEG במצב מנוחה. לכן, מחקרים נוספים נדרשים לא רק כדי לחקור את הקשר בין פעילויות עצביות לבין מאפייני ליקוי מוטורי ולהבהיר את התועלת של EEG שנוצר במהלך תנועה של חלק הגוף הלקוי כסמן ביולוגי פוטנציאלי לליקוי מוטורי אצל אנשים עם שבץ11.
יישום EEG להערכת השפעות התנהגותיות דורש פרדיגמות ופרוטוקולים ספציפיים למשימה. עד כה, פרוטוקולי EEG שונים הוצעו12, כאשר אנשים עם שבץ ביצעו תנועות דמיוניות או ממשיות כדי לגרום לפעילויות מוח הקשורות לתנועה11,13. במקרה של תנועות מדומיינות, כ-53.7% מהמשתתפים לא יכלו לדמיין בוודאות תנועה מקבילה (הנקראת “אנאלפביתיות”) ולכן לא הצליחו לגרום לפעילות מוחית הקשורה לתנועה14. יתר על כן, קשה לאנשים עם שבץ חמור להזיז את כל הגפיים העליונות, ויש אפשרות של ממצאים מיותרים במהלך רכישת נתונים עקב תנועות לא יציבות. לכן, נדרשת הדרכה המבוססת על ידע מקצועי כדי להשיג נתוני EEG באיכות גבוהה הקשורים למשימה ותוצאות הניתנות לפענוח נוירופיזיולוגי. במחקר זה, תכננו באופן מקיף פרדיגמה ניסיונית עבור אנשים עם שבץ לביצוע מטלת תנועת יד פשוטה יחסית וסיפקנו הליך ניסיוני עם הדרכה מפורטת.
על ידי התוויית פרוטוקול הניסוי החזותי במאמר זה, ביקשנו להמחיש את המושגים והשיטות הספציפיים המשמשים לרכישה וניתוח של פעילויות עצביות הקשורות לתנועת הגפה העליונה באמצעות מערכת EEG. בהדגמת ההבדל בפעילות העצבית באמצעות EEG בין הגפיים העליונות הפארטיות והלא פארטיות בקרב משתתפים עם שבץ המיפלגי, מחקר זה ביקש להציג את ההיתכנות של EEG באמצעות הפרוטוקול המתואר כסמן ביולוגי פוטנציאלי לחומרת הליקוי המוטורי אצל אנשים עם שבץ בהקשר חתך.
Protocol
Representative Results
Discussion
מחקר זה הציג ניסוי EEG למדידת פעילויות עצביות הקשורות לתנועת גפיים עליונות אצל אנשים עם שבץ. הפרדיגמה הניסויית ושיטות הרכישה והניתוח של EEG יושמו כדי לקבוע את דפוסי ה-ERD בקליפת המוח המוטורית האיפסילסיונלית והקונטרלסיונלית.
התוצאות של מפות ERSP (איור 7) הדגימו את …
Disclosures
The authors have nothing to disclose.
Acknowledgements
עבודה זו נתמכה על ידי מענק קרן המחקר הלאומית של קוריאה (NRF) שמומן על ידי ממשלת קוריאה (MSIT) (No. NRF-2022R1A2C1006046), על ידי תוכנית המחקר הטכנולוגית המקורית למדעי המוח באמצעות קרן המחקר הלאומית של קוריאה (NRF) במימון משרד החינוך, המדע והטכנולוגיה (2019M3C7A1031995), על ידי מענק קרן המחקר הלאומית של קוריאה (NRF) במימון ממשלת קוריאה (MSIT) (No. NRF-2022R1A6A3A13053491), ועל ידי MSIT (משרד המדע והתקשוב), קוריאה, במסגרת תוכנית התמיכה ITRC (מרכז מחקר טכנולוגיית מידע) (IITP-2023-RS-2023-00258971) בפיקוח IITP (המכון לתכנון והערכה של טכנולוגיית מידע ותקשורת).
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 |
References
- 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).
