テーマ

Scientific Reports volume 13、記事番号: 12615 (2023) この記事を引用

73 アクセス

メトリクスの詳細

反復経頭蓋磁気刺激 (rTMS) は、大うつ病を含む精神神経疾患の治療においてかなりの重要性を獲得しています。 しかし、rTMS が脳の機能的接続をどのように変化させるのかはまだ理解されていません。 今回我々は、10 Hz rTMS 後の最初の 1 時間以内に、安静状態機能的磁気共鳴画像法 (rsfMRI) によって捕捉された機能的接続性の変化を報告します。 主題固有の分割スキームを適用して、(1) 領域の最も強力な機能的接続が観察されるネットワーク ノードの変化、および (2) 領域間の機能の移行が発生するネットワーク境界の変化を検出します。 ノードおよび境界マップの変更の時間間隔の分類と特徴付けには、堅牢で効果的で広く使用されている機械学習アルゴリズムであるサポート ベクター マシン (SVM) を使用します。 私たちの結果は、境界での接続性の変化はノードで観察された変化よりも遅く複雑ですが、精度信頼区間によれば同様の大きさであることを明らかにしています。 これらの結果は、後帯状皮質と楔前部で最も強かった。 コネクトミクス研究では、ネットワーク境界はノードに比べて実際に十分に調査されていないため、今回の結果はrTMSの機能調整へのネットワーク境界の貢献を強調しています。

反復経頭蓋磁気刺激 (rTMS) は、脳機能を非侵襲的に調節するための一般的な方法となっています 1。 最近の神経画像研究では、rTMS によって局所的な皮質領域に誘発される機能変化が、大規模な脳ネットワーク内および大規模な脳ネットワーク間の両方で、活動と機能的接続の選択的かつ明確な調節につながることが示されています 2,3,4,5,6,7。 rTMS がネットワーク変調を引き起こすメカニズムはまだよく理解されていません。 現在、rTMS などの局所的な神経摂動によって引き起こされる脳全体への影響をマッピングすることは、成長している研究分野です。 確立された方法により、連続した時間間隔でノ​​ードマップと境界マップの両方で高周波rTMSに対するコネクトームレベルの機能調整を評価できるようになりました8,9。

参加者が特定のタスクに従事していないときに取得される機能的磁気共鳴画像法 (fMRI) データは、安静状態 fMRI (rsfMRI) と呼ばれます。 RsfMRI は、脳の巨視的な機能ネットワーク構造 10、11、12 や、精神疾患においてどの領域が最も機能的に変化しているのかについての理解を進めるのに役立ってきました 13、14。 ただし、fMRI データは通常、数千のボクセルの機能的時間経過で構成されており、領域間の相関関係または「機能的接続性」を正確に推論できる一方で、高次元性を持っています。 データのデータ次元を削減し、fMRI データにおける時空間構成の最も関連性の高いパターンを特定するために、さまざまなアプローチが提案されています。 これは、我々の研究ではノード 15 と境界 8、16、17 として表される脳全体の機能領域の場合に当てはまります。 ノードは、ローカルまたはグローバルな接続性の最大の強みとして定義され、それぞれモジュール性と統合の概念としても知られており、これにより、健康な脳と病気の脳の次元組織について多くの洞察が可能になりました18。 境界はノードに対応するもので、通常は隣接する機能領域間の移行部で、接続強度が最も低いか存在しない場所で特定されます16。 境界の調査とは対照的に、科学界は機能ネットワークのノードに不釣り合いな注意を払ってきました。 ノード クラスタリング手法では、時空間要素 (つまり、ボクセル) は、その機能的接続性の類似性と非類似性に基づいてグループ化できます 15。 ノード クラスタリング アプローチの一例は、独立成分分析 (ICA) です。これは、対応する時空間分布に基づいて機能コンポーネントを効率的に分離する脳マッピング手法として使用されます。 ICA は、大規模な脳ネットワークの識別に広く適用されています 5,20,21。