著者
お問い合わせ

サインイン

この記事について

  • 要約
  • 要約
  • 概要
  • プロトコル
  • 結果
  • ディスカッション
  • 開示事項
  • 謝辞
  • 資料
  • 参考文献
  • 転載および許可

要約

脳機能法は脳機能障害のバイオマーカーを抽出するために適用されます。焦点は、キュード GO/NOGO タスクに記録されたマルチチャネル・イベント関連の電位 (ERP) に焦点を当てています。非脳アーチファクトは補正され、ERPは標準データと比較されます。例は、ADHD診断および投薬反応の予測のためのバイオマーカーに関連する。

要約

ADHDのような神経精神医学的診断は、インタビュー、評価尺度および観察のような主観的な方法に基づいている。より多くの脳ベースのサプリメントの必要性があります。.覚せい剤はADHDの最も一般的な治療法です。臨床的に有用な応答予測器は、今のところ報告されていない。本論文の目的は、脳機能障害の潜在的バイオマーカーを抽出するために適用する脳科学法を用いた方法を説明することである。例は、小児ADHDのためのバイオマーカー、および薬物反応の予測に関連する。主な重点は、イベント関連ポテンシャル (ERP) です。

19チャンネルのEEGは、3分目を開けたタスク、3分目を閉じるタスク、および20分のキュードビジュアルGO / NOGOタスク(VCPT)の間に記録されます。ERP はこのタスク中に記録されます。ERPプロトコルの目的は、患者群と健康なコントロールを有意に区別する想定された脳機能不全のバイオマーカーを抽出することである。このプロトコルには、標準条件および加工品の補正中の記録が含まれます。ERP波は、潜在的なコンポーネントに使用または変換することができます。患者群の成分は対照と比較され、比較すると比較的高い効果サイズを示す成分に共感する。患者のサブグループは、成分の空間におけるクラスター分析に基づいて選択される。治療手順(投薬、tDCSまたはニューロフィードバックプロトコルなど)を適用することができ、サブグループにおける治療に関連する成分の変化が観察され、臨床勧告の基礎となる。

記載された方法は、87人の小児ADHD患者の研究で適用された。投薬反応の指標は、応答者と非応答者の間で有意に区別され、臨床的に意味のある効果サイズが大きく、臨床的に意味のある効果サイズ(d = 1.84)。ADHDの小児と一致したコントロールを比較する継続的な研究では、いくつかの変数が患者とコントロールを有意に区別する。グローバルインデックスはd = .8を超えています。ここで説明するEEGベースの方法は、臨床的に意味がある可能性があります。

概要

NIMHが開始した2008年には、精神障害を理解するための生物学的に有効な枠組みを見つけることを目的として、研究ドメイン基準(RDoC)プロジェクト1が発表されました。2013年、米国食品医薬品局(FDA)は、6歳から17歳までの患者のADHDを評価するために、ADHDの最初のEEGベースのバイオマーカーを承認しました。神経精神脳科学ベースの評価援助(NEBA)システムは、15〜20分間脳脳を記録します。これは、一般的に発達中の小児よりもADHDを有する小児および青年においてより高いことが判明したシータ/ベータ比の計算に基づいている2.最近の出版物では、この比率がすべての ADHD3をキャプチャしないことがわかります。

臨床神経科学の多数の出版物は、認知制御障害がADHD、統合失調症、うつ病、OCD44、55を含む多くの精神疾患の共通の特徴を表すことを示しています。理論的には、認知制御は、人々が目標や文脈に柔軟に適応することを可能にする架空の操作で構成されています。認知制御の2つの異なるカテゴリ、積極的および反応制御、6.私たちの主な焦点は、認知制御の反応モードです。プロアクティブな認知制御には、ワーキングメモリ(すなわち、感覚イベントと運動イベントを数秒間維持する)が含まれます。反応性認知制御には、監視、競合7、8、8および行動阻害 (レビューについては9,10参照) の検出が含まれます。

GO/NOGO パラダイムは、認知制御11、12 、13、,14、,15に敏感です。15GO刺激は頭頂部の脳領域から正の変動を引き起こす。(P3 GO)。前分布した正のN2およびP3 NOGO波は、NOGO刺激によって引き起こされ、衝突および作用阻害の検出に関連している16、17、18、19。16,17,18,19N2波は作用抑制の指標として理解されてきたが、更新された研究は、N2波が不定期のGO刺激および競合の検出に関連していることを示している。作用阻害は、前頭中央部位におけるP3 NOGO波に関連している。

N2/P3二分法が正しくない可能性があります。ERP波、特に認知制御を表す波は、場所と時間14、21,21で重複する可能性のあるいくつかの情報源の合計であるという見解によって疑問視されている。

ERP波の発生源を分断するために、ブラインドソース分離のいくつかの方法が15、22、23、24,23,24に使用されている。15,サンクトペテルブルクの人間脳研究所での研究では、N2d NOGO波が分解されています。非表示のコンポーネントが検出されました。これらのコンポーネントは、別個の地形と機能的意味を持っていました。そのうちの1つだけが,、競合14、15、25、2615,25の検出に関連付けられていた。14ADHDのほとんどの成人研究では、P3 NOGOは、一致した健康なコントロール27、28、29、30、31、3228,29,30,31,32と比較して小さいです。27

認知制御のタスク中に行われる脳の操作は、GO/NOGOパラダイムのERPが14,15,15を分析されたときにN2/P3二分法によって正しく説明されていないようです。ERP波から隠れた成分を解くことを目的としたいくつかのアプローチが使用されている(レビューのために21を参照)。統合失調症患者29、ADHD33、34の成人などの患者群のERPに対して独立したコンポーネント分析(ICA)を使用し、34診断なしで患者をコントロールから差別しようとする研究もある。

(イェール、2010、2525 p.75)では、新しい方法が提案され、ERPに適応されます。これは、クロス分散行列の関節対角化の手順に基づいて、ブラインドソース分離の方法です。この方法を適用するこのような潜伏成分の機能的意味を研究するために、この方法をcued GO/NOGOパラダイムに、ヒト脳研究所の研究が最近実施された26.本研究では、アクション抑制操作と競合検出操作は、cued GO/NOGOタスクの変更によって独立して操作された。競合の検出を反映すると考えられている隠しコンポーネントが見つかりました。N2様応答と前頭地形は、この成分を特徴付け35.調製された作用の阻害を必要とする試験では、中央地形とP3様反応が見られた。

本書では、報告された研究は、従来のERP法を使用している。ICAの適用、またはクロス分散行列25の関節対角化の手順(75ページ)は、今のところ行われていない。一般に、異なる方法に基づく結果は互いに一致するが、潜在的な成分を発見するための方法は、より純粋に明確な神経心理学的機能に関連しているように見える。本稿の目的は、WinEEG法の詳細な説明を提供することにある。ERP に焦点を当てていますが、Go/NOGO タスクの EEG スペクトルと行動データも WinEEG メソッドを説明する研究に含まれています。

プロトコル

プロトコルに記載されている機器は、病院当局によって倫理的に承認され、臨床目的のために使用されます。地域医学研究倫理委員会は、記載されたプロジェクトを承認しました。

1. ERP記録用のハードウェアとソフトウェア

  1. メーカーのプロトコルに従ってEEG増幅用のアンプ(例えば、ミッサー201)を使用します。WinEEGソフトウェアと2つの相互接続されたコンピュータが必要です:EEGとボタン押し録音のためのメインコンピュータ、および刺激プレゼンテーションのためにメインコンピュータによって制御されるスレーブコンピュータ。
  2. 国際的な10-20システムに従って頭部に置かれる19電極の帽子を使用してください。
    注:必要な機器、キャップ、電極、ゲルなどは、いくつかのメーカーから入手することができます。
  3. バックライトのない防音室の快適な椅子に患者/被験者を置きます。
  4. デフォルトである参照モンタージュ(Ref)を使用します。HBi データベースとの後の比較のため。モンタージュを共通平均 (Av) に変更します。

2. 能力と教育

  1. EEGの登録、データの解釈、臨床使用、研究に関わるすべての人がWinEEGの使用に必要な専門的背景と特定のトレーニングを持っている必要があることを確認してください。

3. 患者・参加者への通知

  1. 患者/被験者に、処置が危険ではなく、傷つかないことを知らせる。
    注:ゲルで19の穴を埋めるために必要な注射器は鋭くありません。
  2. 研究者が自分の心を読むことができなることを子供たちに知らせます。すべての脳でいくつかの電気的活動が行われることを伝えます。それを読むために、研究者はこの機器を必要とします。脳には何もありませんが、研究者はリラックスしたとき、そしていつタスクに出席しなければならないかを見たいと考えています。
  3. 機器は10分間所定の位置に置いたままにしておきます。
    注:この期間中、最年少の子供たちは、彼らが望むなら、漫画を見ることができます。時には、親は子供が安全だと感じるまで、部屋の後ろに静かに存在します。
  4. 被験者に、テストに約1時間かかることを伝えます。機器が適切に配置されたら、3分間目を閉じてリラックスし、その後3分間、目を開けてリラックスするように被験者に伝えます。

4. EEG データファイルの作成

注: WinEEG には、生の EEG ファイル (拡張子 - .eeg)、EEG スペクトル (拡張子 - .spec)、および ERP ファイル (拡張子 - .erp) を個別に格納するための独自のビルドイン データベースがあります。データベースは自動的に作成され、最初はWinEEG/データ、WinEEG/仕様、WinEEG/erpフォルダに保存されます。

  1. 患者とのセッションを開始するには、メニューの「ファイル|」をクリックして対応するEEGデータファイルを作成します。新しい.患者のカードが画面に表示されます。
    注: 次の形式が使用されます: テストする人の名前またはコードを入力します。生年月日(DD.ミリメートル。YYYY)、セックスのためのMまたはF。必要に応じて、患者カードの他のオープンフィールドを使用します。

5. 機器の準備

  1. 小さな色分けされたバンドを使用して、ヘッドの円周を測定してキャップの適切なサイズを見つけます。耳たぶと額から油を拭き取るために小さなパッチを使用してください。鼻のイニオン距離(例:35cm)を測定します。前頭極電極の中心は、この距離の10%をナシオン(例:3.5cm)上の水平線に落とす必要があります。
    注意:患者の髪は清潔で(ヘア製品などなし)、乾燥している必要があります。
  2. 耳たぶに皮膚準備ゲル(例えば、Neuprep)を入れてください。導電性のエレクトロゲル(例えば、Ten20)で耳の電極カップを充填し、耳電極を置きます。これらのケーブルのもう一方の端がアンプに接続されていることを確認します。
  3. 耳たぶ電極が部屋の「雑音電気」を捉え、これは頭から電気を差し引いて、頭から何が起こるかを見ることを被験者に伝えます。
  4. 上述のように前面のポール電極を置いて、キャップを頭部に対称に置きます。キャップを可能な限り引き下げて、頭に近いことを確保します。
  5. 胸の周りにウエストバンドを置き、このバンドにキャップに接続されたプッシュボタンを締めます。これはテストの間に帽子および電極の動きを防ぐ。
  6. キャップケーブルとイヤーケーブルをアンプに接続します。左右の耳を混ぜないでください。
  7. インピーダンスアイコンの WinEEG メニューコントロールをクリックします。すべての電極を備えた簡略化された頭部が現れる。次に、注射器にゲルを充填し、それを使用してすべての電極の穴を埋めます。黒い円が黄色の場合、インピーダンスはOKです。
    メモ:適切なインピーダンスを確保するために、各電極で作業を開始する前にすべての穴を埋めます。細い木製の棒を使用して、ゲルが頭部の皮膚に到達するのを助けます。
  8. 全20ホールが画面に黄色で表示され、個々の穴の色差が小さい場合に登録を開始します。
  9. EEG レコードの監視を開始します。緑色の矢印(EEG監視)をクリックします。
    注:19個の電極すべてから生のEEG信号が見えたら、目をまばたきして正面サイトで大きな変化を指摘してもらいます。これらのアーティファクトは自動的に削除できます。登録の質は、リラックスした顎、目、額に依存し、頭と体のすべての種類の動きを可能な限り避ける必要があります。

「目を閉じた」「目が開いた」の登録

  1. 目を閉じて3分間、快適な椅子でリラックスするように被験者に伝えます。「目を開けた」を始める前に、目を開けて目を開けて3分間静かに座るように言います。
  2. メニューラインの赤い円(EEGを取得)を押し、「インピーダンスの制御」ボタンの横に移動します。
  3. 次のアイコンのドロップダウンメニューを押して、「目を閉じた」または「目を開けた」を選択します。これにより、登録が開始されます。経過時間は、EEG曲線の上に見ることができます。
  4. 180 sの後に一時停止ボタンを押します(これは同じファイルのさらなる登録を不可能にするので「保存」しません)。彼らに目を開くように頼みます(または目が開いた場合は閉じます)。登録を続行します。3分後、停止して保存します。
    注: 保存しないと、新しいファイルを作成するときにデータが失われます。

7. Cued GO/NOGO タスクでの EEG 記録の準備

  1. EEGの録音を開始する前に、適切なポートに特別なUSBドングルを挿入します。ドングルの小さなライトは、システムが動作していることを示します。
  2. 被験者に右手に特別なボタンスイッチを与えます。約20分かかるテストを完了するために必要です。
  3. タスクメニューを開き、患者/参加者の前にあるスレーブコンピュータでVCPTを選択します。
    注:写真のすべての4つの組み合わせを示す指示ウィンドウは、スレーブコンピュータ画面に表示されます:(動物動物(a-a)、動物植物(a-p)、植物植物(p-p)、植物人間(p-h)。(図1)。刺激は被験者の前に1.5メートル、17インチのコンピュータ画面で提示される。被験者の頭部で測定される音は70dBでなければならない。
  4. 写真がペアで来ることを件名に指示し、最初の画像は1秒の2番目の写真が続きます。3 sの後に新しいペアが開始されます。
  5. a-a の組み合わせが表示されるたびにマウスの左ボタンを押す必要があることを件名に伝えます。a-a組み合わせでは、2匹の動物は常に同一です。
  6. できるだけ正確に、しかしまた速く主題に知らせる。被験者は、a-p、p-p、またはa-hの組み合わせでマウスボタンを押してはいけません。
  7. p-hの組み合わせでランダムな音を無視するように件名に伝えます。
  8. スレーブコンピュータでEnterキーを押し、問題を正しく理解するまで、約2〜5分間タスクを実行して被写体を訓練します。
  9. スレーブコンピュータで、スレーブモードに切り替えるオプションを選択します。
    メモ: タスクのプレゼンテーションは、メインコンピュータ上のWinEEGプログラムによって管理されるようになりました。

figure-protocol-4223
図1:VCPT:ビジュアル連続パフォーマンステスト。図 1は、VCPT の 4 つの条件を示しています。各条件の100の試験がランダムに提示されます。テスト時間は合計20分です。

8. タスク条件でのEEGとボタンプレスの録音

  1. メインコンピュータの[EEGモニタリング]オプションを記録メニューから起動して、システムが正常に動作することを確認します。
  2. メインコンピュータのメニューボックスの記録メニューから、EEG取得オプションを開始します。刺激表示プログラムオプションが強調表示されます。VCPTを選択し、スレーブコンピュータ上で刺激プレゼンテーションを開始します。
    メモ:マウスの左ボタンを押すたびに、EEG曲線の下に赤いマークが表示されます。左と右マウスボタンの 2 つの行があります。
  3. 赤いマークが右ボタンを使用したことを示すため、最下の行に赤いマークが表示されないことを確認します。一時停止ボタンを使用して、件名にマウスの左ボタンを使用するように指示します。
  4. EEG登録を監視し、潜在的な関心のあるインシデントをメモします。筋肉や動きに関連するあまりにも多くのアーティファクトが観察された場合。登録を一時停止し、リラックスしてじっと座って被験者を思い出させます。登録を続行します。
    注:タスク中の脳の登録は20分かかり、400組の写真で構成されています。各ペアの 100。a-a、a-p、p-pおよびp-h。ペアはランダムな順序で表示されます。(図 1を参照してください)。
  5. 100組ごとに短い休憩を取ります。一時停止ボタンを押します。椅子に座っているとき、彼らの腕と足を伸ばし、彼らの顔の筋肉を緩めることを奨励します。何か飲み物を提供する。1、2 分後に登録を続けます。

9. 登録の終了

  1. [レコーディング] を押して、400 回のトライアルがすべて完了したら、登録を停止します。停止します。
    注:ファイル保存オプションを押すと、記録された未処理の EEG とボタン押下チャンネルを持つファイルが組み込みデータベースに保存されます。
  2. 研究者がキャップ、ウエストバンド、および耳の電極を取り外すまで、被検者に座ったままにするように指示します。
    注:通常、これが完了すると、髪にゲルはありません。紙布でジェルを取り除きます。ほとんどの患者/参加者は、家に帰ったときに髪を洗うことを好みますが、登録直後に髪を洗うオプションが必要です。
  3. タスクを完了した件名に感謝します。VCPT(1-10スケール)を評価するように頼む、どのように退屈?どのように疲れ果てていますか?契約に応じて、テスト結果に関して次に何が起こるかを伝えます。

10. クリーニング

  1. 耳の電極を洗浄し(お湯に浸す)、できるだけ早くキャップします。水、石鹸、柔らかいブラシが必要です。キャップが乾燥する場所に掛ける前に、ゲルの残り物が取り除かれているかどうかを確認するためにすべての穴をチェックしてください。

11. EEG レコードの前処理

注: HBIdb ソフトウェアには、3 種類の電極モンタージュが用意されています。リンクされた耳の参照(参照としてラベル付け)、共通の平均参照(Avとしてラベル付け)、ローカル平均参照(Awとしてラベル付け)です。SETUP メニューのモンタージュリストからモンタージュを選択します。EEG は、アーティファクト補正を開始する前に Ref を Av に変更するに記録されます。

  1. 空間ろ過の手順を適用することにより、眼球運動のアーティファクトを除去します。
    注: 空間フィルターは、選択した EEG フラグメントに独立成分分析 (ICA) を適用することによって取得されます。フラグメントには、少なくとも 90 s の生データが含まれている必要があります。
  2. フラグメントの先頭にあるタイムバーでマウスの左ボタンをクリックし、フラグメントの終わりにあるタイムバーの右ボタンをクリックして、EEGフラグメントを選択します。選択後のフラグメント全体が黄色で強調表示されます。
    注: アーティファクトの修正手順は、[分析]メニューから[アーティファクト補正]オプションを選択して実装されます。[空間フィルター パラメーター推定] という名前のウィンドウが画面に表示されます。
  3. 個々のスペクトルと ERP を HBI 参照データベースと比較できるようにICAメソッドを選択します。
    注: [空間フィルター] パラメーターの推定ウィンドウが表示されます。左から右へ:1)生(未修正)マルチチャンネルEEGの断片、2)修正されたEEGの断片、3)補正アーティファクトの波形、4)抽出されたICA成分の時間コース(上から下まで)と5)独立の地形コンポーネント。
  4. 目の点滅と水平の目の動きに関連付けられている地形を選択します。[OK]をクリックして同意します。
  5. [分析] メニューの [アーティファクトをマーク] オプションをクリックして、"アーティファクトをマークする" という名前のプロシージャを実装します。
    注:これは、遅いおよび高周波の断片外れ値を拒否します:非眼球運動アーティファクト(筋肉の緊張、頭の動きなどのエピソード)によって汚染されたEEG断片は、さらなる分析から除外されます。複雑な場合には、手動アーティファクト拒絶は、説明した手順を補足することができます。

12. EEGスペクトルの計算

  1. [分析] メニューから[EEGスペクトルとフラグメント- 目を閉じる]または[目を開いた]を選択します。図 2に示すようにデフォルト設定が行われている場合は、[OK] をクリックします。
    注: 図3に、19 のサイトすべてに対して Spectra を示します。X 軸はヘルツ(Hz)の周波数で、y 軸はマイクロボルト(μV)のパワーです。
  2. 分析を選択する |個々のスペクトルをデータベースと比較する結果の比較。左側のウィンドウで患者/被験者を選択します。右側のウィンドウで、データベースファイル(または開いている別のファイル)を選択し、比較のためにOKを押します。件名とデータベースの違いを示す画像が表示されます。
    注: スペクトルは、0 Hz から 30 Hz までの周波数の二乗平均値を示します(1.5~2 Hz 未満の周波数は、アーティファクトの影響を受けることが多いため、注意して解釈する必要があります)。スペクトルを解釈することは、このプロトコルの範囲を超えています。潜在的な臨床的関心の発作はスペクトルに現れないかもしれないが、生のEEGで見ることができる。

figure-protocol-7942
図2:EEGスペクトルの計算スペクトルを計算するには: [解析] をクリックします。スペクトラ.設定が正しい場合は、図 2に示す図が表示されます。この図の大きなバージョンを表示するには、ここをクリックしてください。

figure-protocol-8339
図3:19電極を有するEEGスペクトル。図3は19サイトにおけるEEGスペクトルを示す。X軸は0~30Hzの周波数です。y軸はμV2のパワーです。この図の大きなバージョンを表示するには、ここをクリックしてください。

13. イベント関連の可能性(ERP)

注: イベント関連ポテンシャル (ERP) は、平均化手順によって計算されます。正しい試験のみが含まれます。ERPは、上記の前処理の完了後に計算されます。ERP を計算するためのゴールドスタンダードは、平均試行回数を 50 以上に保つことです。

  1. 共通の平均モンタージュ(Av)で、EEG VCPTファイルを選択します。[分析] メニューの[ERPの計算] をクリックします。
    注: HBdb ドングルがコンピュータに接続されていないか、何らかの理由でアクティブ化されていない場合、HBdb は、ユーザーが EEG ファイルを読み取って、それらを前処理することができますが、データベースでスペクトルと ERP を計算することはできません。
  2. [OK] をクリックします。ERP 計算のパラメータを表すウィンドウが表示されます (図 4)。
    注: 図4に示すように、パラメーターは次のとおりです。2: a-p NOGO;3:p-p(試行を無視する);4:p-h(ノベルティ試験);5と同様に:+すべての試練は、の提示で始まった意味。そして6: - すべての試験はpの提示から始まった意味。また、ERP差分波動も示されています。
  3. [OK] をクリックします。解析されたファイルの ERP は計算され、ERP ウィンドウにグラフィカル形式で表示されます (図 4)。
    注: ERP ウィンドウは、各タスク条件の 19 の ERP グラフで構成されています: a-a GO、 a-p NOGO、p-p、p-h。図 4に示されているのは、GO と a-p の NOGO だけです。各グラフで:X軸はms.で時間、Y軸はμVで電圧である。図4はプレゼンテーション形式の調整の結果を示す。試験a-go、a-p NOGOのカテゴリーのみが選択される(GOは緑色で描かれ、NOGOは赤色で描かれている)。スケールは12 μVで選択されます。時間間隔は 1400 ミリ秒から選択します。刺激2の表示時間は700 msの持続時間で選択されます。
  4. イベント関連ポテンシャル (ERP) のウェーブをマップするには、任意のグラフで選択した時間(X軸に沿って) でマウスの右ボタンをクリックし、それを放して、開いているメニューの[マップの追加] オプションを選択します。対応するマップがページの下部に表示されます。

figure-protocol-10115
図4:ERP計算のパラメータ図4は、19サイトにおけるERPコンポーネントa-a GO(緑)およびa-p NOGO(赤)を示しています。時間間隔は1400 msから2100 ms.A-a GOが最も明確にCzのサイトPzとa-p NOGOで見られます。

14. VCPTにおける行動データの登録と比較

  1. ERP を表示するウィンドウでマウスの右ボタンをクリックし、グループ情報を選択して、省略数(ボタンクリックの欠落)、コミッション(衝動的な余分なクリック、平均反動時間(RT)、およびRT変動性を確認します。
  2. 解析を選択する |結果の比較:左側のウィンドウでサブジェクトのファイルをマークし、右側のウィンドウで比較ファイルをマークします。[OK] をクリックします。
    注: 標準グループ内のこれらの変数の百分位数を示す年齢ベースの紙テーブルを使用します。

15. イベント関連ポテンシャル (ERP) と参照データベースの比較

注: 比較対象の時間間隔は、メニューに対応する数値を入力して定義されます: 時間間隔 (ms)、期間 (ミリ秒) から)。ERP は、ERP ウィンドウ上部のアクティブ グループメニューから対応するグラフを選択することにより、特定のカテゴリの試験 (A-GO、a-p NOGO、p-p、p-h など) に対して選択的に表示できます。

  1. [解析] メニューから [結果の比較] を選択します。左ウィンドウで患者/被験者をクリックし、右のウィンドウでHBIdbをクリックします。
    注:件名を以前の登録と比較するには、古いファイルを開き、HBIdbの代わりにこれを選択してください)。ERP 比較ウィンドウが表示されます。このウィンドウは、μV の ERP 波の差を示します。
  2. マウスの右ボタンを目的の時点で、対象チャネルで押して、参照からの偏差の有意水準を取得します。ウィンドウの下部に、μV の差、選択したタイム ポイント、p 値を示す値が表示されます。
    注: 信頼度レベルでの差分波の提示は、利用可能なオプションです。グラフの下の青い線は、各チャンネルとグループ3の各時間ポイントで計算された参照からの偏差の信頼水準を示しています。
  3. 1 (個人の ERP) の矢印をクリックして、ERP 差分のグループを選択します。GO [1] を選択します。参照 ERP の場合は 2 をクリックします。GO [2] を選択します。3 をクリックし、A-GO [D] をクリックして差額を確認します (1-2)。アクティブなグループ 4: このメニューから[なし] を選択します。
  4. メニューの対応する数値を入力(または選択)して、対象となる時間間隔を定義します:時間間隔(ms)、期間(ms)(例えば、1400、700)は、第2の刺激に応答してERPを分析します。
  5. カーソルを目的のタイムポイントとチャンネルに置き、マウスの右ボタンをクリックして、ポップアップメニューから「マップを追加」を選択します。参照からの逸脱を示すマップが表示されます。
    注: イベント関連ポテンシャル (ERP) の独立コンポーネントと参照データ ベースを比較すると、ソフトウェアは個々の ERP を独立したコンポーネントに分解するオプションを提供します。コンポーネントは、独特の心理的操作に関連付けられます。

結果

小児ADHDにおける薬物反応の予測
ADHDは、一般的な神経精神小児障害36である。それは多動性および衝動性の症状を伴う不注意の症状によって特徴付けられる。学校、家庭、レジャーの設定の障害は一般的です。学齢期の子供では、推定罹患率は5%から7%です。併存不同性は一般的です。治療は、メチルフェニデート(MPH)またはデキストロアンフェタミン(DEX)に基づく覚醒剤を用いて、広く使用されている。覚醒剤の薬の肯定的な効果 (落ち着きのなさの減少, 多動性と衝動性と改善された注意) 患者の 70% で報告されています。.MPHに基づく薬からDEXへのシフトは、80%37、38,38にプラスの効果を増加させることができます。前頭線回路は、覚醒剤39によって活性化されるようです。

臨床的に意味のある薬物反応の一般的に受け入れられている定義はありません。評価スケールを適用し、ベースラインスコアと投薬スコアを比較することが最も一般的な方法です。いくつかの研究では、スコアの25%または50%の減少が応答の定義として使用されます。他の研究では、母集団平均の1SDを超えないスコアは40、41を41使用する。臨床的には、すべての関連する利用可能なデータに基づく全体的な決定が使用されます。食欲不振、不眠症、過敏症、不安の増加などの副作用を評価することは重要です37,,42.

評価スケールの使用は、いくつかの理由で批判することができます。教師と親のスコア間の小さな相関(0.30-0.50)は、いくつかの研究48で報告されています。臨床的に有用な応答予測因子の探索は、多数の非応答者、同意しない情報提供者、および少量の覚醒剤が使用されたときに誰もが改善された注意のいくつかの控えめな効果を持つことができるという事実によって動機づけられます。応答の予測変数に関する公表された研究には、ADHDサブタイプ、人口統計、併存疾患、遺伝子変数、評価尺度のスコア、神経心理学的検査結果、およびEEG/ERP変数4343、44、45、4644,45,46が含まれる。私たちの2016出版物47は、薬物反応を予測するためにERPを適用した研究を要約しています。

これまでの研究では、cued ビジュアル GO/NOGO タスク (アテンションテストデータ、EEG スペクトル、および ERP) の d データを分析しています。ある研究では、副作用の予測に大きく寄与する3つの変数を発見しました。これらの変数を、臨床的に意味のある42と考えられる指標と組み合わせた。臨床効果に関する研究では、同じ方法を適用し、予測指標も臨床的に有用であると考えられた48.1回投与の覚醒剤が投薬応答者(R)および非応答者(非RE)に及ぼす影響は、第3の研究47で調査された。試験手順は2回完了し、最初の検査は投薬なしで、2回目の試験は試験投与を受けた1時間後に完了した。4週間の投薬試験後の評価尺度とインタビューに基づいて、患者はレールまたは非REに分類された。私たちの焦点は、認知ERPと注意テストのスコアの変化でした。P3 NOGO成分に対する効果は、2つのグループで有意に異なり、大きな効果サイズ(d = 1.76)であることがわかりました。コンポーネント振幅の有意な増加は、Rでは見られなかったが、非REでは見られなかった。2つのテストに基づく応答の予測は、テスト1のみに基づく予測と比較して改善された。

最新の研究では、臨床的利益の予測と副作用の予測用の2つのグローバル指数を開発しました。上述のとおり、比較されたグループ間で有意に判別される変数を、控えめな効果サイズまたは大きな効果サイズと組み合わせました。各変数は効果サイズに応じて重み付けした。3 つの WinEEG ドメインすべてから変数を調べました: EEG スペクトル, ERP と動作.次の変数を組み合わせました: 検定 1: P3NOGO振幅とテタ/アルファ比;テスト2と検定1の違い:省略誤差、反応時間変動、不測の負の変動(CNV)およびP3NOGO振幅。グローバルスケールの効果サイズはd = 1.86でした。精度は0.92でした。副作用の予測は、4つの変数に基づいていました: テスト 1: RT, テスト 2: ノベルティ成分, アルファピーク周波数, 反応時間の変化 (テスト 2 - テスト 1).グローバルスケールdは1.08で、精度は0.7849でした。

いくつかの予備的な結果
進行中の研究では、9-12歳の61人のADHD患者のグループと67歳に一致した健康コントロール(HC)のグループを比較します。最終的な統計分析は今のところ完了していません。WinEEG 評価から得られた予備的な結果を以下に示します。

行動的には、ADHDグループは、健全なコントロール(HC)群(13.7%対4.8%)と比較して、統計的に(p<0.001で)より多くの省略エラーを持つ不注意パターンを示した統計的に高い(p<0.001)反応時間(151 ms対125ミリ秒)の変動性で表現される注意失効パターンを伴う。

2つのグループ間でERP波形を比較した主な結果を図5と図6に示します。図5は、ADHD群における積極的認知制御の機能障害の相関を示す。HC群と比較して、ADHD群では、プロアクティブ認知制御(P3キュー波およびCNV波)の2つの指標が減少する。図6は、ADHD群における反応性認知制御の機能不全の相関を示す。反応性認知制御の2つの指標(N2 NOGOおよびP3 NOGO)は、HC群と比較してADHD群において減少する。

figure-results-3567
図5:ADHDおよび健康制御(HC)群におけるプロアクティブ認知制御における総平均ERP波パターン(a)および対応するマップ(b)(a) ADHD群のP3(緑色の線)とHC群(赤線)およびそれらの差(ADHD-HC)波(青線)で測定されたERP。曲線の下にある青い垂直バーは、その差の統計的有意性のレベルを示します(小さなバー - p<0.05、中央のバー - p<0.01、大きなバー - p<0.001)。矢印は、古典的な波を示しています - P3キューとCNV(不測の負の変動)。(b) 2 つのグループの P3 および CNV 波の振幅の最大値をマップします。この図の大きなバージョンを表示するには、ここをクリックしてください。

figure-results-4175
図6:ADHDおよび健康制御(HC)群における反応性認知制御におけるグランド平均ERP波パターン(a)および対応するマップ(b)(a) FzおよびCz ADHDグループ(緑色の線)とHCグループ(赤線)とそれらの差(ADHD-HC)波(青線)で測定されたERP。曲線の下にある青い垂直バーは、その差の統計的有意性のレベルを示します(小さなバー - p<0.05、中央のバー - p<0.01、大きなバー - p<0.001)。矢印は、古典的な波を示します - N2 NOGOとP3 NOGO。(b) 2 つのグループの N2 NOGO 波と P3 NOGO 波の振幅の最大値をマップします。この図の大きなバージョンを表示するには、ここをクリックしてください。

1つは、ADHDグループが認知制御の複数の操作の低機能を示す見ることができるように。これらの操作は、異なる時間枠と異なる空間位置で発生します。特定の患者は、個々の障害の原因とその修正方法を示す1つの低機能しか有しないかもしれない。

臨床的意義
ADHDなどの異種診断のために臨床的に有用なバイオマーカーを計算するには、ADHDとコントロールの間で大きく異なるいくつかの変数を組み合わせる必要があります。インデックスの効果サイズ (d) はd = .8 より大きい値にする必要があります。重要な次のステップは、ADHDが臨床コントロールと比較されたときにこのインデックスを適用することです.

ディスカッション

精神医学における診断は、観察された行動に基づいています。ほとんどの場合、指定された数の症状を6ヶ月以上異なる設定で観察する必要があります。診断プロセスの重要な部分は、体細胞診を除外することです。さらに、他の精神診断も考慮する必要があります。非常に多くの場合、関心のある症状は、別の診断カテゴリの一部になることができます。いくつかの症状が他の障害と重なる場合、臨床医は、この第2の障害が併存または鑑別診断であるかどうかを決定する必要があります。

利用可能な臨床ツールは、診断インタビュー、評価尺度、医療および発達の歴史、心理テストと直接観察です。これらのメソッドのほとんどは非常に主観的です。プロだけでなく、情報提供者の影響を強く受けています。通常、親や教師の評価尺度は、非常に控えめな相関関係を示します(r = 0.3 - 0.5)。

代表的な結果では、ADHDの基礎となるメカニズムはおそらく患者によって異なると主張する。(言語)理解の欠如、自己動機の問題、外部の気晴らしに対する感受性などは、すべて不注意の症状につながる可能性があります。このホワイト ペーパーで説明する EEG ベースの手法は、これらの課題のいくつかを解決するのに役立ちます。主観的解釈の問題は存在しない。記載されたERP法は、特定の脳構造を含むワーキングメモリ、行動抑制、モニタリング、応答調製などの基礎的な心理的操作を明らかにしているようです。これらのメカニズムの欠陥は、特定の診断カテゴリに限定されません。私たちは、将来的には、治療(投薬、神経フィードバック、認知トレーニング、tDCS、..)は、現在の診断カテゴリではなく、そのような認知および/または感情的な操作とその基礎となる脳のメカニズムに焦点を当てると信じています。

診断の目的は、最良の治療法を決定することです。治療の効果を評価するために、自己報告され、観察された改善はもちろん決定的です。しかし、このような報告はある程度プラセボ効果を表し、ERP成分の変化例に反映される基礎的な脳機能不全の(部分的な)正常化によって支持されるべきである。この主観的および客観的な治療効果の組み合わせは、クリニックと研究の両方で重要です。

上記のような理由から、同じ診断を受けた人がしばしば同じ治療に反応しないことは驚くべきことではありません。個別化医療では、個々の患者に対する最良の治療法を特定するための経験ベースの応答予測の手段を補完する。本論文では、小児ADHDにおける覚醒剤の反応予測に関する研究について述べた。抗うつ薬に対する肯定的な反応の信頼性の高い予測変数を見つけることは、滴定期間と同様に、応答を評価するために必要な時間が長いため、おそらくさらに重要です。この論文に記載されている手順は、うつ病53における投薬効果の予測に基づく継続的なEEGおよびERPに基づく研究に寄与する可能性がある。

記載されているEEGベースの方法は、非侵襲的で手頃な価格であり、研究だけでなく、臨床作業にも適しています。

開示事項

オグリム・Gは開示するものは何もない。クロポトフJ.D.は、WinEEGプログラムが開発された時期と場所をサンクトペテルブルクの人間脳研究所の研究室長でした。彼はシステムに経済的利益を持っていない。

謝辞

なし。

資料

NameCompanyCatalog NumberComments
amplifier +www.mitsar-medical.com
Body harness, different sizesElectro-Cap International, IncE3 SM; E3 M; E3 L
Ear electrodes 9 mm socketsElectro-Cap International, IncE5-9S
Electrocaps 19 channel different sizesElectro-Cap International, IncE1 SM; E1 M; E1 M/SM
Electrocaps 19 channel different sizesElectro-Cap International, IncE1 L/M; E1 L
Electrogel for electrocapsElectro-Cap International, IncE9; E10
HBi databasewww.hbimed.com
Head size measure bandElectro-Cap International, IncE 12
Needle syringe kitElectro-Cap International, IncE7
Nuprep EEG and ECG skin prep gelElectro-Cap International, IncR7
Ten20 EEG conductive pasteElectro-Cap International, IncR5-4T
WinEEG programwww.mitsar-medical.com

参考文献

  1. Insel, T., et al. Research domain criteria (RDoC), toward a new classification framework for research on mental disorders. American Journal of Psychiatry. 167 (7), 748-751 (2010).
  2. Snyder, S. M., Rugino, T. A., Hornig, M., Stein, M. A. Integration of an EEG biomarker with a clinician's ADHD evaluation. Brain and Behavior. 5 (4), e00330 (2015).
  3. Arns, M., Conners, C. K., Kraemer, H. C. A decade of EEG Theta/Beta Ratio Research in ADHD: a meta-analysis. Journal of Attention Disorders. 17 (5), 374-383 (2013).
  4. Egeland, J. Differentiating attention deficit in adult ADHD and schizophrenia. Archives of Clinical Neuropsychology. 22 (6), 763-771 (2007).
  5. Egeland, J., et al. Attention profile in schizophrenia compared with depression: differential effects of processing speed, selective attention and vigilance. Acta Psychiatrica Scandinavia. 108 (4), 276-284 (2003).
  6. Braver, T. S. The variable nature of cognitive control: a dual mechanisms framework. Trends in Cognitive Science. 16 (2), 106-113 (2012).
  7. Botvinick, M. M. Conflict monitoring and decision making: reconciling two perspectives on anterior cingulate function. Cognitive and Affective Behavior Neuroscience. 7 (4), 356-366 (2007).
  8. Ullsperger, M., Fischer, A. G., Nigbur, R., Endrass, T. Neural mechanisms and temporal dynamics of performance monitoring. Trends in Cognitive Science. 18 (5), 259-267 (2014).
  9. Bari, A., Robbins, T. W. Inhibition and impulsivity: behavioral and neural basis of response control. Progress in Neurobiology. 108 (Sep), 44-79 (2013).
  10. Huster, R. J., Enriquez-Geppert, S., Lavallee, C. F., Falkenstein, M., Herrmann, C. S. Electroencephalography of response inhibition tasks: functional networks and cognitive contributions. International Journal of Psychophysiology. 87 (3), 217-233 (2013).
  11. Simson, R., Vaughan, H. G., Ritter, W. The scalp topography of potentials in auditory and visual Go/NoGo tasks. Electroencephalography and Clinical Neurophysiology. 43 (6), 864-875 (1977).
  12. Falkenstein, M., Hoormann, J., Hohnsbein, J. ERP components in Go/Nogo tasks and their relation to inhibition. Acta Psychologica (Amst). 101 (2-3), 267-291 (1999).
  13. Verleger, R., Gorgen, S., Jaskowski, P. An ERP indicator of processing relevant gestalts in masked priming. Psychophysiology. 42 (6), 677-690 (2005).
  14. Kropotov, J. D., Ponomarev, V. A., Hollup, S., Mueller, A. Dissociating action inhibition, conflict monitoring and sensory mismatch into independent components of event related potentials in GO/NOGO task. Neuroimage. 57 (2), 565-575 (2011).
  15. Kropotov, J. D., Ponomarev, V. A. Decomposing N2 NOGO wave of event-related potentials into independent components. Neuroreport. 20 (18), 1592-1596 (2009).
  16. Bekker, E. M., Kenemans, J. L., Verbaten, M. N. Electrophysiological correlates of attention, inhibition, sensitivity and bias in a continuous performance task. Clinical Neurophysiology. 20115 (9), 2001-2013 (2004).
  17. Fallgatter, A. J., Aranda, D. R., Bartsch, A. J., Herrmann, M. J. Long-term reliability of electrophysiologic response control parameters. Journal of Clinical Neurophysiology. 19 (1), 61-66 (2002).
  18. Fallgatter, A. J., Strik, W. K. The NoGo-anteriorization as a neurophysiological standard-index for cognitive response control. International Journal of Psychophysiology. 32 (3), 233-238 (1999).
  19. Bruin, K. J., Wijers, A. A., van Staveren, A. S. Response priming in a go/nogo task: do we have to explain the go/nogo N2 effect in terms of response activation instead of inhibition. Clinical Neurophysiology. 112 (9), 1660-1671 (2001).
  20. Randall, W. M., Smith, J. L. Conflict and inhibition in the cued-Go/NoGo task. Clinical Neurophysiology. 122 (12), 2400-2407 (2011).
  21. Kappenman, E. S., Luck, S. J., Luck, S. J., Kappenman, E. S. ERP Components: The Ups and Downs of Brainwave Recordings. The Oxford Handbook of Event-related Potential Components. , 3-29 (2012).
  22. Ponomarev, V. A., Kropotov, I. Improving source localization of ERPs in the GO/NOGO task by modeling of their cross-covariance structure. Fiziol Cheloveka. 39 (1), 36-50 (2013).
  23. Makeig, S., Jung, T. P. Tonic, phasic, and transient EEG correlates of auditory awareness in drowsiness. Brain Research and Cognitive Brain Research. 4 (1), 15-25 (1996).
  24. Onton, J., Makeig, S. Information-based modeling of event-related brain dynamics. Progressions in Brain Research. 159, 99-120 (2006).
  25. Kropotov, J. D. . Functional Neuromarkers for Psychiatry: Applications for Diagnosis and Treatment. , (2016).
  26. Kropotov, J. D., Ponomarev, V. A., Pronina, M., Jancke, L. Functional indexes of reactive cognitive control: ERPs in cued go/no-go tasks. Psychophysiology. 54 (12), 1899-1915 (2017).
  27. Bekker, E. M., Kenemans, J. L., Verbaten, M. N. Source analysis of the N2 in a cued Go/NoGo task. Brain Research and Cognitive Brain Research. 22 (2), 221-231 (2005).
  28. Fisher, T., Aharon-Peretz, J., Pratt, H. Dis-regulation of response inhibition in adult Attention Deficit Hyperactivity Disorder (ADHD), an ERP study. Clinical Neurophysiology. 122 (12), 2390-2399 (2011).
  29. Olbrich, H. M., Maes, H., Valerius, G., Langosch, J. M., Feige, B. Event-related potential correlates selectively reflect cognitive dysfunction in schizophrenics. Journal of Neural Transmission. (Vienna). 112 (2), 283-295 (2005).
  30. Grane, V. A., et al. Correction: ERP Correlates of Proactive and Reactive Cognitive Control in Treatment-Naive Adult ADHD. PLoS One. 11 (9), e0163404 (2016).
  31. Woltering, S., Liu, Z., Rokeach, A., Tannock, R. Neurophysiological differences in inhibitory control between adults with ADHD and their peers. Neuropsychologia. 51 (10), 1888-1895 (2013).
  32. Wiersema, R., van der Meere, J., Roeyers, H., Van Coster, R., Baeyens, D. Event rate and event-related potentials in ADHD. Journal of Child Psychology and Psychiatry. 47 (6), 560-567 (2006).
  33. Mueller, A., Candrian, G., Kropotov, J. D., Ponomarev, V. A., Baschera, G. M. Classification of ADHD patients on the basis of independent ERP components using a machine learning system. Nonlinear Biomedical Physics. 4 (Suppl 1), (2010).
  34. Mueller, A., et al. Discriminating between ADHD adults and controls using independent ERP components and a support vector machine: a validation study. Nonlinear Biomedical Physics. 5, 5 (2010).
  35. Kropotov, J. D., et al. Latent ERP components of cognitive dysfunctions in ADHD and schizophrenia. Clinical Neurophysiology. 130 (4), 445-453 (2019).
  36. Spencer, T. J., Biederman, J., Mick, E. Attention-deficit/hyperactivity disorder: diagnosis, lifespan, comorbidities, and neurobiology. Journal of Pediatric Psychology. 32 (6), 631-642 (2007).
  37. Barkley, R. A. Attention - Deficit Hyperactivity Disorder. A Handbook for Diagnosis and Treatment. , (2006).
  38. Spencer, T., et al. Pharmacotherapy of attention-deficit hyperactivity disorder across the life cycle. Journal of the American Academy of Child and Adolescent Psychiatry. 35 (4), 409-432 (1996).
  39. Rubia, K., et al. Effects of stimulants on brain function in attention-deficit/hyperactivity disorder: a systematic review and meta-analysis. Biological Psychiatry. 76 (8), 616-628 (2014).
  40. Ramtvedt, B. E., Roinas, E., Aabech, H. S., Sundet, K. S. Clinical Gains from Including Both Dextroamphetamine and Methylphenidate in Stimulant Trials. Journal of Child and Adolescent Psychopharmacology. , (2013).
  41. Sangal, R. B., Sangal, J. M. Attention-deficit/hyperactivity disorder: using P300 topography to choose optimal treatment. Expert Review in Neurotherapy. 6 (10), 1429-1437 (2006).
  42. Ogrim, G., Hestad, K. A., Brunner, J. F., Kropotov, J. Predicting acute side effects of stimulant medication in pediatric attention deficit/hyperactivity disorder: data from quantitative electroencephalography, event-related potentials, and a continuous-performance test. Neuropsychiatric Disease and Treatment. 9, 1301-1309 (2013).
  43. Barkley, R. A., DuPaul, G. J., McMurray, M. B. Attention deficit disorder with and without hyperactivity: clinical response to three dose levels of methylphenidate. Pediatrics. 87 (4), 519-531 (1991).
  44. Chabot, R. J., Orgill, A. A., Crawford, G., Harris, M. J., Serfontein, G. Behavioral and electrophysiologic predictors of treatment response to stimulants in children with attention disorders. Journal of Child Neurology. 14 (6), 343-351 (1999).
  45. Hale, J. B., et al. Executive impairment determines ADHD medication response: implications for academic achievement. Journal of Learning Disabilities. 44 (2), 196-212 (2011).
  46. Tannock, R., Ickowicz, A., Schachar, R. Differential effects of methylphenidate on working memory in ADHD children with and without comorbid anxiety. Journal of the American Academy of Child and Adolescent Psychiatry. 34 (7), 886-896 (1995).
  47. Ogrim, G., Aasen, I. E., Brunner, J. F. Single-dose effects on the P3no-go ERP component predict clinical response to stimulants in pediatric ADHD. Clinical Neurophysiology. 127 (10), 3277-3287 (2016).
  48. Ogrim, G., et al. Predicting the clinical outcome of stimulant medication in pediatric attention-deficit/hyperactivity disorder: data from quantitative electroencephalography, event-related potentials, and a go/no-go test. Neuropsychiatric Disease and Treatment. 10, 231-242 (2014).
  49. Ogrim, G., Kropotov, J. D. Predicting Clinical Gains and Side Effects of Stimulant Medication in Pediatric Attention-Deficit/Hyperactivity Disorder by Combining Measures From qEEG and ERPs in a Cued GO/NOGO Task. Clinical EEG and Neuroscience. 50 (1), 34-43 (2019).
  50. Lenartowicz, A., Loo, S. K. Use of EEG to diagnose ADHD. Current Psychiatry Report. 16 (11), 498 (2014).
  51. Johnstone, S. J., Barry, R. J., Clarke, A. R. Ten years on: a follow-up review of ERP research in attention-deficit/hyperactivity disorder. Clinical Neurophysiology. 124 (4), 644-657 (2013).
  52. Gamma, A., Kara, O. Event-Related Potentials for Diagnosing Children and Adults With ADHD. Journal of Attention Disorders. , (2016).
  53. van Dinteren, R., et al. Utility of event-related potentials in predicting antidepressant treatment response: An iSPOT-D report. European Neuropsychopharmacology. 25 (11), 1981-1990 (2015).

転載および許可

このJoVE論文のテキスト又は図を再利用するための許可を申請します

許可を申請

さらに記事を探す

157 GO NOGO ADHD

This article has been published

Video Coming Soon

JoVE Logo

個人情報保護方針

利用規約

一般データ保護規則

お問い合わせ

図書館への推薦

JoVE ニュースレター

研究

教育

著者

図書館員

JoVEについて

Copyright © 2023 MyJoVE Corporation. All rights reserved