주제

Scientific Reports 13권, 기사 번호: 12615(2023) 이 기사 인용

73 액세스

측정항목 세부정보

반복적 경두개 자기 자극(rTMS)은 주요 우울증을 포함한 신경정신병적 장애의 치료에서 상당한 중요성을 얻었습니다. 그러나 rTMS가 뇌의 기능적 연결성을 어떻게 변화시키는지는 아직 이해되지 않았습니다. 여기에서 우리는 10Hz rTMS 후 첫 시간 이내에 휴식 상태 기능적 자기 공명 영상(rsfMRI)으로 포착한 기능적 연결의 변화를 보고합니다. 우리는 (1) 지역의 가장 강력한 기능적 연결이 관찰되는 네트워크 노드와 (2) 지역 간의 기능적 전환이 발생하는 네트워크 경계에서 변경 사항을 감지하기 위해 주제별 구획 방식을 적용합니다. 우리는 노드 및 경계 맵의 변경 시간 간격을 분류하고 특성화하기 위해 강력하고 효과적인 기계 학습 알고리즘으로 널리 사용되는 지원 벡터 머신(SVM)을 사용합니다. 우리의 결과는 경계에서의 연결성 변화가 노드에서 관찰된 것보다 느리고 복잡하지만 정확도 신뢰 구간에 따라 비슷한 규모임을 보여줍니다. 이러한 결과는 후대상피질(posterior cingulate cortex)과 설전(precuneus)에서 가장 강력했습니다. Connectomics 연구의 노드와 비교하여 네트워크 경계가 실제로 과소 조사되었기 때문에 우리의 결과는 rTMS에 대한 기능 조정에 대한 기여를 강조합니다.

반복적 경두개 자기 자극(rTMS)은 뇌 기능1의 비침습적 조절을 위한 인기 있는 방법이 되었습니다. 최근 신경 영상 연구에 따르면 국소화된 피질 영역에서 rTMS에 의해 유도된 기능적 변화는 대규모 뇌 네트워크 내부 및 사이 모두에서 활동 및 기능적 연결의 선택적이고 뚜렷한 변조로 이어지는 것으로 나타났습니다2,3,4,5,6,7. rTMS가 네트워크 변조를 유도하는 메커니즘은 아직 잘 이해되지 않았습니다. 오늘날 rTMS를 포함하여 국소 신경 교란으로 인해 발생하는 전체 뇌 효과를 매핑하는 연구 분야가 성장하고 있습니다. 이제 잘 확립된 방법을 통해 순차적 시간 간격으로 노드 및 경계 맵 모두에서 고주파 rTMS에 대한 커넥톰 수준 기능 조정을 평가할 수 있습니다8,9.

참가자가 특정 작업에 참여하지 않는 동안 얻은 기능적 자기 공명 영상(fMRI) 데이터를 휴식 상태 fMRI(rsfMRI)라고 합니다. RsfMRI는 뇌의 거시적 기능 네트워크 아키텍처10,11,12와 정신 장애13,14에서 어떤 영역이 가장 기능적으로 변경될 수 있는지에 대한 이해를 높이는 데 중요한 역할을 했습니다. 그러나 fMRI 데이터는 일반적으로 수천 개의 복셀의 기능적 시간 코스로 구성되며, 이는 한편으로는 영역 간의 상관관계 또는 "기능적 연결성"에 대한 정확한 추론을 허용하지만 다른 한편으로는 높은 차원성을 갖습니다. 데이터의 데이터 차원성을 줄이고 fMRI 데이터에서 시공간 구성의 가장 관련성이 높은 패턴을 식별하기 위해 다양한 접근법이 제안되었습니다. 이는 우리 연구에서 노드15 및 경계8,16,17로 표현될 전체 뇌 기능 영역의 경우입니다. 노드는 각각 모듈화 및 통합의 개념으로도 알려진 로컬 또는 글로벌 연결의 가장 큰 강점으로 정의되며, 이를 통해 건강한 두뇌와 질병에 걸린 두뇌의 차원적 조직에 대한 많은 통찰력을 얻을 수 있습니다. 경계는 일반적으로 이웃 기능 영역 간 전환에서 연결 강도가 가장 낮거나 없는 곳에서 식별되는 노드의 대응 부분입니다. 경계에 대한 조사와는 대조적으로 과학계는 기능적 네트워크의 노드에 불균형적인 관심을 기울였습니다. 노드 클러스터링 접근 방식에서 시공간 요소(즉, 복셀)는 기능적 연결성의 유사성 대 차이점을 기준으로 그룹화될 수 있습니다. 노드 클러스터링 접근법의 예로는 해당 시공간 분포를 기반으로 기능적 구성 요소를 효율적으로 분리하는 뇌 매핑 방법으로 사용되는 독립 구성 요소 분석(ICA)이 있습니다. ICA는 대규모 뇌 네트워크 식별에 널리 적용되었습니다.