일시적으로 중단된 뇌 기능의 초점 및 연결 매핑을 위한 프레임워크

커뮤니케이션 생물학 6권, 기사 번호: 430(2023) 이 기사 인용

1559 액세스

1 인용

11 알트메트릭

측정항목 세부정보

신경 기질의 분산된 특성과 상관 데이터로부터 필요성을 확립하는 어려움이 결합되어 뇌 기능의 매핑을 보이는 것보다 훨씬 더 어려운 작업으로 만듭니다. 국소적인 기능 중단과 결합된 해부학적 정보를 결합할 수 있는 방법은 국소적인 신경 의존성과 전반적인 신경 의존성을 명확하게 구분하는 데 필요하며 단순히 우연한 활동과도 중요합니다. 여기에서는 희박한 파괴적 데이터를 기반으로 한 초점 및 연결 공간 추론을 위한 포괄적인 프레임워크를 제시하고 초점 간질 환자의 수술 전 평가 중 인간 내측 전두엽의 일시적인 직접 전기 자극의 맥락에서 그 적용을 보여줍니다. 우리의 프레임워크는 통계적 매개변수 매핑 프레임워크 내에서 드물게 샘플링된 데이터에 대한 복셀별 대량 일변량 추론을 공식화하며, 연결 기준에 따라 정의된 분산 맵 분석을 포함합니다. 내측 전벽에 적용된 이 일시적인 연결 장애 접근 방식은 모터 및 감각 행동의 주요 범주에 대한 로컬 및 분산 연관 간의 현저한 불일치를 보여주며 순전히 로컬 분석이 맹목적인 원격 연결에 의한 차별화를 나타냅니다. 우리의 프레임워크는 최소한의 공간 가정, 우수한 통계적 효율성, 유연한 모델 공식화, 로컬 및 분산 효과의 명시적인 비교를 통해 드물게 샘플링된 데이터를 기반으로 인간 두뇌의 파괴적인 매핑을 가능하게 합니다.

기능성 자기공명영상(MRI)을 통해 인간 두뇌 매핑 혁명이 시작된 지 30년이 지났지만 신경 환경의 상당 부분은 여전히 ​​어둠 속에 가려져 있습니다. 작업의 두 가지 주요 측면은 진행을 억제하는 것으로 점점 더 인식되고 있습니다: 신경 기질1,2의 분산, 연결 특성 및 주로 상관 데이터3,4에서 필요성을 확립하는 어려움. 각 측면은 그 자체로 엄청난 어려움을 안겨줍니다. 분산된 기판을 특성화하려면 대규모 데이터 없이는 다루기 힘든 원격 상호 작용에 대한 명시적인 모델링과 복잡성으로 인해 취약한 수학적 모델이 필요합니다. 필요성을 확립하려면 부수적이고 이질적으로 분포된 특성5,6으로 인해 혼란스러운 통제되지 않은 국소 병리학적 병변의 행동 결과를 통해 일반적으로 자연적으로 얻은 파괴적인 증거가 필요합니다. 복합적으로 이러한 어려움은 상호 증폭됩니다. 복잡한 모델을 지원하기에 충분한 규모와 품질의 데이터는 임상 영역에서 특히 획득하기 어렵고, 병리학적 손상의 분산 패턴은 신경 의존성의 비교적 분산된 기본 패턴과 얽히게 됩니다(드물게 예외7). . 그러나 파괴적인 증거가 가장 필요한 것은 정확하게 분포된 기질입니다. 왜냐하면 다수의 신경 지원으로 인해 상관 데이터로부터의 추론이 더욱 어려워지기 때문입니다.

따라서 현재 기술 확장의 실용성뿐만 아니라 항상 달성하기 어려운 데이터 양의 필요성을 줄이는 데 세심한 주의를 기울여 뇌 기능의 연결 및 파괴 매핑 교차점에서 방법론적 혁신이 시급히 필요합니다. 여기에서 우리는 직접적인 피질 전기 자극(DCS)의 임상적 맥락에서 인간 두뇌 기능의 연결 파괴적 매핑에 대한 간단하고 원칙적인 접근 방식을 개념적으로 정교하게 기술적으로 구현하고 경험적으로 보여줍니다.

이론적으로 이상적인 접근 방식은 단일 지점 유전자좌에 적용되는 일시적 중단의 기능적 결과를 뇌 전체에 걸쳐 개별적으로 또는 조합하여 등록하는 것입니다. (일반적으로 간질 유발) 병변의 절제 수술을 평가하는 환자의 국소화 임상 도구로 일반적으로 사용되는 DCS는 다른 어떤 도구보다 이 이상에 거의 틀림없이 더 가깝습니다. 이로써 초점적이고 일시적인 중단이 달성될 수 있으며, 잘 정의된 신경 기질과 관찰되거나 보고된 행동 결과 사이의 관계를 인과적으로 보다 강력하게 검사할 수 있습니다8. 임상적 요구 사항으로 인해 위치 선택과 샘플링 밀도가 필연적으로 제한되지만, 각 환자의 여러 유전자좌를 동적으로 평가할 수 있는 능력은 설문조사에 참여한 환자 수가 제안하는 것보다 더 많은 양의 유익한 데이터를 생성합니다. 이 접근법은 연결성을 포함하여 수술 설정10,11에서 기능적 의존성 맵을 도출하는 데 이미 광범위하게 사용되었지만 사전 정의된 관심 영역에 의존하지 않고 초점 및 연결 효과를 모두 견고하게 정량화할 수 있는 공식적인 프레임워크 외부에 있습니다.