Конструкция, место и клиническая эффективность технологии интерактивной терапии (стимуляции) мозга при цереброваскулярной патологии

Основные положения. Интерактивная стимуляция мозга – развитие технологии нейробиоуправления, подразумевающее возможность волевого регулирования гемодинамического отклика конкретных структур мозга с целью изменения параметров активности церебральных сетей и достижения желаемой клинической и поведенческой динамики у пациентов (испытуемых). Одним из показаний к применению технологии являются двигательные нарушения вследствие инсульта; в этом случае фокус волевого воздействия направлен на моторные области мозга.

Актуальность. Нейробиоуправление и тесно связанные с ним интерфейсы «мозг – компьютер» рассматривают как базу для создания алгоритмов управляемой нейропластичности. Интерактивная терапия (стимуляция) мозга – недавно сформировавшаяся модальность нейробиоуправления, подразумевающая зависимость обратной связи от сигнала гемодинамического отклика, регистрируемого средствами функциональной магнитно-резонансной томографии (фМРТ). Технология позволяет с высокой точностью фокусироваться на регионе интереса и обучить субъекта контролю как активности отдельных церебральных структур, так и функциональной связности между ними с инициированием поведенческих изменений.

Цель. Продемонстрировать дизайн эксперимента с интерактивной стимуляцией вторичных моторных зон мозга на бимодальной фМРТ-электроэнцефалографии платформе и описать динамику моторной сети в ходе лечения на репрезентативном примере больного с гемипарезом в раннем восстановительном периоде инсульта.

Материалы и методы. 11 пациентов обучались регулировать активность дополнительной моторной области и премоторной коры пораженного полушария, получая обратную связь по сигналу фМРТ и активности мю-ритма (8–13 Гц) и бета-2-ритма (18–26 Гц) электроэнцефалографии в центральных отведениях. Курс состоял из 6 сессий в блочном дизайне (воображение движения чередовалось с отдыхом) с интервалом в 2–3 дня. В ходе лечения изучена динамика активации зон интереса. В тестовых сессиях (до лечения, сразу по его окончании и через полгода после завершения курса) проведена реконструкция функциональных связей внутри моторной церебральной сети и оценена функция руки (динамометрия хвата, шкала Фугл-Майера, тест Box and Block).

Результаты. По завершении лечения достигнуто увеличение силы и ловкости руки; отмечены усиление фМРТ-сигнала премоторной коры ипсилатерального полушария и укрепление межполушарной функциональной связности вторичных моторных зон.

Заключение. Таким образом, фМРТ и построенная на ее основе технология интерактивной стимуляции мозга, с одной стороны, обеспечивают технологическую основу для перевода спонтанной нейропластичности в управляемую в интересах более полной реабилитации постинсультного дефекта. С другой – фМРТ-мониторинг служит важным инструментом наблюдения за процессом перестройки церебральных сетей после инсульта, обеспечивая возможность измерять функциональную связность в динамике, то есть давать численную характеристику нейропластичности.

1. Мельников М.Е., Штарк М.Б., Савелов А.А., Брюль А. Биоуправление по сигналу фМРТ, регистрируемому в реальном времени: новое поколение нейротерапии. Журнал высшей нервной деятельности им. ИП Павлова. 2017; 67(1): 3-32. doi: 10.7868/S0044467717010117

2. Khruscheva N.A. Mel'nikov, M.Y., Bezmaternykh D.D., Savelov A.A., Kalgin K.V., Petrovsky Y.D., Shtark M.B., Sokhadze, E. M. Interactive brain stimulation neurotherapy based on BOLD signal in stroke rehabilitation. NeuroRegulation. 2022; 9 (3): 147- 147. doi.org/10.15540/nr.9.3.147.

3. Paret C., Goldway N., Zich C., Keynan J.N., Hendler T., Linden D., Kadosh K.C. Current progress in real-time functional magnetic resonance-based neurofeedback: methodological challenges and achievements. NeuroImage. 2019; 202:116107. doi.org/10.1016/j.neuroimage.2019.116107.

4. Nudo R.J. Functional and structural plasticity in motor cortex: implications for stroke recovery. Physical Medicine and Rehabilitation Clinics. 2003; 14(1): S57-S76. doi.org/10.1016/S1047-9651(02)00054-2.

5. Feigin V.L., Stark B.A., Johnson C.O., Roth G.A., Bisignano C., Abady G.G. , Abbasifard M., Abbasi-Kangevari M., Abd-Allah F., Abedi V.; GBD 2019 Stroke Collaborators. Global, regional, and national burden of stroke and its risk factors, 1990–2019: A systematic analysis for the Global Burden of Disease Study 2019. Lancet Neurol. 2021;20(10):795-820. doi: 10.1016/S1474-4422(21)00252-0.

6. Gauthier C.J., Fan A.P. BOLD signal physiology: models and applications. Neuroimage. 2019; 187: 116-127. doi.org/10.1016/j.neuroimage.2018.03.018.

7. Штарк М.Б., Коростышевская А.М., Резакова М.В., Савелов А.А. Функциональная магнитно-резонансная томография и нейронауки. Успехи физиологических наук. 2012; 43(1): 3-29.

8. Kamiya J. The first communications about operant conditioning of the EEG.Journal of Neurotherapy. 2011; 15(1): 65- 73. doi.org/10.1080/10874208.2011.545764

9. Kuhlman W.N. Functional topography of the human mu rhythm. Electroencephalogr Clin Neurophysiol. 1978;44(1):83-93. doi: 10.1016/0013-4694(78)90107-4.

10. Evans J. R., Dellinger M. B., Russell H. L., editors. Neurofeedback: The First Fifty Years. Cambridge: Academic Press; 2019. 429 p. doi:10.1016/C2018-0-01638-2

11. da Silva Fernando L. EEG and MEG: Relevance to Neuroscience. Neuron. 2013; 80(5):1112-1128. doi: 10.1016/j.neuron.2013.10.017.

12. Ritter P., Villringer A. Simultaneous EEG-fMRI. Neurosci Biobehav Rev. 2006;30(6):823-38. doi: 10.1016/j.neubiorev.2006.06.008.

13. Huster R.J., Debener S., Eichele T., Herrmann C.S. Methods for simultaneous EEG-fMRI: an introductory review. J Neuroscience. 2012;32(18):6053-6060. DOI:10.1523/ JNEUROSCI.0447-12.2012.

14. Штарк М.Б., Веревкин Е.Г., Козлова Л.И., Мажирина К.Г., Покровский М.А. и др. Синергичное фМРТ-ЭЭГ картирование головного мозга в режиме произвольного управления альфа-ритмом. Бюллетень экспериментальной биологии и медицины. 2014; 158( 11):594-599.

15. Shtark M.B. Neurofeedback: A scarce resource at the mental market. In: Evans J.R., Dellinger M.B., Russell H.L. Neurofeedback. The first fifty years. Cambridge: Academic Press; 2019. P.353-358. doi: https://doi.org/10.1016/B978-0-12-817659-7.00046-4

16. Menon V. Large-scale brain networks and psychopathology: a unifying triple network model. Trends Cogn Sci. 2011;15(10):483- 506. doi: 10.1016/j.tics.2011.08.003.

17. Siegel J.S., Ramsey L.E., Snyder A.Z., Metcalf N.V., Chacko R.V., Weinberger K., Baldassarre A., Hacker C.D., Shulman G.L., Corbetta M. Disruptions of network connectivity predict impairment in multiple behavioral domains after stroke. Proc Natl Acad Sci U S A. 2016;113(30):E4367-76. doi: 10.1073/pnas.1521083113.

18. Baldassarre A., Ramsey L.E., Siegel J.S., Shulman G.L., Corbetta M. Brain connectivity and neurological disorders after stroke. Curr Opin Neurol. 2016;29(6):706-713. doi: 10.1097/WCO.0000000000000396.

19. Fugl-Meyer A.R., Jääskö L., Leyman I., Olsson S., Steglind S. The post-stroke hemiplegic patient. 1. a method for evaluation of physical performance. Scand J Rehabil Med. 1975;7(1):13-31.

20. Malouin F., Richards C.L., Jackson P.L., Lafleur M.F., Durand A., Doyon J. The Kinesthetic and Visual Imagery Questionnaire (KVIQ) for assessing motor imagery in persons with physical disabilities: a reliability and construct validity study. J Neurol Phys Ther. 2007;31(1):20-9. doi: 10.1097/01.npt.0000260567.24122.64.

21. Савелов А.А.а, Штарк М.Б., Козлова Л.И., Веревкин Е.Г., Петровский Е.Д., Покровский М.А., Рудыч П.Д., Циркин Г.М. Динамика взаимосвязей церебральных сетей, построенных на основе фМРТ-данных, и моторная реабилитация при инсультах //Бюллетень экспериментальной биологии и медицины. 2018; 166(9): 376-381.

22. Giulia L., Adolfo V., Julie C., Quentin D., Simon B., Fleury M., Leveque-Le Bars E., Bannier E., Lécuyer A., Barillot C., Bonan I. The impact of neurofeedback on effective connectivity networks in chronic stroke patients: an exploratory study. J Neural Eng. 2021;18(5). doi: 10.1088/1741-2552/ac291e.

23. Sitaram R., Veit R., Stevens B., Caria A., Gerloff C., Birbaumer N., Hummel F. Acquired control of ventral premotor cortex activity by feedback training: an exploratory real-time FMRI and TMS study. Neurorehabil Neural Repair. 2012;26(3):256-65. doi: 10.1177/1545968311418345.

24. Lioi G., Butet S., Fleury M., Bannier E., Lécuyer A., Bonan I., Barillot C. A Multi-Target Motor Imagery Training Using Bimodal EEG-fMRI Neurofeedback: A Pilot Study in Chronic Stroke Patients. Front Hum Neurosci. 2020;14:37. doi: 10.3389/fnhum.2020.00037.

25. Sanders Z.B., Fleming M.K., Smejka T., Marzolla M.C., Zich C., Rieger S.W., Lührs M., Goebel R., Sampaio-Baptista C., Johansen-Berg H. Self-modulation of motor cortex activity after stroke: a randomized controlled trial. Brain. 2022;145(10):3391- 3404. doi: 10.1093/brain/awac239.

26. Bajaj S., Butler A.J., Drake D, Dhamala M. Functional organization and restoration of the brain motor-execution network after stroke and rehabilitation. Front Hum Neurosci. 2015;9:173. doi: 10.3389/fnhum.2015.00173.

27. Mehler D.M.A., Williams A.N., Whittaker J.R., Krause F., Lührs M., Kunas S., Wise R.G., Shetty H.G.M., Turner D.L., Linden D.E.J. Graded fMRI Neurofeedback Training of Motor Imagery in Middle Cerebral Artery Stroke Patients: A Preregistered Proof-of-Concept Study. Front Hum Neurosci. 2020;14:226. doi: 10.3389/fnhum.2020.00226.

28. Liew S.L., Rana M., Cornelsen S., Fortunato de Barros Filho M., Birbaumer N., Sitaram R., Cohen L.G., Soekadar S.R. Improving Motor Corticothalamic Communication After Stroke Using Real-Time fMRI Connectivity-Based Neurofeedback. Neurorehabil Neural Repair. 2016;30(7):671-5. doi: 10.1177/1545968315619699.

29. Zotev V., Phillips R., Yuan H., Misaki M., Bodurka J. Selfregulation of human brain activity using simultaneous real-time fMRI and EEG neurofeedback. NeuroImage. 2014; 85: 985-995. doi: 10.1016/j.neuroimage.2013.04.126.

30. Савелов А.А.б, Штарк М.Б., Мельников М.Е., Козлова Л.И., Безматерных Д.Д., Веревкин Е.Г., Петровский Е.Д., Покровский М.А., Циркин Г.М., Рудыч П.Д. Перспективы синхронной фМРТ-ЭЭГ-записи как основы интерактивной стимуляции мозга (на примере последствий инсульта). Бюллетень экспериментальной биологии и медицины. 2018; 166(9):366-369.

31. Meir-Hasson Y., Keynan J.N., Kinreich S., Jackont G., Cohen A., Podlipsky-Klovatch I., Hendler T., Intrator N. One-Class FMRI-Inspired EEG Model for Self-Regulation Training. PLoS One. 20160;11(5):e0154968. doi: 10.1371/journal.pone.0154968.

32. Keynan J.N., Cohen A., Jackont G., Green N., Goldway N., Davidov A., Meir-Hasson Y., Raz G., Intrator N., Fruchter E., Ginat K., Laska E., Cavazza M., Hendler T. Electrical fingerprint of the amygdala guides neurofeedback training for stress resilience. Nat Hum Behav. 2019;3(1):63-73. doi: 10.1038/s41562-018-0484-3.

33. Rudnev V., Melnikov M., Savelov A., Shtark M., Sokhadze E.M. fMRI-EEG Fingerprint Regression Model for Motor Cortex. NeuroRegulation. 2021;8(3):162-172. doi.org/10.15540/nr.8.3.162.

34. Журавлёва К.В., Савелов А.А., Коростышевская А.М., Штарк М.Б. Исследование диффузионных характеристик мозгового вещества при перенесённом инсульте. Бюллетень экспериментальной биологии и медицины. 2021;172(10):406-411. doi: 10.47056/0365-9615-2021-172-10-406-411.

35. Alves R., Henriques R.N., Kerkelä L., Chavarrías C., Jespersen S.N., Shemesh N. Correlation Tensor MRI deciphers underlying kurtosis sources in stroke. Neuroimage. 2022;247:118833. doi.org/10.1016/j.neuroimage.2021.118833.