Fortschritte in der TMS durch EEG-Einsichten
Die Forschung untersucht neue EEG-Massnahmen, um TMS-Anwendungen zur Gehirnstimulation zu optimieren.
Joel Frohlich, S. Ruch, B. H. Trunk, M. Keute, P. A. M. Mediano, A. Gharabaghi
― 8 min Lesedauer
Inhaltsverzeichnis
- Ansätze zur Untersuchung der CSE
- Einschränkungen der aktuellen Methoden
- Neue Richtungen in der EEG-Forschung
- Datenerhebung und -analyse
- Untersuchung von Korrelationen zwischen EEG-Merkmalen und CSE
- Ergebnisse zu EEG-Messungen und CSE
- Einblicke in Zustands- und Trait-Marker
- Auswirkungen auf TMS-Anwendungen
- Fazit und zukünftige Richtungen
- Originalquelle
Transkranielle magnetische Stimulation (TMS) ist eine Methode, um das Gehirn zu stimulieren. Diese Technik wird untersucht, um herauszufinden, ob sie bei verschiedenen Erkrankungen wie Depressionen und Bewegungsstörungen helfen kann. Der Erfolg von TMS hängt oft vom Timing ab – also davon, wie gut die Stimulation mit der Aktivität im Gehirn übereinstimmt. Forscher schauen sich an, wie man das Timing von TMS verbessern kann, indem sie Elektroenzephalographie (EEG) nutzen, die die elektrische Aktivität im Gehirn aufzeichnet. Es gibt jedoch weiterhin Herausforderungen, vor allem dabei, die besten Momente für die Anwendung von TMS zu finden, um den grösstmöglichen Nutzen zu erzielen.
Ein Forschungsbereich konzentriert sich auf die kortikospinale Erregbarkeit (CSE), die im Grunde ein Mass dafür ist, wie bereit die motorischen Bahnen des Gehirns sind, Muskeln zu aktivieren. Das ist wichtig, um zu verstehen, wie gut TMS die Muskelbewegung beeinflussen kann. Forscher haben die Untersuchung der CSE auf verschiedene Weisen angegangen, oft mit unterschiedlichen Techniken, um die Beziehung zwischen Gehirnaktivität und Muskelreaktionen zu analysieren.
Ansätze zur Untersuchung der CSE
Es wurden verschiedene Methoden verwendet, um zu prüfen, wie die Gehirnaktivität mit der CSE zusammenhängt. Eine häufige Methode heisst Post-hoc-Analyse. Dabei werden TMS-Pulse zu zufälligen Zeiten abgegeben, und die Forscher analysieren später die Daten, um zu sehen, ob es Muster in der Gehirnaktivität im Zusammenhang mit der Muskelreaktion gab. Diese Methode ermöglicht zwar eine breite Erforschung verschiedener Frequenzen, hat jedoch oft Probleme bei der Datenverarbeitung und erfordert normalerweise eine grosse Anzahl von Teilnehmern, um zuverlässige Ergebnisse zu finden.
Eine andere Methode besteht darin, transkranielle Wechselstromstimulation (tACS) mit TMS zu kombinieren. Dieser Ansatz hat vielversprechende Ergebnisse gezeigt, um herauszufinden, wie bestimmte Gehirnrhythmen mit der CSE zusammenhängen. Eine weitere Methode verwendet EEG, um TMS zu bestimmten Momenten der Gehirnaktivität auszulösen, was eine genauere Stimulation ermöglicht.
Trotz dieser Bemühungen bleiben die Ergebnisse inkonsistent, insbesondere in Bezug darauf, welche Gehirnfrequenzen am effektivsten sind, um die CSE zu verbessern. Einige Studien deuten darauf hin, dass bestimmte Frequenzen, wie die im Beta-Bereich, die Muskelreaktionsfähigkeit verbessern könnten, während die Ergebnisse zum Alpha-Bereich weniger klar sind.
Einschränkungen der aktuellen Methoden
Viele bestehende Studien haben Herausforderungen in Bezug auf Methodik und Ergebnisse. Post-hoc-Analysen finden oft keine klare Abhängigkeit zwischen Gehirnphase oder Frequenz und CSE. Wenn Forscher den Alpha-Bereich betrachten, gelingt es ihnen manchmal nicht, eine Verbindung zu finden, während in anderen Fällen nur bestimmte Phasen mit effektiver Stimulation korrelieren.
Die tACS-TMS-Methode hat auch unterschiedliche Ergebnisse gezeigt. Während einige Studien eine Beziehung zwischen der Beta-Band-Aktivität und der CSE feststellen, wird dies nicht universell akzeptiert und bleibt umstritten. EEG-getriggertes TMS versucht, einige Timing-Probleme zu beheben, indem Vorhersagealgorithmen verwendet werden, um die Präzision der Stimulation zu verbessern. Dennoch bringen diese Methoden oft ihre eigene Ungenauigkeit mit sich, bedingt durch die inhärenten Verzögerungen zwischen der Messung der Gehirnaktivität und der Abgabe von TMS.
Besonders im Hinblick auf den Alpha-Rhythmus sind die Ergebnisse gemischt. Einige Studien legen nahe, dass die Zielung der ansteigenden Phase der Alpha-Wellen die CSE verbessert, während andere keine signifikante Beziehung feststellen. Ausserdem scheint der Ort im Gehirn, an dem die Alpha-Welle entsteht, ihren Einfluss auf die CSE zu beeinflussen.
Eine neue Entwicklung bei EEG-getriggertem TMS hat zum Ziel, präzisere Zielstrategien zu schaffen, indem aktuelle Messungen der Gehirnaktivität integriert werden. Dieser Ansatz zeigt vielversprechende Ergebnisse, aber die Verfügbarkeit der benötigten Technologie ist begrenzt.
Neue Richtungen in der EEG-Forschung
Angesichts dieser Herausforderungen gibt es einen Aufruf zu neuen Methoden, um zustandsabhängige TMS zu leiten, was bedeutet, TMS basierend auf dem aktuellen Zustand des Gehirns, gemessen durch EEG, anzuwenden. Zwei neue Ansätze sind entstanden: Der eine konzentriert sich auf die Entropie des EEG-Signals, während der andere den spektralen Exponenten des EEG-Signals betrachtet.
Die Entropie im EEG kann als Mass für die Vielfalt der Gehirnzustände betrachtet werden. Komplexere Signale haben eine höhere Entropie, was potenziell eine grössere Fähigkeit zur Informationsverarbeitung widerspiegeln kann. Studien legen nahe, dass eine höhere kortikale Entropie mit einer besseren CSE verbunden ist, was die Forscher dazu bringt, zu hypothesieren, dass eine erhöhte motorische kortikale Entropie höhere Muskelreaktionsfähigkeiten vorhersagen könnte.
Der spektrale Exponent, oder die Steilheit des Hintergrunds des EEG-Signals, ist ein weiteres vielversprechendes Mass. Forschungen zeigen, dass niedrigere Werte des spektralen Exponenten mit erhöhter Gehirnerregung und folglich möglicherweise höherer CSE korrelieren.
Datenerhebung und -analyse
In dieser Studie wurden gesunde Freiwillige rekrutiert, um TMS zu erhalten, während ihre Gehirnaktivität mithilfe von EEG aufgezeichnet wurde. Es wurden spezifische Methoden verwendet, um sicherzustellen, dass die Datenerfassung effizient und konsistent war. Jeder Teilnehmer unterzog sich einer TMS-Stimulation, wobei der Stimulationsort vor Beginn der Sitzungen festgelegt wurde. Die Stärke der TMS wurde basierend auf individuellen Schwellenwerten angepasst, um eine angemessene Stimulation sicherzustellen.
Die EEG- und Muskelreaktionen wurden gleichzeitig aufgezeichnet, und verschiedene Techniken wurden verwendet, um die Daten für die Analyse zu bereinigen und vorzubereiten. Ziel war es, die Effekte von TMS auf die Muskelreaktionen zu isolieren und sie mit den EEG-Ergebnissen zu korrelieren.
Untersuchung von Korrelationen zwischen EEG-Merkmalen und CSE
Die Forscher untersuchten dann die Beziehung zwischen mehreren EEG-Merkmalen und der gemessenen CSE. Sie konzentrierten sich sowohl auf traditionelle bandbegrenzte Masse, wie die im Alpha- und Beta-Bereich, als auch auf die neuen Breitbandmasse der Entropie und des spektralen Exponenten.
Um die Effektivität dieser Merkmale zu studieren, wurden verschiedene Analysemethoden eingesetzt. Das Ziel war herauszufinden, ob die neuen Breitbandmasse die CSE genauer vorhersagen können als die traditionellen Masse. Dies beinhaltete statistische Modellierung, um die Vorhersagekraft jedes EEG-Merkmals zu bewerten.
Ergebnisse zu EEG-Messungen und CSE
Die Ergebnisse zeigten, dass die Breitbandmasse des EEG (Entropie und Spektraler Exponent) effektiv die CSE vorhersagen konnten und manchmal die traditionellen Alpha- und Beta-Band-Masse übertrafen. Bestimmte Kanäle im EEG zeigten eine signifikante Beziehung zur CSE, was darauf hinweist, dass sowohl Entropie als auch spektraler Exponent wertvolle Informationen über die Gehirnerregbarkeit im Zusammenhang mit TMS liefern.
Interessanterweise waren die Beta-Band-Merkmale zunächst starke Prädiktoren der CSE, doch die Breitbandmerkmale zeigten immer wieder ihre Fähigkeit, die Vorhersagen zu verbessern. Das deutet darauf hin, dass diese neuen Masse Aspekte des Gehirnzustands erfassen, die von den traditionellen Massen nicht vollständig repräsentiert werden.
Einblicke in Zustands- und Trait-Marker
Eine weitere Analyse konzentrierte sich darauf, ob diese EEG-Merkmale dynamische Gehirnzustände (Zustandsmarker) oder stabilere Merkmale (Trait-Marker) widerspiegeln. Die Ergebnisse zeigten, dass die neuen Breitbandmasse empfindlicher auf Variationen der Gehirnzustände reagierten, was nahelegt, dass sie möglicherweise besser geeignet sind, TMS passend zu timen.
Im Gegensatz dazu neigten traditionelle Masse dazu, statischere Merkmale der Gehirnfunktion widerzuspiegeln. Die Ergebnisse deuten darauf hin, dass beide Arten von Massen wichtige Einblicke bieten, die Breitbandmasse jedoch eine neue Dimension des Verständnisses der Gehirndynamik und deren Zusammenhang mit der Muskelreaktionsfähigkeit hinzufügen könnten.
Auswirkungen auf TMS-Anwendungen
Die Erkenntnisse aus dieser Studie könnten zu signifikanten Verbesserungen in der therapeutischen Anwendung von TMS führen. Durch die Nutzung von Massen der Gehirnkomplexität und der Hintergrundaktivität könnte es möglich sein, einen massgeschneiderten Ansatz für TMS zu entwickeln, der den aktuellen Zustand des Gehirns berücksichtigt. Das könnte die Effektivität von TMS bei der Behandlung von Erkrankungen wie Depressionen oder Bewegungsstörungen erhöhen.
Die Forschung legt nahe, dass die Kombination neuer Breitband-EEG-Masse mit traditionellen Ansätzen – wie der Überwachung von Alpha- und Beta-Rhythmen – die TMS-Anwendungen optimieren könnte. So könnten Therapeuten besser vorhersagen, wann TMS den stärksten Einfluss auf die Motorik haben wird.
Fazit und zukünftige Richtungen
Zusammenfassend deutet diese Forschung auf eine vielversprechende Richtung zur Verbesserung von TMS hin, indem innovative EEG-Masse integriert werden, die die dynamische Natur der Gehirnfunktion widerspiegeln. Auch wenn traditionelle bandbegrenzte Masse ihren Platz haben, könnte das Auftauchen von Massen wie Entropie und spektralem Exponenten die Art und Weise, wie TMS in der Praxis angewendet wird, umgestalten.
Es sind jedoch weitere Studien notwendig, um diese Erkenntnisse in klinischen Populationen zu validieren, wo die tatsächlichen Auswirkungen von zustandsabhängiger TMS voll zur Geltung kommen könnten. Zukünftige Forschungen könnten untersuchen, wie diese Masse in Echtzeit-TMS-Systemen angewendet werden können, wodurch die Ergebnisse für Patienten mit verschiedenen neurologischen Erkrankungen verbessert werden könnten.
Während sich das Feld weiterentwickelt, könnte die Kombination neuer Technologien und tieferer Einblicke in die Gehirnaktivität zu transformierenden Veränderungen in der Art und Weise führen, wie wir TMS therapeutisch einsetzen, was letztlich die Qualität der Behandlung für Betroffene von motorischen und psychologischen Störungen verbessert.
Originalquelle
Titel: Brain signal complexity and aperiodicity predict human corticospinal excitability
Zusammenfassung: Background: Transcranial magnetic stimulation (TMS) holds promise for brain modulation with relevant scientific and therapeutic applications, but it is limited by response variability. Targeting state-dependent EEG features such as phase and power shows potential, but uncertainty remains about the suitable brain states. Objective: This study evaluated broadband EEG measures (BEMs), including the aperiodic exponent (AE) and entropy measures (CTW, LZ), as alternatives to band-limited features, such as power and phase, for predicting corticospinal excitability (CSE). Methods: TMS was delivered with randomly applied single pulses targeting the left primary motor cortex in 34 healthy participants while simultaneously recording EEG and EMG signals. Broadband and band-limited EEG features were evaluated for their ability to predict CSE using motor evoked potentials (MEPs) from the right extensor digitorum communis muscle as the outcome measure. Results: BEMs (AE, CTW) significantly predicted CSE, comparable to beta-band power and phase, the most predictive and spatially specific band-limited markers of motor cortex CSE. Unlike these localized CSE markers at the site of stimulation, BEMs captured more global brain states and greater within-subject variability, indicating sensitivity to dynamic state changes. Notably, CTW was associated with high CSE, while AE was linked to low CSE. Conclusion: This study reveals BEMs as robust predictors of CSE that circumvent challenges of band-limited EEG features, such as narrowband filtering and phase estimation. They may reflect more general markers of brain excitability. With their slower timescale and broader sensitivity, BEMs are promising biomarkers for state-dependent TMS applications, particularly in therapeutic contexts.
Autoren: Joel Frohlich, S. Ruch, B. H. Trunk, M. Keute, P. A. M. Mediano, A. Gharabaghi
Letzte Aktualisierung: 2025-01-02 00:00:00
Sprache: English
Quell-URL: https://www.biorxiv.org/content/10.1101/2024.02.09.579457
Quell-PDF: https://www.biorxiv.org/content/10.1101/2024.02.09.579457.full.pdf
Lizenz: https://creativecommons.org/licenses/by/4.0/
Änderungen: Diese Zusammenfassung wurde mit Unterstützung von AI erstellt und kann Ungenauigkeiten enthalten. Genaue Informationen entnehmen Sie bitte den hier verlinkten Originaldokumenten.
Vielen Dank an biorxiv für die Nutzung seiner Open-Access-Interoperabilität.