stringtranslate.com

Microestados del EEG

Los microestados del EEG son estados o patrones transitorios, pautados y cuasi estables de un electroencefalograma . Suelen durar desde milisegundos hasta segundos y se supone que son las ejemplificaciones más básicas de las tareas neurológicas humanas , por lo que se los conoce como "los átomos del pensamiento". [1] La estimación y el análisis de microestados se hacían originalmente utilizando la actividad de la banda alfa , aunque ahora se utilizan normalmente bandas de EEG de ancho de banda más amplio. [2] La cuasiestabilidad de los microestados significa que la "topografía global [del EEG] es fija, pero la intensidad puede variar y la polaridad invertirse". [3]

Historia

El concepto de microestados temporales de la actividad eléctrica cerebral durante el reposo sin tarea y la ejecución de la tarea (microestados relacionados con eventos) fue desarrollado por Dietrich Lehmann y sus colaboradores (The KEY Institute for Brain-Mind Research, Universidad de Zurich, Suiza) entre 1971 y 1987, [4] [5] [6] (ver "Microestados EEG". Scholarpedia .) Los doctores Thomas Koenig (Hospital Universitario de Psiquiatría, Suiza) y Dietrich Lehmann (Instituto KEY para la Investigación Cerebro-Mente, Suiza) [1] suelen ser considerados los pioneros del análisis de microestados EEG. [2] En su artículo de 1999 en los Archivos Europeos de Psiquiatría y Neurociencia Clínica , [1] Koenig y Lehmann habían estado analizando los EEG de personas con esquizofrenia , con el fin de investigar las posibles raíces cognitivas básicas del trastorno. Comenzaron a centrar su atención en los EEG en una escala de milisegundos. Determinaron que tanto los sujetos normales como los esquizofrénicos compartían estos microestados, pero variaban en características entre los dos grupos, y concluyeron que:

"Las configuraciones momentáneas del campo eléctrico cerebral son manifestaciones del estado funcional global momentáneo del cerebro. Las configuraciones del campo tienden a persistir durante algún tiempo en el rango de subsegundos ("microestados") y se concentran en unas pocas clases de configuraciones. En consecuencia, los datos del campo cerebral se pueden reducir de manera eficiente a secuencias de clases recurrentes de microestados cerebrales, sin superposición en el tiempo. Diferentes configuraciones deben haber sido causadas por diferentes conjuntos neuronales activos y, por lo tanto, se supone que diferentes microestados implementan diferentes funciones". [1]

Identificación y análisis de microestados

Del EEG al microestado

Aislar y analizar la secuencia de microestados del EEG es una operación post hoc que normalmente utiliza varios pasos de filtrado y promediado. Cuando Koenig y Lehman realizaron su experimento en 1999, construyeron estas secuencias partiendo del EEG en estado de reposo con los ojos cerrados de un sujeto. Se aislaron los primeros minutos libres de eventos del EEG, luego se volvieron a filtrar períodos de alrededor de 2 segundos cada uno ( paso de banda ≈ 2–20 Hz). Una vez filtradas las épocas, estos microestados se agruparon analíticamente en clases medias mediante el agrupamiento de k-medias , post hoc. [7] También se ha propuesto un enfoque probabilístico, utilizando Fuzzy C-Means, para el agrupamiento y la posterior asignación (ver más abajo) de microestados. [8]

Agrupamiento y procesamiento

Dado que el cerebro pasa por tantas transformaciones en escalas de tiempo tan cortas, el análisis de microestados es esencialmente un análisis de estados de EEG promedio. Koenig y Lehmann establecieron el estándar para crear clases o configuraciones de EEG promediadas recurrentes. Una vez que se recopilan todos los datos de EEG, se elige un segmento de EEG "prototipo", con el que se comparan todos los demás microestados recopilados. Así es como comienza el proceso de promediado. Se calcula la varianza de este "prototipo" para agregarlo a una clase existente o para crear una clase separada. Después de que se "agrupan" configuraciones similares, el proceso de selección y comparación de un "prototipo" se repite varias veces para lograr precisión. Koenig y Lehmann describen el proceso con más detalle:

"La similitud de la configuración espacial de EEG de cada mapa prototipo con cada uno de los 10 mapas se calcula utilizando el coeficiente de determinación para omitir las polaridades de los mapas... Por separado, para cada clase, los mapas prototipo se actualizan combinando todos los mapas asignados calculando el primer componente principal espacial [7] de los mapas y maximizando así la varianza común mientras se ignora la polaridad del mapa". Este proceso se repite varias veces utilizando diferentes mapas prototipo seleccionados aleatoriamente de entre los datos recopilados para utilizarlos en la comparación estadística y la determinación de la varianza. [7]

Creación y asignación de clases

La mayoría de los estudios [1] [9] [10] [11] [12] [13] [14] revelan las mismas 4 clases de topografía de microestados:

Secuencia topográfica típica de microestados de 4 clases. De izquierda a derecha: clases A, B, C y D

Sin embargo, muchos estudios también han encontrado otros mapas de plantillas de microestados de EEG que probablemente sean significativos. [15] convergieron en 16 mapas para explicar una alta proporción de la varianza observada. [16] encontraron 13 mapas utilizando un enfoque ICA. El número de microestados "encontrados" y utilizados es en parte una función del estado cognitivo de la persona, pero también en parte del método utilizado para agrupar y asignar microestados. Aunque históricamente los microestados siempre se han asignado de manera determinista, trabajos recientes también han sugerido que existen problemas computacionales, analíticos y conceptuales que pueden abordarse mediante un análisis probabilístico de microestados. [8]

Aplicaciones

Comprensión básica de la cognición humana

La hipótesis actual es que los microestados EEG representan los pasos básicos de la cognición y el procesamiento de la información neuronal en el cerebro, pero todavía queda mucha investigación por hacer para consolidar esta teoría.

Koenig, Lehmann et al. 2002 [17]

Este estudio investigó la variación de los microestados del EEG en humanos normales de distintas edades. Mostró una "evolución legal y compleja con la edad" [17] con picos en la duración media de los microestados alrededor de los 12, 16, 18 y 40-60 años, lo que sugiere que hay una evolución cerebral significativa que ocurre a esas edades. [17] En cuanto a la causa de esto, plantearon la hipótesis de que se debía al crecimiento y la reestructuración de las vías neuronales,

"En estudios sobre la microarquitectura del tejido cerebral en desarrollo, se ha observado que después de un exceso inicial de conexiones sinápticas relativamente desorganizadas, el número de sinapsis disminuyó gradualmente, mientras que el grado de organización de las conexiones aumentó (Huttenlocher, 1979; Rakic ​​et al., 1986). Por lo tanto, es más probable que los cambios observados en el perfil de microestados resulten de la eliminación de conexiones no funcionales en lugar de la formación de otras nuevas. Otra posible relación de los presentes resultados con los procesos neurobiológicos proviene de la observación de que con el aumento de la edad, los microestados asimétricos disminuyen, mientras que los microestados simétricos aumentan. Suponiendo que los microestados asimétricos resultan de una actividad cerebral predominantemente unilateral, mientras que los microestados simétricos indican una actividad predominantemente bilateral, los efectos observados pueden estar relacionados con el crecimiento del cuerpo calloso, que continúa hasta finales de la adolescencia (p. ej., Giedd et al., 1999)". [17]

Van De Ville, Britz y Michel, 2010 [3]

En un estudio realizado por investigadores en Ginebra, se analizaron la dinámica temporal y las posibles propiedades fractales de los microestados del EEG en sujetos humanos normales. Dado que los microestados son una topografía global, pero ocurren en escalas de tiempo tan pequeñas y cambian tan rápidamente, Van De Ville, Britz y Michel plantearon la hipótesis de que estos "átomos de pensamientos" son como fractales en la dimensión temporal. Es decir, ya sea a escala mayor o menor, un EEG es en sí mismo una composición de microestados. Esta hipótesis fue inicialmente iluminada por la fuerte correlación entre la rápida escala de tiempo y la transitoriedad de los microestados del EEG y las señales mucho más lentas de una fMRI en estado de reposo .

"La conexión entre los microestados del EEG y las redes de estado de reposo ( RSN ) fMRI se estableció mediante la convolución de los cursos temporales de la aparición de los diferentes microestados del EEG con la función de respuesta hemodinámica ( HRF ) y luego utilizando estos como regresores en un modelo lineal general para el análisis fMRI convencional . Debido a que la HRF actúa como un fuerte filtro de suavizado temporal en la señal rápida basada en EEG, es notable que se puedan encontrar correlaciones estadísticamente significativas. El hecho de que este suavizado no eliminara ninguna señal portadora de información de la secuencia de microestados y que, además, las secuencias de microestados originales y los regresores muestren el mismo comportamiento relativo en escalas temporales con una diferencia de aproximadamente dos órdenes de magnitud sugiere que los cursos temporales de los microestados del EEG son invariantes de escala".

Esta dinámica invariante a escala es la característica más fuerte de un fractal y, dado que los microestados son indicativos de redes neuronales globales, es justificable concluir que estos microestados exhiben un comportamiento monofractal temporal (fractal unidimensional). A partir de aquí, podemos ver la posibilidad de que la fMRI, que también es una medida de topografía global, sea posiblemente solo una manifestación a mayor escala de sus microestados y, por lo tanto, respalde aún más la hipótesis de que los microestados del EEG son la unidad fundamental del procesamiento cognitivo global de una persona.

Patologías psicológicas

La comparación de las clases de microestados del EEG entre los controles y los pacientes con psicosis ha arrojado resultados importantes que sugieren que el estado de reposo básico de los pacientes con psicosis es irregular. Esto implica que antes de que se procese o cree cualquier información, está ligada a la dinámica de la secuencia irregular de microestados. [1] [9] [10] [11] [12] [13] [14] Aunque el análisis de microestados tiene un gran potencial para ayudar a comprender los mecanismos básicos de algunas enfermedades neurológicas, todavía hay mucho trabajo y comprensión que desarrollar antes de que pueda ser un diagnóstico ampliamente aceptado. [2]

Esquizofrenia

Numerosos estudios han investigado la dinámica temporal de los microestados del EEG en personas con esquizofrenia . [1] [18] [19] [20] [21] En el primer estudio que comparó la dinámica temporal de los microestados del EEG en personas con esquizofrenia contra controles sanos, Koenig y Lehmann informaron que las personas con esquizofrenia tienden a pasar demasiado tiempo en el microestado de clase A en comparación con los controles. [1] Sin embargo, otros estudios en la investigación de la esquizofrenia han sugerido un panorama diferente. Un metanálisis que comprende estudios de 1999 a 2015 reveló que el microestado de clase C ocurrió con mayor frecuencia y durante más tiempo en las personas con esquizofrenia que en los controles, mientras que el microestado de clase D ocurrió con menor frecuencia y durante menos tiempo. [22] Estos resultados también fueron confirmados por un metanálisis posterior. [21] Se informaron anomalías similares en un estudio con adolescentes con síndrome de deleción 22q11.2 , una población que tiene un riesgo del 30% de desarrollar psicosis. [18] También se encontraron anomalías de clases C y D en hermanos no afectados de aquellos con esquizofrenia, [21] lo que llevó a los autores a sugerir que la dinámica de los microestados C y D son un endofenotipo candidato para la esquizofrenia.

Trastorno de pánico

En julio de 2011, el Dr. Koenig colaboró ​​con investigadores de la Universidad de Kanazawa en Japón y otros de la Universidad de Berna en Suiza para realizar un análisis de microestados en personas con trastorno de pánico (TP). Descubrieron que estas personas pasaban demasiado tiempo en el mismo microestado de derecha anterior a izquierda posterior que en los estudios sobre esquizofrenia. [9] Esto sugiere un mal funcionamiento del lóbulo temporal, que se ha informado en estudios de fMRI de personas con TP; pasaron un promedio de 9,26 milisegundos más en este microestado que los sujetos de control. Estas secuencias de microestados aberrantes son muy similares a las del estudio sobre esquizofrenia y, como la ansiedad es común en la esquizofrenia, puede indicar una fuerte correlación entre diferentes severidades de patologías neurológicas y la secuencia de microestados de una persona.

Análisis del sueño

En 1999, Cantero, Atienza, Salas y Gómez estudiaron los ritmos alfa en sujetos humanos normales en tres estados: ojos cerrados/relajados, somnolencia al inicio del sueño y sueño REM . Encontraron que las clases de microestados medias determinadas eran diferentes entre los estados de conciencia en tres parámetros diferentes. [23]

Este estudio arroja luz sobre la complejidad de la actividad cerebral y la dinámica del EEG. Los datos sugieren que "la actividad (de ondas) alfa podría estar indexando información cerebral diferente en cada estado de vigilia". [23] Además, sugieren que el ritmo alfa podría ser la "frecuencia de resonancia natural de la corteza visual durante el estado de vigilia, mientras que la actividad alfa que aparece en el período de somnolencia al inicio del sueño podría estar indexando la imaginería hipnagógica autogenerada por el cerebro dormido, y un evento fásico en el caso del sueño REM". [23] Otra afirmación es que períodos más largos de actividad cerebral estable pueden estar manejando cantidades más pequeñas de procesamiento de información y, por lo tanto, pocos cambios en los microestados, mientras que una actividad cerebral más corta y menos estable puede reflejar grandes cantidades de información diferente para procesar y, por lo tanto, más cambios en los microestados.

Véase también

Referencias

  1. ^ abcdefgh Koenig T, Lehmann D, Merlo MC, Kochi K, Hell D, Koukkou M (1999). "Un microestado cerebral EEG desviado en pacientes esquizofrénicos agudos sin tratamiento neuroléptico en reposo". Archivos Europeos de Psiquiatría y Neurociencia Clínica . 249 (4): 205–11. doi :10.1007/s004060050088. PMID  10449596. S2CID  9107646.
  2. ^ abc Isenhart, Robert. "El estado de los microestados de EEG". Entrevista en línea. 26 de septiembre de 2011.
  3. ^ ab Van de Ville D, Britz J, Michel CM (octubre de 2010). "Las secuencias de microestados del EEG en humanos sanos en reposo revelan una dinámica sin escala" (PDF) . Actas de la Academia Nacional de Ciencias de los Estados Unidos de América . 107 (42): 18179–84. Bibcode :2010PNAS..10718179V. doi : 10.1073/pnas.1007841107 . PMC 2964192 . PMID  20921381. 
  4. ^ Lehmann D (noviembre de 1971). "Topografía multicanal de los campos de EEG alfa humanos". Electroencefalografía y neurofisiología clínica . 31 (5): 439–49. doi :10.1016/0013-4694(71)90165-9. PMID  4107798.
  5. ^ Lehmann D, Skrandies W (junio de 1980). "Identificación sin referencia de componentes de campos potenciales multicanal evocados en tablero de ajedrez". Electroencefalografía y neurofisiología clínica . 48 (6): 609–21. doi :10.1016/0013-4694(80)90419-8. PMID  6155251.
  6. ^ Lehmann D, Ozaki H, Pal I (septiembre de 1987). "Serie de mapas alfa de EEG: microestados cerebrales mediante segmentación adaptativa orientada al espacio". Electroencefalografía y neurofisiología clínica . 67 (3): 271–88. doi :10.1016/0013-4694(87)90025-3. PMID  2441961.
  7. ^ abc Pascual-Marqui RD, Michel CM, Lehmann D (julio de 1995). "Segmentación de la actividad eléctrica cerebral en microestados: estimación y validación de modelos". IEEE Transactions on Bio-Medical Engineering . 42 (7): 658–65. doi :10.1109/10.391164. PMID  7622149. S2CID  12736057.
  8. ^ ab Dinov M, Leech R (2017). "Modelado de incertidumbres en microestados de EEG: análisis de movimientos motores reales e imaginarios mediante entrenamiento de redes neuronales probabilísticas impulsado por agrupamiento probabilístico". Frontiers in Human Neuroscience . 11 : 534. doi : 10.3389/fnhum.2017.00534 . PMC 5671986 . PMID  29163110. 
  9. ^ abc Kikuchi M, Koenig T, Munesue T, Hanaoka A, Strik W, Dierks T, et al. (2011). Yoshikawa T (ed.). "Análisis de microestados del EEG en pacientes con trastorno de pánico que no habían recibido tratamiento farmacológico". PLOS ONE . ​​6 (7): e22912. Bibcode :2011PLoSO...622912K. doi : 10.1371/journal.pone.0022912 . PMC 3146502 . PMID  21829554. 
  10. ^ ab Kindler J, Hubl D, Strik WK, Dierks T, Koenig T (junio de 2011). "EEG en estado de reposo en la esquizofrenia: las alucinaciones verbales auditivas están relacionadas con el acortamiento de microestados específicos". Neurofisiología clínica . 122 (6): 1179–82. doi :10.1016/j.clinph.2010.10.042. PMID  21123110. S2CID  7269365.
  11. ^ ab Lehmann D, Faber PL, Galderisi S, Herrmann WM, Kinoshita T, Koukkou M, et al. (febrero de 2005). "Duración y sintaxis de los microestados del EEG en la esquizofrenia aguda, sin medicación previa, de primer episodio: un estudio multicéntrico". Psychiatry Research . 138 (2): 141–56. doi :10.1016/j.pscychresns.2004.05.007. PMID  15766637. S2CID  24984292.
  12. ^ ab Stevens A, Lutzenberger W, Bartels DM, Strik W, Lindner K (enero de 1997). "Incremento de la duración y topografía alterada de los microestados del EEG durante las tareas cognitivas en la esquizofrenia crónica". Psychiatry Research . 66 (1): 45–57. doi :10.1016/s0165-1781(96)02938-1. PMID  9061803. S2CID  38114510.
  13. ^ ab Strelets V, Faber PL, Golikova J, Novototsky-Vlasov V, Koenig T, Gianotti LR, et al. (noviembre de 2003). "Los esquizofrénicos crónicos con sintomatología positiva presentan duraciones de microestados del EEG más cortas". Neurofisiología clínica . 114 (11): 2043–51. doi :10.1016/s1388-2457(03)00211-6. PMID  14580602. S2CID  23762909.
  14. ^ ab Strik WK, Chiaramonti R, Muscas GC, Paganini M, Mueller TJ, Fallgatter AJ, et al. (octubre de 1997). "Disminución de la duración de los microestados del EEG y anteriorización de los campos eléctricos cerebrales en la demencia leve y moderada del tipo Alzheimer". Psychiatry Research . 75 (3): 183–91. doi :10.1016/s0925-4927(97)00054-1. PMID  9437775. S2CID  35510431.
  15. ^ Britz J, Díaz Hernàndez L, Ro T, Michel CM (2014). "Surgimiento de la conciencia perceptiva dependiente del microestado EEG". Fronteras en neurociencia conductual . 8 : 163. doi : 10.3389/fnbeh.2014.00163 . PMC 4030136 . PMID  24860450. 
  16. ^ Yuan H, Zotev V, Phillips R, Drevets WC, Bodurka J (mayo de 2012). "Dinámica espaciotemporal del cerebro en reposo: exploración de los microestados del EEG como firmas electrofisiológicas de las redes de estado de reposo BOLD". NeuroImage . 60 (4): 2062–72. doi :10.1016/j.neuroimage.2012.02.031. PMID  22381593. S2CID  10712820.
  17. ^ abcd Koenig T, Prichep L, Lehmann D, Sosa PV, Braeker E, Kleinlogel H, et al. (mayo de 2002). "Milisegundo a milisegundo, año a año: microestados normativos del EEG y etapas del desarrollo". NeuroImage . 16 (1): 41–8. doi :10.1006/nimg.2002.1070. PMID  11969316. S2CID  572593.
  18. ^ ab Tomescu MI, Rihs TA, Roinishvili M, Karahanoglu FI, Schneider M, Menghetti S, et al. (septiembre de 2015). "Los pacientes con esquizofrenia y los adolescentes con síndrome de deleción 22q11.2 en riesgo expresan los mismos patrones desviados de microestados del EEG en estado de reposo: un endofenotipo candidato de esquizofrenia". Investigación sobre esquizofrenia. Cognición . 2 (3): 159–165. doi :10.1016/j.scog.2015.04.005. PMC 5779300. PMID  29379765 . 
  19. ^ Giordano GM, Koenig T, Mucci A, Vignapiano A, Amodio A, Di Lorenzo G, et al. (2018). "Correlaciones neurofisiológicas de la apatía por abulia en la esquizofrenia: un estudio de microestados en reposo en EEG". NeuroImage. Clinical . 20 : 627–636. doi :10.1016/j.nicl.2018.08.031. PMC 6128100 . PMID  30202724. 
  20. ^ Andreou C, Faber PL, Leicht G, Schoettle D, Polomac N, Hanganu-Opatz IL, et al. (febrero de 2014). "Conectividad en estado de reposo en la fase prodrómica de la esquizofrenia: perspectivas a partir de microestados del EEG". Schizophrenia Research . 152 (2–3): 513–20. doi :10.1016/j.schres.2013.12.008. PMID  24389056. S2CID  21444679.
  21. ^ abc da Cruz JR, Favrod O, Roinishvili M, Chkonia E, Brand A, Mohr C, et al. (junio de 2020). "Los microestados del EEG son un endofenotipo candidato para la esquizofrenia". Nature Communications . 11 (1): 3089. Bibcode :2020NatCo..11.3089D. doi : 10.1038/s41467-020-16914-1 . PMC 7303216 . PMID  32555168. S2CID  219730748. 
  22. ^ Rieger K, Diaz Hernandez L, Baenninger A, Koenig T (2016). "15 años de investigación de microestados en esquizofrenia: ¿dónde estamos? Un metaanálisis". Frontiers in Psychiatry . 7 : 22. doi : 10.3389/fpsyt.2016.00022 . PMC 4767900 . PMID  26955358. 
  23. ^ abcd Cantero JL, Atienza M, Salas RM, Gómez CM (1999). "Microestados espaciales cerebrales de la actividad alfa espontánea humana en vigilia relajada, periodo de somnolencia y sueño REM". Topografía cerebral . 11 (4): 257–63. doi :10.1023/A:1022213302688. PMID  10449257. S2CID  13961921.