Funktionelle Magnetresonanztomographie / Journal of Neurology, Neurosurgery & Psychiatry

PRINZIPIEN DER FUNKTIONELLEN MRT

Kontrast in einem Magnetresonanzbild

Der Kontrast in einem Magnetresonanzbild (das die scheinbare Struktur in dem, was wir sehen, bestimmt) hängt davon ab, wie es erworben wird. Durch Hinzufügen von Radiofrequenz – oder Gradientenimpulsen und durch sorgfältige Auswahl ihrer Timings ist es möglich, verschiedene Eigenschaften des abgebildeten Gewebes hervorzuheben., Während es im Allgemeinen stimmt, dass die MRT die Verteilung des Wassers im Gehirn abbildet, beruht der nützliche Kontrast in MR-Bildern nicht nur auf räumlichen Schwankungen der Wasserdichte, sondern auch auf Unterschieden in grundlegenden kernmagnetischen Prozessen, die als Entspannung bezeichnet werden und durch unterschiedliche Raten oder „Entspannungszeiten“ gekennzeichnet sind.“Es gibt drei Entspannungszeiten, die für die MRT von primärem Interesse sind—T1, T2 und T2*., Diese beschreiben die Zeitkonstante für die Rückführung der Magnetisierung in ihre Gleichgewichtsposition entlang des statischen Magnetfeldes des Scanners bei Störungen (T1-Relaxation) und die Zeitkonstanten, die mit dem Signalverlust verbunden sind, sobald die Magnetisierung abgetastet wurde (T2 und T2* Relaxation). T2* ist die relevanteste Entspannungszeit für das Verständnis des Kontrasts in fMRI-Bildern.,

Die physiologische Basis der fMRI

Der größte Teil der für die neuronale Aktivität verwendeten Energie wird durch die postsynaptische neuronale Depolarisation und in geringerem Maße durch die erzeugten Aktionspotentiale verbraucht.2 Die Energiekosten ergeben sich daher aus der Informationsübertragung und deren Integration postsynaptisch. Die Substratabgabe für den Energiestoffwechsel wird mit erhöhtem lokalen Blutfluss erhöht. Es ist jedoch nicht der erhöhte Energieverbrauch selbst, der den Anstieg des Blutflusses direkt antreibt.,3 Stattdessen scheint ein erhöhter Blutfluss eine direkte Folge der Neurotransmitterwirkung zu sein und spiegelt somit die lokale Signalgebung wider. Elektrophysiologisch korrelieren Erhöhungen des Fettsignals am deutlichsten mit dem lokalen Feldpotential und nicht mit der neuronalen Zündrate.4 Der Blutfluss nimmt tatsächlich über ein breiteres Volumen und in einem größeren Ausmaß zu, als es einfach notwendig ist, Sauerstoff und Glukose für die erhöhte Energieproduktion bereitzustellen, so dass die Sauerstoffextraktion mit größerer neuronaler Aktivität abnimmt.,

Das Volumen, über das der Blutfluss im Zusammenhang mit der neuronalen Aktivität zunimmt, wird durch das Niveau der lokalen Kontrolle der Perfusion bestimmt, von dem angenommen wird, dass es sich um die Fütterungsarteriolen handelt.5 Es kann mehrere Mediatoren der arteriolären Reaktion geben, aber Stickoxid (NO) und Eicosanoide sind unter normalen Umständen eindeutig wichtig.Die Bindung von Glutamat an Rezeptoren auf Astrozyten löst KEINE Freisetzung aus, und Gliazellen um die Synapse herum können zur Kontrolle der vaskulären Reaktion beitragen.,8

Biophysik der fMRT

Reduzierte Sauerstoffextraktion führt zu einer Erhöhung des Verhältnisses von Oxy – zu Desoxyhämoglobin in einer Region neuronaler Aktivierung. Der Ursprung der damit verbundenen MUTIGEN fMRI-Signaländerung liegt in den unterschiedlichen magnetischen Eigenschaften von Hämoglobin tragendem Sauerstoff (oxyHb) und desoxygeniertem Hämoglobin (deoxyHb). DeoxyHb ist im Verhältnis zum Hirngewebe leicht paramagnetisch, während oxyHb isomagnetisch ist.,9 Gefäße, die sauerstoffhaltiges arterielles Blut enthalten, verursachen somit eine geringe oder keine Verzerrung des Magnetfeldes im umgebenden Gewebe, während Kapillaren und Venen, die Blut enthalten, das teilweise sauerstoffhaltig ist, das Magnetfeld in ihrer Nähe verzerren1011 (Fig 1). Die mikroskopischen Feldinhomogenitäten, die mit dem Vorhandensein von deoxyHb verbunden sind, führen zu destruktiven Störungen durch das Signal innerhalb des Gewebes Voxel, ein Prozess, der dazu neigt, die T2* – Relaxationszeit zu verkürzen., Wenn also die Sauerstoffextraktion mit einem verbesserten lokalen Blutfluss in einem Bereich größerer neuronaler Aktivität abfällt, wird der T2* länger und die MRT-Signalintensität nimmt relativ zum Ausgangszustand zu.

Der genaue Betrag, um den die MRT-Signalintensität zunimmt, hängt von mehreren Faktoren ab., Es gibt einen Beitrag von Wassermolekülen im Blut (dem intravaskulären Kompartiment) und von Wassermolekülen im Geweberaum um die Gefäße (dem extravaskulären Kompartiment). Das beobachtete Signal ist ein volumengewichteter Durchschnitt von Signaländerungen sowohl aus intravaskulärem Wasser in lokalen Kapillaren als auch aus Venen und Wasser im unmittelbaren extravaskulären Kompartiment., Die Signaländerung nimmt linear mit der statischen Feldstärke des MRT-Scanners für Blutgefäße mit einem größeren Radius als etwa 8 µm und quadratisch zu, wenn Blutgefäße betrachtet werden, die kleiner als dieser Wert sind.1213

Obwohl sich nur 3-5% der Wassermoleküle in der grauen Substanz im Gefäßraum befinden (in der weißen Substanz liegt der Wert näher bei 2%), kann der Beitrag des intravaskulären Beitrags zur Fettsignaländerung erheblich sein.1314 Weil die T2 und T2 * Entspannungszeiten von Blut bei 1.,5 Tesla sind lang im Vergleich zu Gewebe, und die extravaskulären Wassereffekte sind relativ lokalisiert um die Gefäße, Signal aus dem intravaskulären Wasserpool hat eine dominante Wirkung (geschätzt auf 60%) auf aktivitätsbezogene Signalintensitätsänderungen bei 1,5 Tesla.15 Signalveränderungen mit Gehirnaktivität können daher manchmal in großen drainierenden Venen nachgewiesen werden, die sich in einiger Entfernung von der Stelle der neuronalen Aktivität befinden können.,

In mindestens einigen Bereichen des Gehirns (z. B. visueller und primärer motorischer Kortex) kann nach Beginn der Aktivität vor dem charakteristischen Signalanstieg eine kleine vorübergehende Abnahme des Fettsignals beobachtet werden.16 Dies wurde so interpretiert, dass es die lokale Desoxygenierung von Blut im Kapillarbett widerspiegelt, die dem Beginn der aktivierungsassoziierten Hyperämie vorausgeht. Dieser „anfängliche Dip“ kann ein genaueres Maß für die Lokalisierung der Aktivierung liefern.,17 Das Ausmaß der Veränderung ist jedoch um ein Vielfaches kleiner als das des späteren Fettsignalanstiegs, so dass es unwahrscheinlich ist, dass es in naher Zukunft einen praktischen Ansatz für eine verbesserte funktionelle Abbildung für klinische Anwendungen bietet.

Praktische Umsetzung

Viele Hersteller von MRT-Scannern bieten jetzt Zusatzfunktionen, mit denen Standard-fMRI-Verfahren einfach durchgeführt werden können., Dazu gehören geeignete Pulssequenzen, Peripheriegeräte zur Darstellung von Reizen gegenüber den Probanden im Scanner, Geräte zur Aufzeichnung von Reaktionen des Probanden und sogar statistische Analyse-und Anzeigepakete, die eine Bewertung der Daten ermöglichen, während das Subjekt im Magnet bleibt. Die am häufigsten verwendete bildgebende Sequenz ist die schnelle Methode der echoplanaren Bildgebung (EPI),18, die das Sammeln ganzer Hirndaten in wenigen Sekunden oder weniger ermöglicht. Die räumliche Auflösung ist wesentlich geringer (typischerweise 4×4×4 mm3) als bei einem herkömmlichen MRT-Scan (Abb., Die Bildintensität ist auch in frontalen und temporalen Regionen reduziert und es gibt eine gewisse Verzerrung der Form des Gehirns. Diese Probleme ergeben sich aus der Empfindlichkeit der EPI—Abtastung gegenüber Feldgradienten, die durch magnetische Suszeptibilitätsunterschiede verursacht werden-beispielsweise an Luftsinus – /Gewebeschnittstellen. Dieses Problem verschlimmert sich mit zunehmender Feldstärke.

In einem fMRI-Experiment wird eine große Reihe von Bildern schnell erfasst, während das Subjekt eine Aufgabe ausführt, die die Gehirnaktivität zwischen zwei oder mehr genau definierten Zuständen verschiebt. Mehrere hundert solcher Volumes können in einer einzigen Sitzung gesammelt werden, während das Subjekt verschiedene Aufgaben ausführt. Durch Korrelation des Signalzeitverlaufs in jedem Volumenelement (Voxel) des Slice-Stacks mit dem bekannten Zeitverlauf der Aufgabe ist es möglich, jene Voxel im Gehirn zu identifizieren, die Veränderungen zeigen, die mit der betrachteten Gehirnfunktion verbunden sind.,

Gestaltung von fMRI-Studien

Methoden wie die Positronenemissionstomographie (PET) liefern ein absolutes Maß für den Gewebestoffwechsel. Im Gegensatz dazu kann die fMRI derzeit nur zur Bestimmung relativer Signalintensitätsänderungen verwendet werden, die mit verschiedenen kognitiven Zuständen während einer einzelnen Bildgebungssitzung verbunden sind. Der zeitsparendste Ansatz für den Vergleich von Gehirnreaktionen in verschiedenen Zuständen während des bildgebenden Experiments ist das“ Block “ – Design19(Abb., Dieses Design verwendet relativ lange Wechselperioden (z. B. 30 Sekunden), in denen jeweils ein diskreter kognitiver Zustand aufrechterhalten wird. In der einfachsten Form kann es nur zwei solcher Zustände geben, die während des gesamten Experiments abwechseln, um sicherzustellen, dass Variationen, die sich aus Schwankungen der Empfindlichkeit des Scanners, der Patientenbewegung oder Änderungen der Aufmerksamkeit ergeben, einen ähnlichen Einfluss auf die Signalantworten haben, die mit beiden Zuständen verbunden sind.,

Es kann jedoch schwierig werden, einen kognitiven Zustand genau für die relativ langen Perioden jedes Blocks zu steuern, oder einige Aufgaben sind für dieses Design einfach ungeeignet (z. B. wie in einem „Oddball“ – Paradigma). In solchen Fällen kann ein ereignisbezogenes Design verwendet werden, bei dem Daten erfasst werden, während diskrete Reize oder Antworten wiederholt werden20 (Abb. Die Ergebnisse vieler Studien werden dann gemittelt, um eine messbare Antwort zu geben. Ereignisbezogenes fMRI erfordert längere Erfassungszeiten als das Blockdesign, um ein ausreichendes Signal-Rausch-Verhältnis zu erreichen., Ein verwandter Ansatz besteht darin, Reize periodisch darzustellen und dann die Reaktionen in Bezug auf ihre zeitliche Phase relativ zu der der Stimuluspräsentation abzubilden.21

Analyse von fMRI-Studien

Die Rohdaten der fMRI können über Zeiträume von wenigen Minuten erfasst werden. Für einfache Analysen ist eine nahezu „Echtzeit“ – Betrachtung der endgültigen statistischen Aktivierungskarten möglich (obwohl—zumindest in einer Forschungsumgebung—eine vollständige Analyse umfangreiche Berechnungen und viel umfangreichere Analysezeiten erfordern kann)., Das grundlegende Ziel bei der Analyse von funktionellen bildgebenden Experimenten ist es, Voxel zu identifizieren, die Signaländerungen zeigen, die mit den sich ändernden Hirnzuständen von Interesse über die seriell aufgenommenen Bilder variieren. Dies ist ein herausforderndes Problem für fMRI-Daten, da die Signaländerungen gering sind (0,5% bis 5%) (was zu potenziellen falsch negativen Ergebnissen oder Typ-II-Fehlern führt) und die Anzahl der Voxel, die gleichzeitig über das abgebildete Volumen abgefragt werden, sehr groß ist (möglicherweise potenzielle falsch positive Ergebnisse oder Typ-I-Fehler)., Ein Ansatz zur Verbesserung der Sensitivität besteht darin, Studien an Gruppen von Individuen durchzuführen: Selbst wenn die Veränderungen gering sind, können konsistent aktivierte Regionen identifiziert werden.

Es können verschiedene Arten statistischer Analysen durchgeführt werden. Ein „fixed-effects“ – Analyse gibt einen Ausdruck von Veränderungen in der Gruppe bedeuten, signal in relation zu der Gruppe gebündelt-in-Thema Varianz., Dies liefert ein sensibles Maß dafür, ob die Gruppe im Durchschnitt aktiv ist, betrachtet jedoch keine Subjektvariabilität und kann daher nicht verwendet werden, um Verallgemeinerungen über die größere Population vorzunehmen, aus der die Gruppe gezogen wurde. Dazu würde man ein „zufälliges“ oder „gemischtes“ Effektmodell verwenden. Solche Modelle berücksichtigen nicht nur die Varianz in einer Messung für ein einzelnes Subjekt, sondern auch die Varianz in Messungen zwischen Individuen.,

Die beobachteten Signaländerungen sind gering, und die Interpretation der Ergebnisse für einzelne Personen (z. B. in einer klinischen Studie) erfordert eine Einschätzung der Reproduzierbarkeit einer Studie. Das genaue Volumen der signifikanten Aktivierung kann zwischen den Sitzungen erhebliche Schwankungen aufweisen, da die Voxel mit niedrigem Signal-Rausch-Verhältnis am Rand der Aktivierungslautstärke variabel einbezogen werden, abhängig von Rauschschwankungen.22 Dennoch sind Test–Retest-Korrelationen des Aktivierungsausmaßes für typische kognitive Aufgaben gut (z. B. r = 0,69).2324 Metaanalysen haben konsistente Lokalisierungen bestätigt.,25 Spezifische Fettsignalcharakteristiken (wie die maximale Signaländerung oder das Timing relativ zu einem Stimulus) können ebenfalls stark reproduzierbar sein.26

Die Genauigkeit der Lokalisierungen darf nur in Bezug auf andere Techniken quantifiziert werden. Dies wird durch Unsicherheiten darüber erschwert, wie Daten aus verschiedenen Modalitäten (oder Gehirnen unterschiedlicher Größe und Form) am besten ausgerichtet (oder registriert) werden.27 Vergleiche mit der invasiven Elektrophysiologie bei nichtmenschlichen Primaten legen nahe, dass die Entsprechung zwischen direkten Aufzeichnungen lokaler Feldpotentiale und fMRI-Veränderungen hoch sein kann.,Es wurde eine gute Übereinstimmung zwischen funktionellen Lokalisierungen auf der Basis von EEG und fMRI beim Menschen gefunden.28

Einer der wichtigsten Störfaktoren bei der fMRT ist die extreme Bewegungsempfindlichkeit, entweder des gesamten Kopfes oder sogar des Gehirns allein (z. B. Pulsationen im Zusammenhang mit dem Atmungs-oder Herzzyklus). Ein erster Schritt in der Analyse ist daher die Post-hoc-Neuausrichtung der Hirnvolumina unter Verwendung automatisierter Algorithmen, die den Unterschied zwischen nachfolgenden Bildern minimieren., Nach der Bewegungskorrektur der Daten werden häufig räumliche Glättung und zeitliche Filterung der Daten angewendet, vor allem um Rauschen in den Daten zu reduzieren. Eine Vielzahl statistischer Tests kann dann durchgeführt werden, um Voxel zu identifizieren, bei denen die Signaländerungen im Laufe der Zeit mit dem Umschalten zwischen den angewendeten „Kontroll“ – und „Stimulus“ – Zuständen korrelieren. Der einfachste Ansatz besteht darin, eine Karte der t-Statistik für Signaländerungen auf Voxel-Basis zu generieren., Ein verwandter Ansatz besteht darin, den zeitlichen Verlauf der Signaländerung in jedem Voxel mit einem Modellzeitverlauf zu korrelieren, der auf der erwarteten neuronalen Antwort basiert (passend mit einem Modell der hämodynamischen Antwort konvolviert), die auch verwendet werden kann, um eine t-Statistikkarte zu erzeugen. Die Signifikanzschwelle muss in allen Fällen proportional zur Anzahl unabhängiger Vergleiche strenger sein (obwohl sie aufgrund räumlicher Korrelationen in den Daten kleiner ist als die Gesamtzahl der Voxel).