آخرین مطالب

محققان سیگنال‌های مغزی مرتبط با علائم OCD را شناسایی می‌کنند و راه را برای درمان تطبیقی ​​هموار می‌کنند –


در تلاش برای بهبود درمان اختلال وسواس فکری اجباری، تیمی از محققان برای اولین بار سیگنال‌های الکتریکی مرتبط با جزر و مد علائم OCD را در یک دوره طولانی در خانه‌های خود در حالی که زندگی روزمره خود را انجام می‌دادند، در مغز انسان ثبت کردند. این تحقیق می تواند گام مهمی در ایجاد یک درمان نوظهور به نام تحریک عمیق مغزی باشد که به تغییرات روزمره در علائم OCD پاسخ می دهد.

OCD، که 2 درصد از جمعیت جهان را تحت تاثیر قرار می دهد، باعث تکرار افکار ناخواسته و رفتارهای تکراری می شود. این اختلال اغلب ناتوان کننده است و 20 تا 40 درصد موارد به درمان های سنتی دارویی یا رفتاری پاسخ نمی دهند. تحریک عمیق مغز، تکنیکی که شامل الکترودهای کوچکی است که دقیقاً در مغز قرار داده می‌شوند و پالس‌های الکتریکی خفیف را ارسال می‌کنند، در درمان بیش از نیمی از بیمارانی که سایر درمان‌ها برایشان شکست خورده است، مؤثر است. یک محدودیت این است که DBS قادر به تطبیق با تغییرات لحظه به لحظه در علائم OCD نیست که تحت تأثیر محیط فیزیکی و اجتماعی است. اما DBS تطبیقی ​​- که می تواند شدت تحریک را در پاسخ به سیگنال های لحظه ای ثبت شده در مغز تنظیم کند – می تواند موثرتر از DBS سنتی باشد و عوارض جانبی ناخواسته را کاهش دهد.

دیوید بورتون، دانشیار مهندسی زیست پزشکی در دانشگاه براون، مهندس زیست پزشکی در مرکز امور کهنه سربازان ایالات متحده، می گوید: “OCD اختلالی است که در آن شدت علائم در طول زمان بسیار متغیر است و می تواند توسط محرک هایی در محیط ایجاد شود.” برای Neurorestoration و Neurotechnology و نویسنده ارشد این تحقیق جدید. “یک سیستم DBS که می تواند شدت تحریک را در پاسخ به علائم تنظیم کند، ممکن است تسکین بیشتر و عوارض جانبی کمتری برای بیماران ایجاد کند. اما برای فعال کردن این فناوری، ابتدا باید نشانگرهای زیستی مرتبط با علائم OCD را در مغز شناسایی کنیم، و این همان چیزی است که ما در حال انجام این مطالعه هستیم.”

این تحقیق به رهبری نیکول پروونزا، دکترای اخیر مهندسی زیست پزشکی براون. فارغ التحصیل از آزمایشگاه بورتون، یک همکاری بین گروه تحقیقاتی بورتون، وابسته به موسسه کارنی براون برای علوم مغز و دانشکده مهندسی بود. گروه های تحقیقاتی دکتر وین گودمن و دکتر سامیر شت در کالج پزشکی بیلور. و جف کوهن از گروه روانشناسی و برنامه سیستم های هوشمند دانشگاه پیتسبورگ و دانشگاه کارنگی ملون.

برای این مطالعه، تیم گودمن پنج شرکت کننده با OCD شدید را که واجد شرایط درمان DBS بودند، انتخاب کردند. Sheth، جراح مغز و اعصاب سرب، به هر شرکت‌کننده یک دستگاه DBS تحقیقاتی از Medtronic را کاشت که هم می‌تواند تحریک و هم سیگنال‌های الکتریکی مغز را ضبط کند. این تیم با استفاده از قابلیت‌های سنجش سخت‌افزار، داده‌های سیگنال مغزی را از شرکت‌کنندگان در محیط‌های بالینی و در خانه هنگام انجام فعالیت‌های روزانه جمع‌آوری کرد.

همراه با داده های سیگنال مغز، این تیم مجموعه ای از نشانگرهای زیستی رفتاری را نیز جمع آوری کرد. در محیط بالینی، این موارد شامل حالات صورت و حرکت بدن بود. آنها با استفاده از بینایی کامپیوتری و یادگیری ماشینی دریافتند که ویژگی های رفتاری با تغییرات در حالات داخلی مغز مرتبط است. آنها در خانه، گزارش‌های خود شرکت‌کنندگان از شدت علائم OCD و همچنین داده‌های بیومتریک – ضربان قلب و سطح فعالیت عمومی – را که توسط یک ساعت هوشمند و برنامه تلفن هوشمند جفت شده توسط Rune Labs ثبت شده بود، اندازه‌گیری کردند. سپس تمام این معیارهای رفتاری با داده‌های حسگر مغزی همگام‌سازی شدند و محققان را قادر ساخت تا به دنبال همبستگی بین این دو باشند.

پروونزا گفت: «این اولین باری است که سیگنال‌های مغزی از شرکت‌کنندگان مبتلا به بیماری عصبی روانپزشکی به صورت مزمن در خانه در کنار اقدامات رفتاری مرتبط ثبت می‌شود.» با استفاده از این سیگنال‌های مغزی، ممکن است بتوانیم بین زمانی که فردی علائم OCD را تجربه می‌کند و زمانی که این علائم را تجربه نمی‌کند، تمایز قائل شویم و این تکنیک امکان ثبت این تنوع رفتار و فعالیت مغز را فراهم می‌کند.

تجزیه و تحلیل پروونزا از داده ها نشان داد که این تکنیک الگوهای سیگنال مغزی را که به طور بالقوه با نوسانات علائم OCD مرتبط هستند، انتخاب می کند. در حالی که باید کار بیشتری در یک گروه بزرگتر انجام شود، این مطالعه اولیه نشان می دهد که این روش یک راه امیدوارکننده به جلو در تأیید نشانگرهای زیستی کاندید OCD است.

بورتون گفت: «ما توانستیم مجموعه داده‌ای بسیار غنی‌تر از آنچه قبلا جمع‌آوری شده بود جمع‌آوری کنیم، و گرایش‌های وسوسه‌انگیزی پیدا کردیم که می‌خواهیم در گروه بزرگ‌تری از بیماران بررسی کنیم. اکنون می دانیم که مجموعه ابزاری برای حذف سیگنال های کنترلی داریم که می تواند برای تنظیم سطح تحریک با توجه به علائم افراد استفاده شود.

هنگامی که این نشانگرهای زیستی به طور مثبت شناسایی شدند، می توان از آنها در یک سیستم DBS تطبیقی ​​استفاده کرد. در حال حاضر، سیستم‌های DBS از سطح ثابتی از تحریک استفاده می‌کنند که می‌تواند توسط پزشک در بازدیدهای بالینی تنظیم شود. در مقابل، سیستم‌های DBS تطبیقی، فعالیت و رفتار مغز را به طور مداوم بدون نیاز به مراجعه به کلینیک تحریک و ثبت می‌کنند. هنگامی که سیستم سیگنال های مرتبط با افزایش شدت علائم را تشخیص می دهد، می تواند تحریک را افزایش دهد تا به طور بالقوه تسکین بیشتری ایجاد کند. به همین ترتیب، با کاهش علائم، تحریک می تواند کاهش یابد. چنین سیستمی به طور بالقوه می تواند درمان DBS را بهبود بخشد و در عین حال عوارض جانبی را کاهش دهد.

گودمن گفت: “علاوه بر پیشرفت درمان DBS برای موارد OCD شدید و مقاوم به درمان، این مطالعه پتانسیل بهبود درک ما از مدار عصبی زمینه ای این اختلال را دارد.” “این درک عمیق ممکن است به ما اجازه دهد تا اهداف آناتومیک جدیدی را برای درمان شناسایی کنیم که ممکن است متمایل به مداخلات جدیدی باشند که کمتر از DBS تهاجمی هستند.”

کار بر روی این خط تحقیقاتی ادامه دارد. از آنجایی که OCD یک اختلال پیچیده است که خود را به روش‌های بسیار متغیر در بین بیماران نشان می‌دهد، تیم امیدوار است که تعداد شرکت‌کنندگان را افزایش دهد تا این تنوع را بیشتر به تصویر بکشد. آنها به دنبال شناسایی مجموعه کاملتری از نشانگرهای زیستی OCD هستند که می توانند برای هدایت سیستم های DBS تطبیقی ​​استفاده شوند. هنگامی که این نشانگرهای زیستی در محل قرار گرفتند، تیم امیدوار است با سازندگان دستگاه برای پیاده سازی دستگاه های DBS خود همکاری کند.

Sheth گفت: «هدف ما این است که بفهمیم آن ضبط‌های مغزی به ما چه می‌گویند و به دستگاه آموزش دهیم تا الگوهای خاص مرتبط با علائم خاص را تشخیص دهد. هر چه علائم عصبی سلامت و بیماری را بهتر درک کنیم، شانس ما برای استفاده از DBS برای درمان موفقیت آمیز اختلالات مغزی چالش برانگیز مانند OCD بیشتر می شود.

این تحقیق توسط موسسه ملی ابتکار مغز بهداشت (UH3NS100549 و UH3NS103549)، چارلز استارک دراپر آزمایشگاه یاران، بنیاد مک نیر، هیئت هماهنگی تگزاس آموزش عالی، موسسه ملی بهداشت (1RF1MH121371، U54-HD083092، NIH MH096951 شد ، K01-MH-116364 and R21-NS-104953, 3R25MH101076-05S2, 1S10OD025181) و جایزه تدریس و پژوهش کارشناسی کارن تی رومر در دانشگاه براون.