Neuronale Mechanismen der emotionalen Gesundheit bei Patienten mit traumatischen Hirnverletzungen, die sich einer rTMS-Behandlung unterziehen

Molekulare Psychiatrie (2023)Diesen Artikel zitieren

820 Zugriffe

3 Altmetrisch

Details zu den Metriken

Emotionale Dysregulationen, wie sie bei Depressionen auftreten, sind eine Langzeitfolge einer leichten traumatischen Hirnverletzung (TBI), die durch den Einsatz von Neuromodulationsbehandlungen wie der repetitiven transkraniellen Magnetstimulation (rTMS) verbessert werden kann. Frühere Studien liefern Einblicke in die Veränderungen der funktionellen Konnektivität im Zusammenhang mit der allgemeinen emotionalen Gesundheit nach der Anwendung von rTMS-Verfahren bei Patienten mit TBI. Diese Studien liefern jedoch wenig Verständnis für die zugrunde liegenden neuronalen Mechanismen, die die Verbesserung der emotionalen Gesundheit dieser Patienten vorantreiben. Die aktuelle Studie konzentriert sich auf die Ableitung der effektiven (kausalen) Konnektivitätsänderungen und deren Zusammenhang mit der emotionalen Gesundheit nach rTMS-Behandlung kognitiver Probleme bei TBI-Patienten (N = 32). Insbesondere verwendeten wir die funktionelle Magnetresonanztomographie (fMRT) im Ruhezustand zusammen mit dem spektralen dynamischen Kausalmodell (spDCM), um Veränderungen in der effektiven Konnektivität des Gehirns vor und nach der Anwendung von Hochfrequenz-rTMS (10 Hz) über dem linken dorsolateralen präfrontalen Kortex zu untersuchen. Wir untersuchten die effektive Konnektivität des kortiko-limbischen Netzwerks, das aus 11 Regionen von Interesse (ROIs) besteht, die Teil der Standardmodus-, Salienz- und exekutiven Kontrollnetzwerke sind, von denen bekannt ist, dass sie an der emotionalen Verarbeitung beteiligt sind. Die Ergebnisse deuten darauf hin, dass insgesamt bei den extrinsischen Verbindungen die Stärke der erregenden Verbindungen nach der Neuromodulation abnahm, während die der inhibitorischen Verbindungen zunahm. Die Kardinalregion in der Analyse war der dorsale anteriore cinguläre Kortex (dACC), der bei emotionalen Gesundheitsstörungen als am stärksten beeinflusst gilt. Unsere Ergebnisse deuten darauf hin, dass die veränderte Konnektivität von dACC mit der linken vorderen Insula und dem medialen präfrontalen Kortex nach der Anwendung von rTMS ein potenzieller neuronaler Mechanismus ist, der der Verbesserung der emotionalen Gesundheit zugrunde liegt. Unsere Untersuchung unterstreicht die Bedeutung dieser Gehirnregionen als Behandlungsziele bei der emotionalen Verarbeitung bei SHT.

Schädel-Hirn-Trauma (TBI) wird aufgrund seiner hohen Inzidenzrate und schwerwiegenden Folgen häufig als stille Epidemie bezeichnet [1]. Laut dem Memorandum des US-Verteidigungsministeriums aus dem Jahr 2015 basiert die Stratifizierung des TBI-Schweregrads in leicht, mittelschwer und schwer auf der Dauer der Bewusstlosigkeit, der Dauer der Bewusstseinsveränderung und der posttraumatischen Amnesie [2]. TBI ist ein Ereignis, bei dem nach der ersten Verletzung ein pathophysiologischer Prozess beginnt, der strukturelle und funktionelle Veränderungen hervorruft, die zu kognitiven, sozialen und Verhaltensdefiziten führen [3].

In der Regel leiden Patienten mit leichtem TBI (mTBI) an langfristigen neuropsychiatrischen Störungen [4] zusätzlich zu Beeinträchtigungen in kognitiven Bereichen wie Aufmerksamkeit, Gedächtnis und exekutiver Kontrolle [5, 6]. Es ist von entscheidender Bedeutung, diese langfristigen Auswirkungen zu bewältigen, um die Lebensqualität der Patienten zu verbessern [7]. Zu den Interventionsmechanismen gehören unter anderem Pharmakotherapie, Psychotherapie und nicht-invasive Hirnstimulationstechniken. In verschiedenen Stadien der TBI-Genesung werden verschiedene Interventionsmethoden verschrieben. Im akuten und subakuten Stadium ist die Kontrolle der neurochemischen Störungen wünschenswert, um die Überlebenswahrscheinlichkeit zu erhöhen und der funktionellen Behinderung entgegenzuwirken. Im chronischen Stadium werden nicht-invasive Rehabilitationstechniken eingesetzt, um die Veränderung der Neuroplastizität nach TBI anzugehen und die Neuorganisation des neuronalen Netzwerks für die Genesung zu fördern [8]. Die repetitive transkranielle Magnetstimulation (rTMS) ist eine anerkannte therapeutische Alternative zur Modulation der Gehirnfunktion. Es handelt sich um eine nicht-invasive Methode zur Stimulation bestimmter Gehirnregionen durch Anlegen eines intermittierenden Magnetfelds mithilfe einer elektromagnetischen Spule. Es handelt sich um eine von der FDA zugelassene Methode zur Behandlung von Depressionen und Zwangsstörungen (OCD), ihr Einsatz bei TBI wird jedoch noch untersucht [9,10,11,12].

Die am häufigsten eingesetzte Neuroimaging-Methode zur Beurteilung und Überwachung der funktionellen Modulation bei TBI-Patienten ist die funktionelle Magnetresonanztomographie (fMRT). Zahlreiche Forschungsstudien wurden durchgeführt, um den Einfluss der Modulation auf die funktionelle Konnektivität des Gehirns nach einer traumatischen Hirnverletzung mittels fMRT zu untersuchen [13,14,15,16]. Es wurden auch umfangreiche fMRT-Analysen im Ruhezustand durchgeführt, um die grundlegende Gehirnkonnektivität von gesunden und TBI-Populationen zu verstehen. Zu den wichtigsten Gehirnnetzwerken und/oder -regionen, die in früheren Studien zu TBI untersucht wurden, gehören das Core Default Mode Network (DMN) [13, 17, 18, 19, 20, 21, 22, 23], der mediale Temporallappen (MTL) [21, 24] anteriorer cingulärer Kortex [25, 26], Amygdala [21, 27], Insula [26], Thalamus [21, 26] und andere subkortikale Regionen. Das am meisten untersuchte Gehirnnetzwerk bei TBI ist DMN. DMN ist das Gehirnnetzwerk, das im Wachmodus eine erhöhte Aktivierung zeigt, ohne dass eine nach außen gerichtete Aufgabe vorliegt [28]. Es umfasst verschiedene Subsysteme, darunter mPFC, PCC und medialer Temporallappen (MTL). Psychische Störungen wie Angstzustände, Stress und Depressionen werden häufig bei SHT-Patienten beobachtet, was ihre Genesung stark behindert und folglich zu kognitiven Störungen und sozialen Auffälligkeiten führt [29]. Eine erhöhte DMN-Konnektivität [22], eine erhöhte ACC-Konnektivität [25] und eine erhöhte Amygdala-Konnektivität [27] im Ruhezustand können als Biomarker bei chronischem Schädel-Hirn-Trauma mit komorbiden psychischen Störungen angesehen werden. Ein erhöhtes Aggressionsniveau war mit einer erhöhten Konnektivität im Ruhezustand zwischen dem rechten Hippocampus und dem mittleren Cortex verbunden [30]; Andere Regionen, die bei TBI von Depressionen betroffen sind, sind Insula, Thalamus und ACC [26].

Die psychischen Folgen eines Schädel-Hirn-Traumas, einschließlich emotionaler Dysfunktion, haben einen starken Einfluss auf die Lebensqualität und die Alltagsfunktionen des Patienten [31]. Es besteht dringender Bedarf an nachhaltiger Forschung, um wirksame Rehabilitationstechniken zu identifizieren [32]. Es besteht ein wachsendes Interesse an TMS zur Behandlung von Symptomen nach einer Gehirnerschütterung, insbesondere Depressionen [33,34,35,36,37,38]. Frühere Forschungen zu rTMS in Bezug auf Prognose, Biomarker-Identifizierung und Untersuchung der zugrunde liegenden neuronalen Mechanismen (unter Verwendung von effektive Konnektivität) konzentrierte sich hauptsächlich auf psychiatrische Störungen. Es gibt nur wenige Studien, die Veränderungen der funktionellen Konnektivität des Gehirns bei der Behandlung psychologischer Defizite bei TBI mithilfe von rTMS bewerten [36, 39]. Die Ergebnisse dieser Studien haben Einblicke in die Veränderungen der funktionellen Konnektivität zwischen Gehirnregionen gegeben; Sie stellen jedoch keine zugrunde liegenden neuronalen Mechanismen bereit, die sie erzeugen. Trotz der Bedeutung einer effektiven Konnektivität bei der Formulierung der Wege für die Therapie von Symptomen nach einer Gehirnerschütterung gibt es praktisch keine Forschung. Die aktuelle Arbeit ist die erste, die effektive Konnektivität nutzt, um den Nutzen der Verwendung von rTMS mit TBI zu untersuchen. Diese Studie konzentriert sich auf die Ableitung der bei TBI-Patienten nach der Behandlung mit rTMS beobachteten Veränderungen der effektiven Konnektivität und den Zusammenhang zwischen effektiver Konnektivität und der Beurteilung der emotionalen Gesundheit. Dynamische kausale Modellierung [40, 41] (DCM) ist der bevorzugte Ansatz für die Analyse effektiver Konnektivität unter Verwendung multivariater neuronaler Zeitreihen aus verschiedenen interessierenden Regionen. Wir haben seine Variante namens Spectral DCM [42, 43] (spDCM) verwendet, die weit verbreitet ist, um die gerichtete Kommunikation zwischen Gehirnregionen im Ruhezustand zu modellieren. Frühere Arbeiten haben die Zuverlässigkeit der Schätzung der effektiven Konnektivität im Ruhezustand mithilfe von spDCM gezeigt [44]. Wir haben die verteilten Gehirnregionen, die das emotionale Wohlbefinden nach TBI beeinflussen, anhand von Erkenntnissen aus früherer Literatur ausgewählt [45,46,47]. Zu diesen Gehirnregionen gehören die vorderen und hinteren Knotenpunkte des DMN; mPFC und PCC, der Hippocampus, der das Zentrum des medialen Temporallappens ist, und die Regionen des Salience-Netzwerks: dACC, AI und AMG. Wir haben auch den Zielstandort von rTMS und sein Gegenstück in allen Hemisphären ausgewählt, nämlich die bilateralen DLPFC, die Teil des Executive Network (EN) sind. Unser Ziel ist es, die kausale Konnektivität im Ruhezustand zwischen verteilten Gehirnregionen von Patienten mit chronischem Schädel-Hirn-Trauma im Zusammenhang mit dem emotionalen Netzwerk vor und nach der therapeutischen Intervention von rTMS zu untersuchen. Wir gehen davon aus, dass die Behandlung mit rTMS zu einer verbesserten emotionalen Gesundheit bei TBI-Patienten führen würde, und basierend auf der bisherigen Literatur zur funktionellen Konnektivität würde die effektive Konnektivität zwischen den ausgewählten Tri-Netzwerken eine wichtige Rolle für das emotionale Wohlbefinden spielen.

Der anonymisierte Datensatz bestand aus 32 Veteranen mit Schädel-Hirn-Trauma, die über Anzeigen vom Veterans Affairs Palo Alto Health Care System (VAPAHCS) und der umliegenden Gemeinde rekrutiert wurden. Das Versuchsprotokoll der doppelblinden, randomisierten klinischen Studie wurde von den Institutional Review Boards (IRB) des Veterans Affairs Palo Alto Health Care System (VAPAHCS) und der Stanford University genehmigt. Die Altersspanne der Teilnehmer lag zwischen 20 und 69 Jahren, davon 27 Männer und 5 Frauen. Der Schweregrad der Schädel-Hirn-Trauma war bei jedem Teilnehmer entweder leicht oder mittelschwer. Die Teilnehmer wurden in aktive (N = 17) und Scheingruppen (N = 15) aufgeteilt, die nach dem Zufallsprinzip einer leichten und mittelschweren SHT unterzogen wurden. Die Daten wurden in drei Sätze unterteilt: zu Studienbeginn (vor rTMS), unmittelbar nach Ende des Behandlungszeitraums (nach rTMS) und nach sechs Monaten Nachuntersuchung. Die aktuelle Analyse verwendete nur den Datensatz, der in den ersten beiden Fällen erfasst wurde. Der rTMS-Behandlungszeitraum von 20 Sitzungen umfasste 2 Wochen mit 2–3 Behandlungen pro Tag. Das rTMS wurde aktiven Gruppenteilnehmern am linken DLPFC mit 80 Zügen von jeweils 5 Sekunden bei einer Frequenz von 10 Hz geliefert, und das Intervall zwischen den Zügen betrug 10 Sekunden. Die Scheingruppe erhielt ein ähnliches Setup wie die aktiven Teilnehmer, außer dass sie kein rTMS erhielten. Ausführliche Informationen zu den Daten finden Sie bei Adamson et al. [10] und ergänzendes Material.

Die MRT- und rs-fMRT-Daten wurden mit dem GE 3 T MRT-Scanner von VAPAHCS erfasst. Die Aufnahmeparameter für den Strukturscan waren TR = 7,24 ms, TE = 2,78 ms, Flipwinkel = 12°, Voxelgröße 0,9 × 0,9 × 0,9 mm, 192 axiale Schichten. Die Funktionsbilder wurden mit folgenden Parametern aufgenommen: TR = 2000 ms, TE = 30 ms, Flipwinkel = 77°, FOV = 232 mm, Voxelgröße 2,9 × 2,9 × 2,9 mm, 42 axiale Schnitte, 250 Bilder in 8 m 20 s.

Außerdem wurde bei jedem Patienten eine neuropsychologische Bewertungsbatterie durchgeführt, die den Veterans RAND 36 Item Health Survey (VR-36) zu Studienbeginn, nach rTMS und im Follow-up zur Beurteilung der körperlichen und geistigen Gesundheit umfasste. Die Subskala für psychische Gesundheit (8. Skala) von VR-36, auch als emotionales Wohlbefinden bekannt [48], besteht aus fünf Elementen (Ergänzungstabelle S1), die vier Hauptkategorien der psychischen Gesundheit umfassen, darunter Angstzustände, Depressionen, Verlust der Verhaltens- oder emotionalen Kontrolle und psychisches Wohlbefinden [49]. Der Bewertungsprozess besteht aus zwei Schritten: Kodierung und Neukodierung der Antworten [48]. Alle Fragen zur Beurteilung der emotionalen Gesundheit haben eine Antwortkategorie (Codes) von 1 bis 6 (Ergänzungstabelle S2). Die Punktzahl jedes Elements wird in einem Bereich von 0 bis 100 neu kodiert, wobei 0 und 100 die niedrigste bzw. höchste Punktzahl darstellen (Ergänzungstabelle S3). Die neu kodierten Werte aller fünf Items werden gemittelt, um den emotionalen Gesundheitswert zu ermitteln.

Die Vorverarbeitung und die anschließende Analyse auf Subjekt- und Gruppenebene wurden mit der Statistical Parametric Mapping-Software (SPM 12) durchgeführt. Die schrittweise vollständige Analyse ist anhand eines Flussdiagramms in Abb. 1 dargestellt. Zu den Vorverarbeitungsschritten gehörten die Konvertierung von DICOM in NIfTI, die Entfernung der ersten fünf Volumina, die Neuausrichtung der Gehirnschnitte mithilfe der Starrkörpertransformation mit sechs Parametern (drei translatorische und drei rotatorische). Koregistrierung der Struktur- und Funktionsbilder, Segmentierung von MRT-Bildern nach ihren Gewebetypen mithilfe von Gewebewahrscheinlichkeitskarten, Normalisierung von Struktur- und Funktionsbildern auf das Standard-MNI-Koordinatensystem mithilfe einer affinen Transformation und Glättung von Funktionsbildern mithilfe einer 6-mm-Vollbildhälfte -maximaler Gaußscher Kernel. Nach der räumlichen Vorverarbeitung wurde die Entrauschung des Datensatzes mithilfe der ICA-basierten automatischen Entfernung von Artefakten (ICA-AROMA) [50] und der Durchführung einer Störungsregression unter Verwendung des allgemeinen linearen Modells (GLM) mit weißer Substanz (WM) und Liquor cerebrospinalis (CSF) durchgeführt. Zeitreihen als Regressoren.

Flussdiagramm, das die Pipeline der Analysemethoden darstellt.

Die vorverarbeiteten Daten wurden dann verwendet, um einen Satz unabhängiger Komponenten zu erhalten, um die gewünschten Ruhezustandsnetzwerke (RSNs; DMN, SN, ECN) zu identifizieren und die Peakkoordinaten von 11 interessierenden Regionen zu definieren, nämlich posteriorer cingulärer Kortex (PCC), medial präfrontaler Kortex (mPFC), bilateraler Hippocampus (HP), bilaterale Amygdala (AMG), dorsaler anteriorer cingulärer Kortex (dACC), bilaterale anteriore Insula (AI) und bilateraler dorsolateraler präfrontaler Kortex (DLPFC). Die räumliche ICA wurde mithilfe der gruppenunabhängigen Komponentenanalyse der fMRI Toolbox (GIFT) (51) durchgeführt und 75 unabhängige Komponenten geschätzt. Es wurde ein zweistufiges Hauptkomponenten-Setup durchgeführt, um 100 fachspezifische Hauptkomponenten (PCs) und 75 PCs aus den aggregierten Daten zu extrahieren. Fachspezifische räumliche Karten und Zeitverläufe wurden mithilfe des GICA-Rückrekonstruktionsalgorithmus geschätzt. Mit dem integrierten Tool ICASSO wurde der Infomax-Algorithmus 20 Mal ausgeführt, um die Zuverlässigkeit der Komponenten sicherzustellen. Die Komponenten wurden mithilfe der Z-Scores skaliert. Die 75 ICs wurden dann räumlich mit (Standard-)RSN-Vorlagen korreliert, die 90 funktionale ROIs über 14 große RSNs enthalten [52], um die intrinsischen Gehirnnetzwerke zu identifizieren. Die Spitzen-MNI-Koordinaten (unter Verwendung von xjview [https://www.alivelearn.net/xjview]) in den resultierenden Komponenten wurden dann als Kugelmittelpunkte für die gewünschten Regionen verwendet (Tabelle 1). Die sphärischen Bereiche wurden mit einem Radius von 8 mm angegeben. Zusätzlich wurden für die flächenmäßig kleineren Regionen binäre Masken verwendet, die mit AAL [53] für Amygdala und vordere Insula erstellt wurden; RSN-Vorlagenmasken für Hippocampus [52]. Anschließend wurde die erste Hauptkomponente der Voxel-Zeitreihe aus jeder sphärischen Region extrahiert, um sie in der DCM-Analyse zu verwenden. In der ersten Studie wurde die Stimulationsstelle für TMS, links DLPFC, mithilfe der Neuronavigation ausgewählt (10), wie in der ergänzenden Abbildung S1 dargestellt. Detaillierte Informationen finden Sie im Zusatzmaterial. Für die Konnektivitätsanalyse in der aktuellen Studie wurde der DLPFC-Schwerpunkt nach dem gleichen Prinzip wie für andere ROIs – Spitzen-MNI-Koordinaten in den unabhängigen Komponenten – ausgewählt, um die Konsistenz der Methodik zu wahren.

Das fMRT-Experiment war ein 2 × 2-faktorielles Design mit Faktoren auf der Ebene der Behandlungszeitpunkte (vor rTMS und nach rTMS) und der Interventionsgruppen (aktiv und Scheintherapie). Alle 32 Probanden wurden vor der rTMS-Behandlung gescannt (die wir hier als Prä-rTMS-Gruppe bezeichnen) und nur 25 von ihnen wurden nach Abschluss der rTMS-Behandlung gescannt (die wir hier als Post-rTMS-Gruppe bezeichnen). Bei der Analyse der Subjektebene (erste Ebene) wurde die Konnektivität innerhalb der Subjekte mithilfe der spektralen dynamischen Kausalmodellierung (spDCM) geschätzt [42, 43, 54] und diese Konnektivitätsparameter wurden dann in die Gruppenanalyse (zweite Ebene) übernommen, um die Konnektivität zwischen Gruppen (vor) zu schätzen -rTMS vs. Post-rTMS) Konnektivitätsparameter.

Die effektive Konnektivität jedes Probanden in Gruppen, vor rTMS (aktiv und Schein) und nach rTMS (aktiv und Schein), wurde mithilfe von spDCM geschätzt. Es handelt sich um eine DCM-Variante für Ruhezustandsdaten, die auf Statistiken zweiter Ordnung (Kreuzspektren) beobachteter BOLD-Zeitreihen basiert. Die Modellierung erfolgt anhand von Kreuzspektren; das Frequenzbereichsäquivalent der Kreuzkorrelation zwischen Zeitreihen [41, 42, 55]. (Eine technische Beschreibung des spektralen DCM finden Sie im Zusatzmaterial.) Diese Analyse umfasste die Spezifikation eines vollständig verbundenen Modells mit 11 Knoten (ROIs). Um sicherzustellen, dass die Daten passen, wurden die Kreuzspektraldichtediagramme visuell überprüft, was dazu führte, dass je 4 Probanden aus jeder Prä- und Post-rTMS-Gruppe aufgrund schlechter Modellanpassungen oder einer großen Menge an Restrauschen ausgeschlossen wurden. Die Kreuzspektraldichte des fettgedruckten Signals folgt der Potenzgesetzverteilung mit einem Peak bei sehr niedriger Frequenz. Allerdings wiesen die geschätzten Spitzen der regionalen Kreuzspektralleistung nach der Modellumkehr bei einigen Probanden eine Spitze bei viel höheren Frequenzen auf (was möglicherweise ein Alias-BOLD-Signal darstellt), was auftreten kann, wenn das Signal nicht ordnungsgemäß von verschiedenen Artefakten gereinigt wurde. Auf dieser Grundlage wurden nur zwei Probanden aus der aktiven Gruppe erst nach der TMS ausgeschlossen, während sie in die Analyse der Sitzung vor der TMS einbezogen wurden. Alle anderen verworfenen Daten gehörten zu denselben Probanden in den Gruppen vor und nach TMS.

Auf Gruppenebene wurde eine zweistufige hierarchische parametrische empirische Bayes-Methode (PEB) verwendet [56, 57]: innerhalb der Gruppenanalyse (innerhalb von Pre-rTMS und innerhalb von Post-rTMS) auf der ersten PEB-Ebene und zwischen Gruppenanalyse (post-rTMS). rTMS vs. prä-rTMS) auf der zweiten PEB-Ebene.

PEB ist eine statistische Methode, die Informationen (Wahrscheinlichkeitsdichten von Parametern auf Subjektebene) über mehrere Subjekte hinweg kombiniert, um die Parameter auf Gruppenebene zu schätzen. Dazu gehört die Spezifizierung eines Bayes'schen GLM, das die Wahrscheinlichkeitsdichten der Konnektivitätsparameter innerhalb des Subjekts als Antworten und die Parameter zwischen Subjekten oder Gruppenebene als Kovariaten berücksichtigt. Die Kovariaten repräsentieren normalerweise die Gemeinsamkeiten und Unterschiede zwischen den Probanden. Die Bayes'sche Modellumkehr des resultierenden PEB-Modells liefert die hinteren Schätzungen der Konnektivitätsparameter auf Gruppenebene.

Diese Technik ist besser als die klassischen Ansätze der statistischen Analyse (z. B. ANOVA), da die vollständige A-Posteriori-Wahrscheinlichkeitsdichte (dh sowohl der Mittelwert als auch die Varianz) der einzelnen Parameter auf Subjektebene auf die Gruppenebene übertragen wird. Da PEB im Gegensatz zur klassischen Inferenz zusätzlich zum Mittelwert auch die quantifizierte Unsicherheit verwendet, führt dies zu einer statistisch aussagekräftigeren und robusteren Inferenz. Die ausführlichere technische Beschreibung finden Sie im Zusatzmaterial.

Wir verwendeten PEB für die Assoziationsanalyse zwischen Verhaltenswerten und Konnektivität, indem wir die Konnektivität als Antwortvariable und die Werte als interessierenden Regressor definierten. Ein PEB wurde definiert, um den Zusammenhang zwischen Konnektivität und emotionalen Gesundheitswerten in der Post-rTMS-Gruppe zu ermitteln. Die Assoziationsanalyse wurde sowohl für die aktive Gruppe als auch für die Scheingruppe getrennt durchgeführt. In diesen PEB-Analysen wurden nur die DCM-Verbindungen berücksichtigt, die Konnektivitätsunterschiede zwischen Prä- und Post-rTMS in der aktiven Gruppe aufwiesen.

Wir führten auch eine Assoziationsanalyse der effektiven Konnektivität der gesamten Kohorte der Prä-rTMS-Gruppe (d. h. der kombinierten Aktiv- und Scheingruppen) mit den Basisverhaltenswerten der gesamten Kohorte durch.

Bei den Konnektivitäts- und Assoziationsanalysen auf Gruppenebene beziehen sich die gemeldeten Ergebnisse nur auf die Verbindungen, deren A-posteriori-Wahrscheinlichkeit (pp) > 0,95 ist. In den mittleren Konnektivitätsmatrizen zeigen die positiven und negativen Vorzeichen erregende bzw. hemmende Verbindungen, während in den Differenzkonnektivitätsmatrizen das positive und negative Vorzeichen die Zunahme und Abnahme der Konnektivität darstellen. Nachfolgend berichten wir nur über Ergebnisse für die aktive Gruppe; Die Ergebnisse der Scheingruppen werden im Zusatzmaterial berichtet.

Der Unterschied zwischen den emotionalen Gesundheitswerten der aktiven Gruppe vor und nach rTMS war statistisch signifikant (p = 0,0114; vor rTMS – Mittelwert = 57,82, Standardabweichung = 9,36, Post-rTMS – Mittelwert = 73,09, Standardabweichung = 16,60) zeigten eine Verbesserung der emotionalen Gesundheit nach rTMS, während die der Scheingruppe statistisch nicht signifikant waren (p = 0,5126; vor rTMS – Mittelwert = 70,40, Standardabweichung = 16,61, Post-rTMS – Mittelwert = 70,85, Standardabweichung = 15,95). Eine Analyse zur Beurteilung der Führungsfunktion finden Sie in den ergänzenden Informationen.

Effektive Konnektivitätsunterschiede in der aktiven Gruppe vor und nach der Anwendung von rTMS sind in Abb. 2 dargestellt. Die Gehirnnetzwerke wurden mit dem BrainNet Viewer visualisiert [58]. Die Änderung der effektiven Konnektivität (Zunahme oder Abnahme) und die Wertigkeit der Verbindungen (Anregung oder Hemmung; angegeben unter Verwendung der in der ergänzenden Abbildung S2 gezeigten mittleren Konnektivität) sind in Tabelle 2 aufgeführt.

a Die Konnektivitätsmatrix, die den Unterschied zwischen Prä-rTMS- und Post-rTMS-Konnektivität in der aktiven Gruppe darstellt. Der grüne Farbverlauf stellt eine Zunahme dar, während der violette Farbverlauf eine Abnahme der Konnektivität darstellt. b Das Gehirndiagramm des Konnektivitätsunterschieds zwischen Prä-rTMS und Post-rTMS in der aktiven Gruppe. Knoten stellen die Gehirnregionen dar, Kanten stellen die effektive Konnektivität dar, grüne und violette Pfeile zeigen die Zunahme und Abnahme der Konnektivität, während durchgezogene und gestrichelte Linien erregende bzw. hemmende Verbindungen darstellen. Alle Verbindungen werden hier in der Einheit Hertz (Hz) angegeben, mit Ausnahme der Selbstverbindungen, die logarithmisch skaliert sind. Alle hier gemeldeten Verbindungen überstanden die Schwelle der A-posteriori-Wahrscheinlichkeit >0,95, was einem starken Beweis gleichkommt.

Der erregende Einfluss des lDLPFC war auf mPFC und dACC nach rTMS im Vergleich zu vor rTMS verringert. mPFC, der Haupt-Hub-Knoten von DMN, wurde von lDLPFC, dACC und rAI beeinflusst. Die Konnektivität von lDLPFC zu mPFC wurde reduziert, während die Konnektivität von dACC zu mPFC und rAI zu mPFC erhöht wurde. dACC beeinflusst auch lAI durch erhöhte Hemmung. Der dACC wurde durch PCC in Form einer erhöhten Hemmung beeinflusst. Außerdem war die erregende Verbindung von rHP zu PCC verringert. Vier der Knoten, nämlich mPFC, lAI und bilaterale HP, verfügten ebenfalls über Selbstverbindungen. Bei DCM sind Selbstverbindungen immer hemmend; Nach rTMS nahm die Selbsthemmung dieser Regionen zu, mit Ausnahme von lHP und lAI (wie in Tabelle 2 erwähnt), wodurch sie resistenter gegen die eingehenden Einflüsse aus anderen Regionen wurden. Insgesamt fanden wir eine verringerte Stärke der erregenden Verbindungen und eine erhöhte Stärke der hemmenden Verbindungen unter den extrinsischen Verbindungen. Alle Parameter sind in der Ergänzungstabelle S4 aufgeführt.

Die Konnektivitätsunterschiede zwischen Prä- und Post-rTMS wurden auch in der Scheingruppe festgestellt. Es gab eine große Anzahl von Zusammenhängen, die Unterschiede in der Post-rTMS in der Scheingruppe im Vergleich zur aktiven Gruppe zeigten (ergänzende Abbildung S3). Es gab 8 gemeinsame Verbindungen in aktiven und Scheingruppen, die Unterschiede in der Post-rTMS zeigten (5 Verbindungen zwischen Regionen und 3 Selbstverbindungen), wie in der Ergänzungstabelle S5 gezeigt. Unter den üblichen Verbindungen waren die erregenden dACC-zu-mPFC- und rHP-zu-PCC-Verbindungen reduziert, während sie in der aktiven Gruppe verstärkte inhibitorische Verbindungen nach rTMS darstellen. Die inhibitorische Konnektivität von lDLPFC zu mPFC und dACC nahm zu, während sie in der aktiven Gruppe die reduzierten erregenden Verbindungen im Post-rTMS-Zustand waren. Interessanterweise nahm die Stärke aller erregenden und hemmenden Verbindungen wie in der aktiven Gruppe ab bzw. zu. Diese Konnektivitätsmuster weisen möglicherweise auf den Placeboeffekt hin, dass nach der Scheinbehandlung der erregende Gesamteinfluss abnahm, während der hemmende Gesamteinfluss zwischen den Regionen zunahm.

In der Post-rTMS-Aktivgruppenassoziationsanalyse unter Verwendung von PEB zwischen effektiver Konnektivität und den emotionalen Gesundheitswerten ergaben sich zwei Verbindungen, die den Schwellenwert von pp > 0,95 überlebten (Abb. 3). Wir fanden heraus, dass dACC zu mPFC negativ und dACC zu lAI positiv mit den Verhaltenswerten assoziiert waren. Die gleiche Analyse, die für die Post-rTMS-Scheingruppe durchgeführt wurde, ergab keinen Zusammenhang zwischen emotionalen Gesundheitswerten und irgendeinem Zusammenhang.

a Die Assoziationsmatrix zwischen der Post-rTMS-Konnektivität der aktiven Gruppe und den Bewertungen der emotionalen Gesundheit. Der violette Farbverlauf zeigt eine negative Assoziation an, während der grüne Farbverlauf eine positive Assoziation anzeigt. b Das Gehirndiagramm des Zusammenhangs zwischen der effektiven Konnektivität der aktiven Gruppe nach rTMS und der emotionalen Gesundheit. Grüne und violette Pfeile veranschaulichen die positive bzw. negative Assoziation. Alle hier gemeldeten Assoziationen überlebten die Schwelle der A-posteriori-Wahrscheinlichkeit > 0,95, was einem starken Beweis gleichkommt.

Es wurde eine Assoziationsanalyse der Prä-rTMS-Konnektivität mit emotionalen Gesundheitswerten durchgeführt (ergänzende Abbildung S4). Die Analyse ergab 21 Zusammenhänge vor der Behandlung, während es nach der Behandlung nur 2 Zusammenhänge gab (nur aktive Gruppe), die mit den emotionalen Gesundheitswerten in Zusammenhang standen. Wir fanden heraus, dass dACC zu mPFC positiv mit den Verhaltenswerten im Zustand vor rTMS assoziiert ist.

Dies ist die erste Studie, die eine effektive Konnektivitätsanalyse nach einer rTMS-Behandlung bei Veteranen mit leichtem Schädel-Hirn-Trauma einsetzte. Die Analyse wurde mittels spektraler DCM über ein kortiko-limbisches Netzwerk durchgeführt, das 11 interessierende Regionen umfasste, die am anfälligsten für die Verletzung sind. Die Regionen umfassen Kernzentren des vorderen und hinteren DMN, d. h. mPFC bzw. PCC, medialer Temporallappen (Hippocampus), SN (bilaterales AMG, dACC, bilaterales AI) und Exekutivnetzwerk (bilaterales DLPFC). Dies sind die Regionen, die im Hinblick auf die emotionale Verarbeitung am häufigsten diskutiert werden. Der Zweck unserer Studie bestand darin, die zugrunde liegenden neuronalen Mechanismen der Verbesserung der emotionalen Gesundheit bei Veteranen mit Schädel-Hirn-Trauma nach einer rTMS-Therapie zu entdecken. Die effektiven Konnektivitätsänderungen in der Aktiv- und Scheingruppe nach rTMS wurden analysiert. Die in der Scheingruppe festgestellten Konnektivitätsänderungen wurden aufgrund des Placebo-Effekts vermutet, was weiter verdeutlicht wurde, indem keine Assoziativität zwischen den Verbindungen und den Daten zur emotionalen Gesundheit festgestellt wurde. Daher liegt unser Fokus hauptsächlich auf den aktiven gruppenwirksamen Konnektivitätsänderungen und deren möglichen Interpretationen.

Es wurde zuvor gezeigt, dass das rTMS bei Verabreichung an lDLPFC bei Patienten antidepressive Wirkungen hervorruft, indem es die Konnektivität kortiko-limbischer Regionen verändert [59,60,61]. In der aktuellen Studie wurde die Hypothese aufgestellt, dass die lDLPFC dACC beeinflusst, indem sie die Hemmung nach rTMS verstärkt. Frühere Studien haben gezeigt, dass es bei Depressionen im späten Lebensalter zu einer verminderten funktionellen Konnektivität zwischen dACC und DLPFC kam, die mit Medikamenten nicht behoben werden konnte [62], während TMS bei gesunden oder depressiven Probanden die Aktivität von ACC verändern konnte, wenn es auf DLPFC angewendet wurde [63, 64,65,66]. Es ist auch bekannt, dass die strukturellen Veränderungen in ACC mit der TMS-Anwendung auf lDLPFC einhergehen [67]. In einer Studie mit gesunden Teilnehmern wurde nur die Konnektivität des dACC enthaltenden Netzwerks unter 20 Netzwerken im Ruhezustand durch die Anwendung von rTMS auf lDLPFC moduliert [59] und das Netzwerk umfasste Regionen, die mit Depressionen assoziiert sind. Die Funktionsstörung der präfrontalen kortikalen Regionen ist für die psychiatrischen Störungen im Zusammenhang mit Stimmungsstörungen verantwortlich [68, 69]. Darüber hinaus ist bekannt, dass DLPFC während einer Depression eine laterale Funktion in Form einer Hyperaktivität des rechten DLPFC und einer Hypoaktivität des linken DLPFC ausübt [62, 70]. In unserer Studie unterstreicht die Hemmung der erregenden Verbindung von rAMG zu rDLPFC nach rTMS die Bedeutung des hemmenden Einflusses auf rDLPFC, der das emotionale Gleichgewicht beeinflussen kann.

Die Amygdala ist die subkortikale limbische Region, die für ihre Funktionen bei der Emotionsregulation bekannt ist. Daher wurde ihre Konnektivität bei Stress und Depressionen, die häufige psychische Störungen nach Schädel-Hirn-Trauma sind, umfassend untersucht. Studien haben gezeigt, dass die Aktivität der Amygdala bei emotionalen Reaktionen, einschließlich Stress- und Angststörungen, zunimmt und dass rTMS bekanntermaßen die Auswirkungen dieser Störungen wirksam reduziert. Bei chronischem SHT, komorbid mit Depression, wurde über eine erhöhte bilaterale funktionelle Konnektivität der Amygdala mit mehreren Regionen berichtet [27]; Auch bei akutem TBI wurde eine erhöhte Amygdala-Konnektivität mit anderen Hirnregionen festgestellt [21]. Wir fanden eine verringerte Erregung von der rechten Amygdala zur rechten DLPFC nach rTMS, was möglicherweise auf die Überwindung der erhöhten Effektivitätskonnektivität bei TBI-Patienten zurückzuführen ist, wie auch in früheren Untersuchungen deutlich wurde [71], bei denen Trauma-exponierte Patienten eine erhöhte effektive Konnektivität von der rechten Amygdala zur rechten hatten DLPFC. Normalerweise wird erwartet, dass mPFC die Amygdala-Aktivität über einen Top-Down-Mechanismus steuert, aber in unserem Fall gab es keinen Unterschied in der Konnektivität von mPFC zur Amygdala vor und nach der Anwendung von rTMS, was als keine Veränderung der angstbezogenen Emotionen interpretiert werden kann Regulation unter Beteiligung der Amygdala nach Neuromodulationstherapie.

Im Ruhezustand wird die Rolle des Salienznetzwerks (SN) im Großen und Ganzen als Abfangen oder Selbstbewusstsein definiert. dACC und AI sind die Teile des SN, von denen bekannt ist, dass sie das Verhalten durch die Integration von Informationen aus internen und externen Reizen steuern [72]. Die vordere Insula ist eine kritische Region für emotionales Bewusstsein und Selbstreflexion [73, 74] innerhalb von SN. Die rechte KI wird beim Kodieren negativer Emotionen aktiviert [73, 75], die Energie verbrauchen, während die linke KI beim Kodieren sowohl negativer als auch positiver Emotionen aktiviert wird [73]. Die Koaktivierung von AI und dACC ist für die Verarbeitung emotionaler Funktionen von entscheidender Bedeutung [75, 76] und es wurde festgestellt, dass die vordere Insula auch im Ruhezustand funktionell mit dem anterioren Cingulat verbunden ist [77]. Beide Regionen bilden den Input- und Output-Mechanismus für das funktionelle System, das subjektive Gefühle erzeugt [76]. Das dACC führt eine Reaktionsinitiierungsfunktion für die integrierten sensorischen Eingaben aus, die von der KI stammen. Bei einer schweren depressiven Störung korreliert die funktionelle Konnektivität zwischen AI und ACC mit dem Schweregrad [78]. Die Aktivität von AI nahm bei ängstlichen Personen zu [79] und die Aktivität von ACC war bei mTBI-Veteranen erhöht [25]. Unseren Ergebnissen zufolge kommt es zu einer verringerten Erregung von dACC und PCC zu lAI bzw. dACC, was den verringerten erregenden Einfluss auf lAI und dACC nach TBI nach Anwendung von rTMS widerspiegelt. Darüber hinaus deutet es auf das Vorhandensein eines emotionalen Bewusstseinskreislaufs bei den Probanden hin, einschließlich des kausalen Zusammenhangs von rAI mit mPFC. Darüber hinaus führt KI nicht nur die sensorische Integration durch, sondern auch die Integration interozeptiver Informationen von unten nach oben und von Top-down-Vorhersagen während der prädiktiven Kodierung der Selbstwahrnehmung [73]. Daher könnte die verstärkte Verbindung von rAI zu mPFC auf eine Verbesserung des Prozesses hinweisen der Weitergabe der Fehlersignale bei der prädiktiven Kodierung des Selbstbewusstseins.

Bei Depressionen und Angstzuständen sind die Symptome meist das Ergebnis negativer oder übertriebener selbstbezogener Prozesse. mPFC ist ein wichtiger Knotenpunkt von DMN, der normalerweise bei selbstreferenziellen Prozessen wie Mentalisierung und autobiografischem Denken aktiviert wird [80, 81]. DMN beschäftigt sich mit intern orientierten Erkenntnissen wie dem selbstreferenziellen Prozess, dem Erinnern an die Vergangenheit, der Planung der Zukunft und dem Nachdenken über das Selbst anderer. Es umfasst interagierende Subsysteme, darunter vordere und hintere Subsysteme von mPFC bzw. PCC sowie MTL-Subsysteme (82). Es ist bekannt, dass dieses Netzwerk im Ruhezustand aktiviert und während der Aufgabenausführung deaktiviert wird [28, 83]. PCC und HP spielen beide eine aktive Rolle bei der episodischen Gedächtnisverarbeitung und ihre Interaktion ist entscheidend für die Bildung neuer Erinnerungen und den Abruf von Erinnerungen. Da PCC ein wichtiger Knotenpunkt von DMN ist, der bei intern orientierten Aufgaben aktiviert wird, nimmt die Aktivität von DMN-Regionen, einschließlich PCC, während des Gedächtniskodierungsprozesses, also der Kodierung externer Reize, ab, während sie während des intern orientierten Abrufprozesses zunimmt während die Aktivität des Hippocampus sowohl bei Kodierungs- als auch bei Abrufprozessen zunimmt [84]. Obwohl der Hippocampus normalerweise als Teil des DMN angesehen wird, wurde festgestellt, dass er während der episodischen Kodierung eine erhöhte Aktivität aufweist, die ihn von anderen DMN-Regionen unterscheidet und daher während der Gedächtnisbildung als separates Netzwerk betrachtet werden kann [84]. Die zwei Phasen des episodischen Gedächtnisses; Kodierung (dh die Bildung neuer Erinnerungen) und Erkennung (dh das Abrufen alter Erinnerungen) betreffen die Temporallappen der linken bzw. rechten Hemisphäre [85,86,87]. In einer MCI-Patientenstudie stand die PCC-Aktivität während der erfolgreichen Kodierung und Erkennung des episodischen Gedächtnisses mit der Hippocampus-Aktivität in Zusammenhang [88]. Bei TBI-Probanden war die funktionelle Konnektivität zwischen HP und PCC schwächer als bei normalen Probanden [89, 90]. Die Konnektivität zwischen PCC und Hippocampus ist wichtig für episodische Gedächtnisprozesse. Wir fanden eine erhöhte Hemmwirkung von rHP gegenüber PCC nach rTMS im Vergleich zu TBI-Patienten vor rTMS. Es wurde festgestellt, dass die gerichtete Konnektivität vom PCC zum Hippocampus die Kodierung des episodischen Gedächtnisses beeinträchtigt [91], woraufhin wir spekulieren, dass die Direktionalität für die Funktion des episodischen Gedächtnisses in die andere Richtung verlaufen sollte, wie wir berichtet haben. Daher könnten die gerichteten Zusammenhänge in unserer Analyse, einschließlich des Einflusses von rHP auf PCC, auch die gedächtnisbezogene Verbesserung nach rTMS aufzeigen, die letztendlich die psychische Gesundheit verbessern würde. Es wurde festgestellt, dass der hintere Teil des DMN einschließlich PCC bei TBI-Patienten eine erhöhte Aktivität aufwies [22]. In einer früheren Studie wurde festgestellt, dass die funktionelle Konnektivität von PCC im Ruhezustand mit lDLPFC, dACC und dem bilateralen Inselkortex bei chronischem TBI erhöht ist [92]. Unsere Studie ergab eine erhöhte inhibitorische Konnektivität von PCC zu dACC. Beide Regionen sind als Zentren von DMN bzw. SN von Bedeutung für TBI. Die Koordination über Netzwerke, insbesondere DMN und SN, ist nicht nur für eine effektive kognitive Funktion [93], sondern auch für eine effiziente affektive Verarbeitung [94, 95] von wesentlicher Bedeutung. Es wurde bereits gezeigt, dass TBI zu abweichenden Wechselwirkungen zwischen DMN und SN führt [96]. Die erhöhte funktionelle Konnektivität zwischen dACC und PCC während der affektiven Interferenz bei depressiven Patienten kann Einschränkungen beim Wechsel zwischen großen Netzwerken bedeuten; Wenn emotional überzeugende, aber für die Aufgabe irrelevante Informationen identifiziert werden, sind depressive Personen möglicherweise nicht in der Lage, ihren Fokus von der Innenwelt auf die Außenwelt zu verlagern [94].

Insgesamt deutet der Einfluss verschiedener Gehirnregionen auf entweder eine Erhöhung der Hemmung oder eine Verringerung der Erregung auf dACC, AI, PCC und mPFC nach rTMS darauf hin, dass es sich um ein unregelmäßiges selbstreferenzielles Verhalten handelte, zu dem auch übermäßiges Nachdenken über das Trauma gehörte, das sie in der Vergangenheit erlitten hatten. Wir vermuten, dass das selbstreferenzielle Verhalten durch den Einsatz von rTMS als Folge der Kompensation des emotionalen Schaltkreises verbessert wurde. Alternativ könnte vorgeschlagen werden, dass die Beseitigung unerwünschter Gedanken aufgrund des Traumas als Nachwirkung der Neuromodulationstherapie zu einer Verbesserung der Stimmung und des emotionalen Gleichgewichts führen würde.

Diese Hypothese wurde durch die Feststellung weiter gestärkt, dass der Zusammenhang zwischen emotionalen Gesundheitswerten und den effektiven Konnektivitätsparametern nach rTMS in der aktiven Gruppe Hinweise darauf liefert, dass die Verbindungen von dACC zu mPFC und von dACC zu lAI mit der Verbesserung der emotionalen Gesundheit zusammenhängen. Der Zusammenhang von dACC zu mPFC ist negativ mit den emotionalen Gesundheitswerten verbunden, was bedeutet, dass die verminderte Hemmwirkung von dACC auf mPFC zu einer besseren emotionalen Gesundheit führt, was mit den Ergebnissen einer anderen Studie übereinstimmt, die berichtet, dass die kognitive Kontrolle umgekehrt proportional zu ist die funktionelle Konnektivität von dACC und mPFC [97]. In unserer Analyse könnte man es so übersetzen, dass die Kontrolle des Drangs der Teilnehmer, sich von negativen Emotionen beeinflussen zu lassen, die emotionale Gesundheit verbessern würde. Es gab einen positiven Zusammenhang zwischen dACC und lAI mit den Werten der emotionalen Gesundheit, und wie oben erläutert, ist ihre Verbindung von entscheidender Bedeutung für die emotionale Regulierung. Der Unterschied zwischen den emotionalen Gesundheitswerten der aktiven Gruppen vor und nach rTMS war statistisch signifikant, wobei der Mittelwert für Post-rTMS-Probanden größer war und eine Verbesserung der emotionalen Gesundheit nach rTMS auftrat, während der der Schein-Probanden statistisch nicht signifikant war. Darüber hinaus gab es keinen Zusammenhang zwischen einem wirksamen Zusammenhang in der Scheingruppe und Daten zur emotionalen Gesundheit, was den zuvor dargelegten Punkt unterstreicht, dass es in der Scheingruppe nach rTMS zwar Konnektivitätsveränderungen gab, diese jedoch keinen Einfluss auf das emotionale Wohlbefinden hatten. Die Assoziationsanalyse der Prä-rTMS-Konnektivität mit emotionalen Gesundheitswerten lieferte einige interessante Ergebnisse. Die Analyse ergab 21 Zusammenhänge vor der Behandlung, während es nach der Behandlung nur 2 Zusammenhänge gab (nur aktive Gruppe), die mit den emotionalen Gesundheitswerten in Zusammenhang standen. Unter den 21 Verbindungen stimmt die Konnektivität von dACC zu mPFC mit der Assoziationsanalyse der Post-rTMS-Aktivgruppe überein. Der bemerkenswerte Unterschied in diesem spezifischen Zusammenhang besteht darin, dass zu Beginn die Assoziation positiv war, während sich nach der rTMS-Anwendung dieselbe Konnektivität in eine negative Assoziation mit den emotionalen Werten verwandelte. Die Post-rTMS-Assoziationsanalyse verdeutlichte zusätzlich die Bedeutung der Konnektivität von dACC zu lAI. Frühere Untersuchungen haben gezeigt, dass rTMS die ACC-Konnektivität mit anderen Gehirnregionen moduliert, wenn es auf lDLPFC angewendet wird, was zu einer Verringerung der Depression führt [98]. Die Assoziationsanalyse ergab außerdem, dass eine Reihe von für die emotionale Gesundheit wichtigen Zusammenhängen nach der therapeutischen Behandlung von rTMS reduziert waren. Wir möchten darauf hinweisen, dass wir die effektive Konnektivität nur mit den emotionalen Gesundheitswerten bei Erkrankungen vor und nach rTMS in Verbindung gebracht haben. Dies liegt daran, dass die Veränderungen der effektiven Konnektivität nach und vor rTMS nur auf Gruppenebene geschätzt wurden, was jede Analyse ausschließt, bei der wir die Veränderung der effektiven Konnektivität mit der Veränderung der emotionalen Gesundheitswerte bei Zuständen nach und vor rTMS in Verbindung bringen können. Während diese Analyse der Verknüpfung von Konnektivitäts- und Verhaltenswerten nützlich wäre, da sie Daten sowohl von Vor- als auch von Nachbedingungen nutzt, hat unsere vereinfachte Analyse, bei der nur Prä-rTMS- und Post-r-TMS-Messwerte verwendet werden, den Vorteil einer einfacheren Interpretation .

Unsere Ergebnisse decken die neuronalen Mechanismen auf, die der Verbesserung des emotionalen Wohlbefindens bei SHT durch die Anwendung der Neuromodulation zugrunde liegen. Der Haupteffekt von rTMS besteht darin, emotionale Störungen zu reduzieren und somit die kognitiven und exekutiven Funktionen zu verbessern. Als rTMS bei lDLPFC angewendet wurde, trug es zur Verbesserung der emotionalen Gesundheit bei, hatte jedoch keinen Einfluss auf die exekutive Funktion (Einzelheiten zur exekutiven Funktion finden Sie in den Zusatzinformationen). Einer der Gründe könnte der Zielort des rTMS oder die Stimulationsparameter sein. Die Einschränkung dieser Studie betrifft den kleineren Datensatz mit nur 32 Probanden, der weiter in aktive und Schein-Probanden unterteilt wurde, wobei alle Frauen randomisiert in die aktive Behandlungsgruppe eingeteilt wurden. Daher gab es in der Scheingruppe keine weibliche Teilnehmerin, was zu verzerrten Ergebnissen führen könnte. Die aus dieser Studie abgeleitete effektive Konnektivität muss mit einem größeren und ausgewogenen Datensatz weiter validiert werden.

Der MRT-Datensatz der Veteranen ist nicht öffentlich verfügbar, kann aber auf begründete Anfrage an die Autoren weitergegeben werden. Der Code für die fMRI-Vorverarbeitung, die ICA-AROMA-Anwendung, die spektraldynamische Kausalmodellierungsanwendung, parametrische empirische Bayes für die Analyse auf Gruppenebene und für die Assoziativitätsanalyse ist unter https://github.com/tjays7/TBI_TMS_emotional verfügbar.

Goldstein M. Traumatische Hirnverletzung: eine stille Epidemie. Ann Neurol. 1990;27:327–327. https://onlinelibrary.wiley.com/doi/full/10.1002/ana.410270315.

Artikel CAS PubMed Google Scholar

Stellvertretender Verteidigungsminister. Traumatische Hirnverletzung: aktualisierte Definition und Berichterstattung. 2015. http://www.dcoe.mil/content/Navigation/Documents/DCoE.

Masel BE, DeWitt DS. Traumatische Hirnverletzung: ein Krankheitsprozess, kein Ereignis. J Neurotrauma. 2010;27:1529–40. http://www.liebertpub.com/doi/10.1089/.

Artikel PubMed Google Scholar

Rao V, Lyketsos C. Neuropsychiatrische Folgen einer traumatischen Hirnverletzung. Psychosomatik. 2000;41:95–103.

Artikel CAS PubMed Google Scholar

Emery CA, Barlow KM, Brooks BL, Max JE, Villavicencio-Requis A, Gnanakumar V, et al. Eine systematische Überprüfung der psychiatrischen, psychologischen und Verhaltensergebnisse nach einer leichten traumatischen Hirnverletzung bei Kindern und Jugendlichen. Can J Psychiatrie. 2016;61:259–69.

Artikel PubMed PubMed Central Google Scholar

Caeyenberghs K, Leemans A, Heitger MH, Leunissen I, Dhollander T, Sunaert S, et al. Diagrammanalyse funktioneller Gehirnnetzwerke zur kognitiven Handlungskontrolle bei traumatischen Hirnverletzungen. Gehirn. 2012;135:1293–307.

Artikel PubMed Google Scholar

Emilien G, Waltregny A. Traumatische Hirnverletzung, kognitive und emotionale Dysfunktion. Auswirkungen der klinischen neuropsychologischen Forschung. Acta Neurol Belg. 1996;96:89–101.

CAS PubMed Google Scholar

Demirtas-Tatlidede A, Vahabzadeh-Hagh AM, Bernabeu M, Tormos JM, Pascual-Leone A. Nichtinvasive Hirnstimulation bei traumatischer Hirnverletzung. J Leiter Trauma-Rehabilitation. 2012;27:274–92.

Artikel PubMed PubMed Central Google Scholar

Marklund N, Bellander BM, Godbolt AK, Levin H, McCrory P, Thelin EP. Behandlungen und Rehabilitation im akuten und chronischen Zustand traumatischer Hirnverletzungen. J Intern Med. 2019;285:608.

Artikel CAS PubMed PubMed Central Google Scholar

Adamson M, Siddiqi S, Swaminath G, Wu L, McNerney W, Wortman K, et al. Repetitive transkranielle Magnetstimulation zur Verbesserung der Kognition bei Veteranen mit Schädel-Hirn-Trauma: Ergebnisse einer klinischen Pilotstudie. Gehirnstimulation. 2019;12:551 http://www.brainstimjrnl.com/article/S1935861X18312397/fulltext.

Artikel Google Scholar

Oberman LM, Exley S, Philip NS, Siddiqi SH, Adamson MM, Brody DL. Einsatz der repetitiven transkraniellen Magnetstimulation bei der Behandlung neuropsychiatrischer und neurokognitiver Symptome im Zusammenhang mit Gehirnerschütterungen bei Militärangehörigen. J Leiter Trauma-Rehabilitation. 2020;35:388.

Artikel PubMed PubMed Central Google Scholar

Herrold AA, Siddiqi SH, Livengood SL, Bender Pape TL, Higgins JP, Adamson MM, et al. Anpassung von TMS-Anwendungen bei traumatischen Hirnverletzungen mithilfe von Neuroimaging. J Leiter Trauma-Rehabilitation. 2020;35:401–11. https://journals.lww.com/headtraumarehab/Fulltext/2020/11000/Customizing_TMS_Applications_in_Traumatic_Brain.4.aspx.

Artikel PubMed Google Scholar

Mayer AR, Ling JM, Allen EA, Klimaj SD, Yeo RA, Hanlon FM. Statische und dynamische intrinsische Konnektivität nach leichter traumatischer Hirnverletzung. J Neurotrauma. 2015;32:1046–55.

Artikel PubMed PubMed Central Google Scholar

McDonald BC, Saykin AJ, McAllister TW. Funktionelle MRT leichter traumatischer Hirnverletzung (mTBI): Fortschritte und Perspektiven aus dem ersten Jahrzehnt der Studien. Verhalten bei der Bildgebung des Gehirns. 2012;6:193–207.

Artikel PubMed PubMed Central Google Scholar

Medaglia JD. Funktionelle Bildgebung bei traumatischer Hirnverletzung: von Knoten zu Netzwerken. Vorderes Neurol. 2017;8:1–18.

Artikel Google Scholar

Sharp DJ, Scott G, Leech R. Netzwerkstörung nach traumatischer Hirnverletzung. Nat Rev Neurol. 2014;10:156–66. https://doi.org/10.1038/nrneurol.2014.15.

Artikel PubMed Google Scholar

Bonnelle V, Leech R, Kinnunen KM, Ham TE, Beckmann CF, de Boissezon X, et al. Die Netzwerkkonnektivität im Standardmodus sagt anhaltende Aufmerksamkeitsdefizite nach einer traumatischen Hirnverletzung voraus. J Neurosci. 2011;31:13442–51.

Artikel CAS PubMed PubMed Central Google Scholar

Wu SCJ, Jenkins LM, Apple AC, Petersen J, Xiao F, Wang L, et al. Längsschnitt-fMRT-Aufgabe zeigt neuronale Plastizität im Standardmodus-Netzwerk mit gestörter Exekutiv-Standard-Kopplung und selektiver Aufmerksamkeit nach traumatischer Hirnverletzung. Verhalten bei der Bildgebung des Gehirns. 2020;14:1638–50. http://link.springer.com/10.1007/s11682-019-00094-8.

Artikel PubMed Google Scholar

van der Horn HJ, Scheenen ME, de Koning ME, Liemburg EJ, Spikman JM, van der Naalt J. Das Standardmodus-Netzwerk als Biomarker für anhaltende Beschwerden nach einer leichten traumatischen Hirnverletzung: eine longitudinale funktionelle Magnetresonanztomographie-Studie. J Neurotrauma. 2017;34:3262–9. http://www.liebertpub.com/doi/10.1089/neu.2017.5185.

Artikel PubMed Google Scholar

Lancaster K, Venkatesan UM, Lengenfelder J, Genova HM. Die Netzwerkkonnektivität im Standardmodus sagt die Erkennung von Emotionen und die soziale Integration nach einer traumatischen Hirnverletzung voraus. Vorderes Neurol. 2019;10:825 https://www.frontiersin.org/article/10.3389/fneur.2019.00825/full.

Artikel PubMed PubMed Central Google Scholar

Iraji A, Benson RR, Welch RD, O'Neil BJ, Woodard JL, Ayaz SI, et al. Funktionelle Konnektivität im Ruhezustand bei leichter traumatischer Hirnverletzung im akuten Stadium: unabhängige Komponenten- und Seed-basierte Analysen. J Neurotrauma. 2015;32:1031–45.

Artikel PubMed PubMed Central Google Scholar

Zhou Y, Milham MP, Lui YW, Miles L, Reaume J, Sodickson DK, et al. Netzwerkstörung im Standardmodus bei leichter traumatischer Hirnverletzung. Radiologie. 2012;265:882–92.

Artikel PubMed PubMed Central Google Scholar

Sharp DJ, Beckmann CF, Greenwood R, Kinnunen KM, Bonnelle V, De Boissezon X, et al. Funktionelle und strukturelle Konnektivität des Standardmodusnetzwerks nach traumatischer Hirnverletzung. Gehirn. 2011;134:2233–47.

Artikel PubMed Google Scholar

De Simoni S, Grover PJ, Jenkins PO, Honeyfield L, Quest RA, Ross E, et al. Trennung zwischen dem Standardmodusnetzwerk und den medialen Temporallappen bei posttraumatischer Amnesie. Gehirn. 2016;139:3137–50. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5382939/pdf/aww241.pdf.

Artikel PubMed PubMed Central Google Scholar

Sheth C, Rogowska J, Legarreta M, McGlade E, Yurgelun-Todd D. Funktionelle Konnektivität des anterioren cingulären Kortex bei Veteranen mit leichter traumatischer Hirnverletzung. Behav Brain Res. 2021;396:112882.

Artikel PubMed Google Scholar

Moreno-Lopez L, Sahakian BJ, Manktelow A, Menon DK, Stamatakis EA. Depression nach traumatischer Hirnverletzung: eine funktionelle Konnektivitätsperspektive. Brain Eng. 2016;30:1319–28. https://www.toothphoneline.com/doi/abs/10.1080/02699052.2016.1186839.

Artikel PubMed Google Scholar

Han K, Chapman SB, Krawczyk DC. Veränderte Amygdala-Konnektivität bei Personen mit chronischer traumatischer Hirnverletzung und komorbiden depressiven Symptomen. Vorderes Neurol. 2015;6:4 www.frontiersin.org.

Artikel Google Scholar

Raichle ME. Das Standardmodusnetzwerk des Gehirns. Annu Rev Neurosci. 2015;38:433–47. https://pubmed.ncbi.nlm.nih.gov/25938726/.

Artikel CAS PubMed Google Scholar

Jorge RE, Robinson RG, Moser D, Tateno A, Crespo-Facorro B, Arndt S. Schwere Depression nach traumatischer Hirnverletzung. Erzgeneralpsychiatrie. 2004;61:42–50. https://jamanetwork.com/journals/jamapsychiatry/fullarticle/481944.

Artikel PubMed Google Scholar

Dailey NS, Smith R, Vanuk JR, Raikes AC, Killgore WDS. Funktionelle Konnektivität im Ruhezustand als Biomarker für Aggression bei leichten traumatischen Hirnverletzungen. Neuroreport. 2018;29:1413–7. https://arizona.pure.elsevier.com/en/publications/resting-state-function-connectivity-as-a-biomarker-of-aggressio.

Artikel PubMed Google Scholar

Howlett JR, Nelson LD, Stein MB. Psychische Folgen einer traumatischen Hirnverletzung. Biologische Psychiatrie. 2022;91:413–20.

Artikel PubMed Google Scholar

Terri T, Jaycox LH, Hrsg. Unsichtbare Kriegswunden: Psychische und kognitive Verletzungen, ihre Folgen und Dienste zur Unterstützung der Genesung. Santa Monica, Kalifornien: RAND Corporation; 2008.

Hoy KE, Mcqueen S, Elliot D, Herring SE, Maller JJ, Fitzgerald PB. Eine Pilotuntersuchung der repetitiven transkraniellen Magnetstimulation bei Depressionen nach traumatischen Hirnverletzungen: Sicherheit, Verträglichkeit und Wirksamkeit. J Neurotrauma. 2019;36:2092–8. https://www.liebertpub.com/doi/10.1089/neu.2018.6097.

Artikel PubMed Google Scholar

Lee SA, Kim MK. Wirkung niederfrequenter repetitiver transkranieller Magnetstimulation auf Depression und Kognition bei Patienten mit traumatischer Hirnverletzung: eine randomisierte kontrollierte Studie. Med Sci Monit. 2018;24:8789.

Artikel PubMed PubMed Central Google Scholar

Rao V, Bechtold K, McCann U, Roy D, Peters M, Vaishnavi S, et al. Niederfrequente rechtsrepetitive transkranielle Magnetstimulation zur Behandlung von Depressionen nach traumatischer Hirnverletzung: eine randomisierte, scheinkontrollierte Pilotstudie. J Neuropsychiatrie Klinik Neurosci. 2019;31:306–18. https://psychiatryonline.org/doi/10.1176/appi.neuropsych.17110338.

Artikel PubMed Google Scholar

Siddiqi SH, Trapp NT, Hacker CD, Laumann TO, Kandala S, Hong X, et al. Repetitive transkranielle Magnetstimulation mit Netzwerk-Targeting im Ruhezustand bei behandlungsresistenter Depression bei traumatischer Hirnverletzung: eine randomisierte, kontrollierte, doppelblinde Pilotstudie. J Neurotrauma. 2019;36:1361–74. https://www.liebertpub.com/doi/10.1089/neu.2018.5889.

Artikel PubMed PubMed Central Google Scholar

Siddiqi SH, Trapp NT, Shahim P, Hacker CD, Laumann TO, Kandala S, et al. Individualisierte konnektomspezifische transkranielle Magnetstimulation für neuropsychiatrische Folgen einer wiederholten traumatischen Hirnverletzung bei einem pensionierten NFL-Spieler. J Neuropsychiatrie Klinik Neurosci. 2019;31:254–63. https://psychiatryonline.org/doi/10.1176/appi.neuropsych.18100230.

Artikel PubMed Google Scholar

Stilling J, Paxman E, Mercier L, Gan LS, Wang M, Amoozegar F, et al. Behandlung anhaltender posttraumatischer Kopfschmerzen und Symptome nach einer Gehirnerschütterung durch wiederholte transkranielle Magnetstimulation: eine doppelblinde, randomisierte, kontrollierte Pilotstudie. J Neurotrauma. 2020;37:312–23. https://pubmed.ncbi.nlm.nih.gov/31530227/.

Artikel PubMed Google Scholar

Friston KJ, Harrison L, Penny W. Dynamische kausale Modellierung. Neurobild. 2003;19:1273–302. http://linkinghub.elsevier.com/retrieve/pii/S1053811903002027.

Artikel CAS PubMed Google Scholar

Razi A, Friston KJ. Das vernetzte Gehirn: Kausalität, Modelle und intrinsische Dynamik. IEEE Signal Process Mag. 2016;33:14–55. http://ieeexplore.ieee.org/document/7461023/.

Artikel Google Scholar

Friston KJ, Kahan J, Biswal B, Razi AA. DCM für fMRT im Ruhezustand. Neurobild. 2014;94:396–407.

Artikel PubMed Google Scholar

Razi A, Kahan J, Rees G, Friston KJ. Konstruieren Sie die Validierung eines DCM für die Ruhezustands-fMRT. Neurobild. 2015;106:1–14.

Artikel PubMed Google Scholar

Almgren H, Van de Steen F, Kühn S, Razi A, Friston K, Marinazzo D. Variabilität und Zuverlässigkeit der effektiven Konnektivität innerhalb des Kernnetzwerks im Standardmodus: eine longitudinale spektrale DCM-Studie an mehreren Standorten. Neurobild. 2018;183:757–68. https://pubmed.ncbi.nlm.nih.gov/30165254/.

Artikel PubMed Google Scholar

van der Horn HJ, Liemburg EJ, Aleman A, Spikman JM, van der Naalt J. Gehirnnetzwerke, die der Emotionsregulation und -anpassung nach einer leichten traumatischen Hirnverletzung dienen. J Neurotrauma. 2016;33:1–9. https://www.liebertpub.com/doi/10.1089/neu.2015.3905.

Artikel PubMed Google Scholar

Bornhofen C, Mcdonald S. Emotionswahrnehmungsdefizite nach traumatischer Hirnverletzung: eine Überprüfung der Beweise und Gründe für eine Intervention. J Int Neuropsychol Soc. 2008;14:511–25. https://www.cambridge.org/core/journals/journal-of-the-international-neuropsychological-society/article/emotion-perception-deficits-following-traumatic-brain-injury-a-review-of-the- Evidenz-und-Begründung-für-Intervention/52D95040952417FF205AD79F66C3FCBA.

Artikel PubMed Google Scholar

Hogeveen J, Salvi C, Grafman J. „Emotionale Intelligenz“: Lehren aus Läsionen. Trends Neurosci. 2016;39:694–705.

Artikel CAS PubMed PubMed Central Google Scholar

Hays RD, Sherbourne CD, Mazel RM. Die RAND 36-Item-Gesundheitsumfrage 1.0. Gesundheitsökon. 1993;2:217–27.

Artikel CAS PubMed Google Scholar

Ware JE. SF-36-Gesundheitsumfrage: Handbuch und Interpretationsleitfaden. Boston: Gesundheitsinstitut, New England Medical Center; 1993.

Pruim RHR, Mennes M, van Rooij D, Llera A, Buitelaar JK, Beckmann CF. ICA-AROMA: eine robuste ICA-basierte Strategie zum Entfernen von Bewegungsartefakten aus fMRT-Daten. Neurobild. 2015;112:267–77. https://linkinghub.elsevier.com/retrieve/pii/S1053811915001822.

Artikel PubMed Google Scholar

Calhoun VD, Adali T, Pearlson GD, Pekar JJ. Eine Methode zum Ziehen von Gruppenschlussfolgerungen aus funktionellen MRT-Daten mithilfe einer unabhängigen Komponentenanalyse. Hum Brain Mapp. 2001;14:140–51. http://doi.wiley.com/10.1002/hbm.1048.

Artikel CAS PubMed PubMed Central Google Scholar

Shirer WR, Ryali S, Rykhlevskaia E, Menon V, Greicius MD. Entschlüsselung subjektgesteuerter kognitiver Zustände mit Konnektivitätsmustern des gesamten Gehirns. Großhirnrinde. 2012;22:158–65. www.fil.ion.ucl.

Artikel CAS PubMed Google Scholar

Tzourio-Mazoyer N, Landeau B, Papathanassiou D, Crivello F, Etard O, Delcroix N, et al. Automatisierte anatomische Markierung von Aktivierungen in SPM mithilfe einer makroskopischen anatomischen Parzellierung des MNI-MRT-Einzelsubjektgehirns. Neurobild. 2002;15:273–89.

Artikel CAS PubMed Google Scholar

Zeidman P, Jafarian A, Corbin N, Seghier ML, Razi A, Price CJ, et al. Ein Leitfaden zur gruppenwirksamen Konnektivitätsanalyse, Teil 1: First-Level-Analyse mit DCM für fMRT. Neurobild. 2019;200:174–90.

Artikel PubMed Google Scholar

Razi A, Seghier ML, Zhou Y, McColgan P, Zeidman P, Park HJ, et al. Groß angelegte DCMs für die Ruhezustands-fMRT. Netw Neurosci. 2017;1:222–41. https://pubmed.ncbi.nlm.nih.gov/29400357/.

Artikel PubMed PubMed Central Google Scholar

Friston KJ, Litvak V, Oswal A, Razi A, Stephan KE, Van Wijk BCM, et al. Bayesianische Modellreduktion und empirische Bayes für Gruppenstudien (DCM). Neurobild. 2016;128:413–31.

Artikel PubMed Google Scholar

Zeidman P, Jafarian A, Seghier ML, Litvak V, Cagnan H, Price CJ, et al. Ein Leitfaden zur gruppenwirksamen Konnektivitätsanalyse, Teil 2: Second-Level-Analyse mit PEB. Neurobild. 2019;200:12–25.

Artikel PubMed Google Scholar

Xia M, Wang J, He Y. BrainNet Viewer: ein Netzwerkvisualisierungstool für die Connectomics des menschlichen Gehirns. Plus eins. 2013;8:e68910 https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0068910.

Artikel CAS PubMed PubMed Central Google Scholar

Tik M, Hoffmann A, Sladky R, Tomova L, Hummer A, Navarro de Lara L, et al. Zum Verständnis des rTMS-Wirkmechanismus: Die Stimulation des DLPFC führt zu einer netzwerkspezifischen Steigerung der funktionellen Konnektivität. Neurobild. 2017;162:289–96.

Artikel PubMed Google Scholar

Dichter GS, Gibbs D, Smoski MJ. Eine systematische Überprüfung der Zusammenhänge zwischen der funktionellen MRT im Ruhezustand und dem Ansprechen auf die Behandlung bei schweren depressiven Störungen. J Affektstörung. 2015;172:8–17.

Artikel PubMed Google Scholar

Cash R, Zalesky A, Thomson RH, Tian Y, Cocchi L, Fitzgerald PB. Die subgenuelle funktionelle Konnektivität sagt das Ansprechen einer Antidepressivum-Behandlung auf die transkranielle Magnetstimulation voraus: unabhängige Validierung und Bewertung der Personalisierung. Biologische Psychiatrie. 2019;86:e5–7.

Artikel PubMed Google Scholar

Aizenstein HJ, Butters MA, Wu M, Mazurkewicz LM, Stenger VA, Gianaros PJ, et al. Veränderte Funktion des exekutiven Kontrollkreises bei Depressionen im späten Lebensalter: episodische und anhaltende Phänomene. Am J Geriatrie-Psychiatrie. 2009;17:30.

Artikel PubMed PubMed Central Google Scholar

Baeken C, Marinazzo D, Wu GR, Van Schuerbeek P, De Mey J, Marchetti I, et al. Beschleunigte HF-rTMS bei behandlungsresistenter unipolarer Depression: Erkenntnisse aus der subgenualen anterioren cingulären funktionellen Konnektivität. Welt J Biol Psychiatrie. 2014;15:286–97.

Artikel PubMed Google Scholar

Paus T, Castro-Alamancos MA, Petrides M. Kortiko-kortikale Konnektivität des menschlichen mitteldorsolateralen Frontalkortex und seine Modulation durch repetitive transkranielle Magnetstimulation. Eur J Neurosci. 2001;14:1405–11. https://onlinelibrary.wiley.com/doi/full/10.1046/j.0953-816x.2001.01757.x.

Artikel CAS PubMed Google Scholar

Teneback CC, Nahas Z, Speer AM, Molloy M, Stallings LE, Spicer KM, et al. Veränderungen des präfrontalen Kortex und der paralimbischen Aktivität bei Depressionen nach zwei Wochen täglicher linker präfrontaler TMS. J Neuropsychiatrie Klinik Neurosci. 1999;11:426–35.

CAS PubMed Google Scholar

Tik M, Woletz M, Schuler AL, Vasileiadi M, Cash RFH, Zalesky A, et al. Akute TMS/fMRT-Reaktion erklärt Offline-TMS-Netzwerkeffekte – eine interleaved TMS-fMRT-Studie. Neurobild. 2023;267:119833.

Artikel CAS PubMed Google Scholar

Lan MJ, Chhetry BT, Liston C, Mann JJ, Dubin M. Transkranielle Magnetstimulation des linken dorsolateralen präfrontalen Kortex induziert morphologische Veränderungen des Gehirns in Regionen, die mit einer behandlungsresistenten Episode einer Major Depression verbunden sind; eine explorative Analyse. Gehirnstimulation. 2016;9:577.

Artikel PubMed PubMed Central Google Scholar

George MS, Ketter TA, Post RM. Funktionsstörung des präfrontalen Kortex bei klinischer Depression. Depression. 1994;2:59–72. https://onlinelibrary.wiley.com/doi/full/10.1002/depr.3050020202.

Artikel Google Scholar

Meyer BM, Rabl U, Huemer J, Bartova L, Kalcher K, Provenzano J, et al. Präfrontale Netzwerke, die dynamisch mit der Genesung von einer schweren depressiven Störung zusammenhängen: eine longitudinale pharmakologische fMRT-Studie. Transl. Psychiatrie. 2019;9:1–10. https://www.nature.com/articles/s41398-019-0395-8.

Artikel Google Scholar

Grimm S, Beck J, Schuepbach D, Hell D, Boesiger P, Bermpohl F, et al. Das Ungleichgewicht zwischen dem linken und rechten dorsolateralen präfrontalen Kortex bei schweren Depressionen ist mit einem negativen emotionalen Urteil verbunden: eine fMRT-Studie bei schweren schweren depressiven Störungen. Biologische Psychiatrie. 2008;63:369–76. https://pubmed.ncbi.nlm.nih.gov/17888408/.

Artikel PubMed Google Scholar

Chen F, Ke J, Qi R, Xu Q, Zhong Y, Liu T, et al. Eine erhöhte Hemmung der Amygdala durch die mPFC könnte einen Resilienzfaktor bei posttraumatischer Belastungsstörung widerspiegeln: eine fMRT-Granger-Kausalitätsanalyse im Ruhezustand. Frontpsychiatrie. 2018;0:516.

Artikel Google Scholar

Menon V, Uddin LQ. Ausprägung, Schalten, Aufmerksamkeit und Kontrolle: ein Netzwerkmodell der Insula-Funktion. Gehirnstrukturfunktion. 2010;214:655.

Artikel PubMed PubMed Central Google Scholar

Gu X, Hof PR, Friston KJ, Fan J. Vorderer Inselkortex und emotionales Bewusstsein. J Comp Neurol. 2013;521:3371.

Artikel PubMed PubMed Central Google Scholar

Modinos G, Ormel J, Aleman A. Aktivierung der vorderen Insula während der Selbstreflexion. Plus eins. 2009;4:e4618 https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0004618.

Artikel PubMed PubMed Central Google Scholar

Craig AD. Bedeutung der Insula für die Entwicklung des menschlichen Gefühlsbewusstseins aus dem Körper. Ann NY Acad Sci. 2011;1225:72–8.

Artikel PubMed Google Scholar

Medford N, Critchley HD. Gemeinsame Aktivität des vorderen Inselkortex und des vorderen cingulären Kortex: Bewusstsein und Reaktion. Gehirnstrukturfunktion. 2010;214:535.

Artikel PubMed PubMed Central Google Scholar

Taylor KS, Seminowicz DA, Davis KD. Zwei Systeme der Ruhezustandskonnektivität zwischen der Insula und dem cingulären Kortex. Hum Brain Mapp. 2009;30:2731.

Artikel PubMed Google Scholar

Horn DI, Yu C, Steiner J, Buchmann J, Kaufmann J, Osoba A, et al. Glutamaterge und funktionelle Konnektivität im Ruhezustand korrelieren mit dem Schweregrad schwerer Depressionen – die Rolle des prägenualen anterioren cingulären Kortex und der vorderen Insula. Vordere Syst Neurosci. 2010;0:33.

Google Scholar

Alvarez RP, Kirlic N, Misaki M, Bodurka J, Rhudy JL, Paulus MP, et al. Eine erhöhte Aktivität der vorderen Insula bei ängstlichen Personen ist mit einer verminderten wahrgenommenen Kontrolle verbunden. Transl. Psychiatrie. 2015;5:e591–e591. https://www.nature.com/articles/tp201584.

Artikel CAS PubMed PubMed Central Google Scholar

Gusnard DA, Akbudak E, Shulman GL, Raichle ME. Medialer präfrontaler Kortex und selbstreferenzielle geistige Aktivität: Beziehung zu einem Standardmodus der Gehirnfunktion. Proc Natl Acad Sci USA. 2001;98:4259–64. https://www.pnas.org/doi/pdf/10.1073/pnas.071043098.

Artikel CAS PubMed PubMed Central Google Scholar

Spreng RN, Grady CL. Muster der Gehirnaktivität, die das autobiografische Gedächtnis, die Prospektion und die Theorie des Geistes unterstützen, und ihre Beziehung zum Standardmodusnetzwerk. J Cogn Neurosci. 2010;22:1112–23. https://pubmed.ncbi.nlm.nih.gov/19580387/.

Artikel PubMed Google Scholar

Buckner RL, Andrews-Hanna JR, Schacter DL. Das Standardnetzwerk des Gehirns. Ann NY Acad Sci. 2008;1124:1–38. https://nyaspubs.onlinelibrary.wiley.com/doi/full/10.1196/annals.1440.011.

Artikel PubMed Google Scholar

Raichle ME, MacLeod AM, Snyder AZ, Powers WJ, Gusnard DA, Shulman GL. Ein Standardmodus der Gehirnfunktion. Proc Natl Acad Sci USA. 2001;98:676–82. https://pubmed.ncbi.nlm.nih.gov/19580387/.

Artikel CAS PubMed PubMed Central Google Scholar

Huijbers W, Pennartz CMA, Cabeza R, Daselaar SM. Der Hippocampus ist während des Speicherabrufs mit dem Standardnetzwerk gekoppelt, jedoch nicht während der Speicherkodierung. Plus eins. 2011;6:e17463 https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0017463.

Artikel CAS PubMed PubMed Central Google Scholar

Jones-Gotman M, Zatorre RJ, Olivier A, Andermann F, Cendes F, Staunton H, et al. Lernen und Behalten von Wörtern und Designs nach der Exzision aus medialen oder lateralen Temporallappenstrukturen. Neuropsychologie. 1997;35:63–973.

Artikel Google Scholar

Kennepohl S, Sziklas V, Garver KE, Wagner DD, Jones-Gotman M. Gedächtnis und der mediale Temporallappen: Hemisphärische Spezialisierung neu überdacht. Neurobild. 2007;36:969–78. http://www.neurobs.com.

Artikel CAS PubMed Google Scholar

Tulving E, Kapur S, Craik FIM, Moscovitch M, Houle S. Hemisphärische Kodierungs-/Abrufasymmetrie im episodischen Gedächtnis: Ergebnisse der Positronenemissionstomographie. Proc Natl Acad Sci USA. 1994;91:2016.

Artikel CAS PubMed PubMed Central Google Scholar

Papma JM, Smits M, de Groot M, Mattace Raso FU, van der Lugt A, Vrooman HA, et al. Die Auswirkung der Funktion, des Volumens und der Konnektivität des Hippocampus auf die Funktion des posterioren cingulären Kortex während der episodischen Gedächtnis-fMRT bei leichter kognitiver Beeinträchtigung. Eur Radio. 2017;27:3716.

Artikel Google Scholar

Irimia A, Maher AS, Chaudhari NN, Chowdhury NF, Jacobs EB. Akute kognitive Defizite nach einer traumatischen Hirnverletzung sagen einen Alzheimer-ähnlichen Abbau des menschlichen Standardmodus-Netzwerks voraus. GeroScience. 2020;42:1411–29. https://pubmed.ncbi.nlm.nih.gov/32743786/.

Artikel PubMed PubMed Central Google Scholar

Johnson B, Zhang K, Gay M, Horovitz S, Hallett M, Sebastianelli W, et al. Veränderung des Gehirnausfallnetzwerks in der subakuten Phase der Verletzung bei Personen mit Gehirnerschütterung: fMRT-Studie im Ruhezustand. Neurobild. 2012;59:511–8. https://doi.org/10.1016/j.neuroimage.2011.07.081.

Artikel PubMed Google Scholar

Natu VS, Lin JJ, Burks A, Arora A, Rugg MD, Lega B. Die Stimulation des hinteren cingulären Kortex beeinträchtigt die episodische Gedächtniskodierung. J Neurosci. 2019;39:7173–82. https://www.jneurosci.org/content/39/36/7173.

Artikel CAS PubMed PubMed Central Google Scholar

Sours C, Zhuo J, Roys S, Shanmuganathan K, Gullapalli RP. Störungen der funktionellen Konnektivität im Ruhezustand und des zerebralen Blutflusses bei Patienten mit leichtem Schädel-Hirn-Trauma. Plus eins. 2015;10:e0134019. https://fitbir.nih.gov.

Artikel PubMed PubMed Central Google Scholar

Sridharan D, Levitin DJ, Menon V. Eine entscheidende Rolle für den rechten fronto-inseligen Kortex beim Wechsel zwischen zentral-exekutiven und Standardmodus-Netzwerken. Proc Natl Acad Sci USA. 2008;105:12569–74. www.pnas.org/cgi/content/full/.

Artikel CAS PubMed PubMed Central Google Scholar

Kaiser RH, Andrews-Hanna JR, Spielberg JM, Warren SL, Sutton BP, Miller GA, et al. Abgelenkt und niedergeschlagen: Neuronale Mechanismen affektiver Interferenz bei subklinischer Depression. Soc Cogn Affect Neurosci. 2015;10:654.

Artikel PubMed Google Scholar

Hamilton JP, Chen MC, Gotlib IH. Ansätze neuronaler Systeme zum Verständnis schwerer depressiver Störungen: eine intrinsische funktionale Organisationsperspektive. Neurobiol Dis. 2013;52C:4.

Artikel Google Scholar

Bonnelle V, Ham TE, Leech R, Kinnunen KM, Mehta MA, Greenwood RJ, et al. Die Integrität des Salience-Netzwerks sagt die Netzwerkfunktion im Standardmodus nach einer traumatischen Hirnverletzung voraus. Proc Natl Acad Sci USA. 2012;109:4690–5. https://pubmed.ncbi.nlm.nih.gov/22393019/.

Artikel CAS PubMed PubMed Central Google Scholar

Fatfouta R, Meshi D, Merkl A, Heekeren HR. Das Akzeptieren von Ungerechtigkeit durch einen Lebensgefährten ist mit einer verminderten Konnektivität zwischen dem medialen präfrontalen und dorsalen anterioren cingulären Kortex verbunden. Soc Neurosci. 2018;13:61–73.

Artikel PubMed Google Scholar

Schiena G, Franco G, Boscutti A, Delvecchio G, Maggioni E, Brambilla P. Konnektivitätsänderungen bei schwerer depressiver Störung nach rTMS: eine Überprüfung der funktionellen und strukturellen Konnektivitätsdaten. Epidemiol Psychiatr Sci. 2021;30:e59.

Referenzen herunterladen

Wir danken diesen Personen für ihren Beitrag: Shan Siddiqi, Lien-Lien Wu, Girish Swaminath, Beatriz Hernandez, Art Noda, Russell Toll, Jauhtai Cheng, Steven Chao, Maya Yutsis, Brian Yochim, David Clark, John Ashford, Joy Taylor, Odette Harris, Laura Lazzeroni, Amit Etkin, Jerome Yesavage.

Die Datenerfassung in dieser Studie wurde durch ein Veterans Affairs Rehabilitation SPIRE-Stipendium an MMA ermöglicht. AR wird vom Australian Research Council (Ref.: DE170100128 und DP200100757) und dem Australian National Health and Medical Research Council Investigator Grant (Ref.: 1194910) finanziert. AR ist dem Wellcome Center for Human Neuroimaging angeschlossen und wird durch die Grundfinanzierung von Wellcome [203147/Z/16/Z] unterstützt. AR ist ein CIFAR Azrieli Global Scholar im Brain, Mind, and Consciousness Program. Open-Access-Finanzierung ermöglicht und organisiert von CAUL und seinen Mitgliedsinstitutionen.

Diese Autoren haben gleichermaßen beigetragen: Maheen Mausoof Adamson, Adeel Razi.

Abteilung für Computer- und Informationssystemtechnik, NED University of Engineering & Technology, Karachi, 75270, Pakistan

Tajwar Sultana

Abteilung für Biomedizintechnik, NED University of Engineering & Technology, Karachi, 75270, Pakistan

Tajwar Sultana und Muhammad Abul Hasan

Neurocomputation Laboratory, National Center of Artificial Intelligence, Peshawar, Pakistan

Tajwar Sultana und Muhammad Abul Hasan

WRIISC-WOMEN, VA Palo Alto Healthcare System, Palo Alto, CA, 94304, USA

Xiaojian Kang & Maheen Mausoof Adamson

Rehabilitationsdienst, Veterans Affairs Palo Alto Healthcare System (VAPAHCS), 3801 Miranda Avenue, Palo Alto, CA, 94304, USA

Xiaojian Kang, Victoria Liou-Johnson und Maheen Mausoof Adamson

Clinical Excellence Research Center, Stanford University School of Medicine, Stanford, CA, 94304, USA

Victoria Liu-Johnson

Abteilung für Neurochirurgie, Stanford University School of Medicine, Stanford, CA, 94304, USA

Maheen Mausoof Adamson

Turner Institute for Brain and Mental Health, School of Psychological Sciences, Monash University, Clayton, VIC, 3800, Australien

Adeel Razi

Wellcome Centre for Human Neuroimaging, University College London, WC1N 3AR, London, Vereinigtes Königreich

Adeel Razi

CIFAR Azrieli Global Scholars Program, CIFAR, Toronto, ON, Kanada

Adeel Razi

Sie können diesen Autor auch in PubMed Google Scholar suchen

TS, AR und MMA waren für die Konzeption der Studie verantwortlich; TS und AR waren für die Methodik verantwortlich; TS führte die Untersuchung und Visualisierung durch; AR war für die Aufsicht zuständig; TS hat den Originalentwurf dieses Artikels geschrieben; TS, AR, MMA, MAH, XK und VLJ haben das Manuskript überprüft und bearbeitet.

Korrespondenz mit Adeel Razi.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Anmerkung des Herausgebers Springer Nature bleibt hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten neutral.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht gesetzlich zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Sultana, T., Hasan, MA, Kang, X. et al. Neuronale Mechanismen der emotionalen Gesundheit bei Patienten mit traumatischen Hirnverletzungen, die sich einer rTMS-Behandlung unterziehen. Mol Psychiatrie (2023). https://doi.org/10.1038/s41380-023-02159-z

Zitat herunterladen

Eingegangen: 19. Oktober 2022

Überarbeitet: 16. Juni 2023

Angenommen: 22. Juni 2023

Veröffentlicht: 06. Juli 2023

DOI: https://doi.org/10.1038/s41380-023-02159-z

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein Link zum Teilen verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt