Wie Gehirnnetzwerke ticken: Vorhersage der Tic-Schwere durch rs-fMRI-Dynamik beim Tourette-Syndrom

Shukti Ramkiran, Tanja Veselinović, Jürgen Dammers, Arnim Johannes Gaebler, Ravichandran Rajkumar, N. Jon Shah und Irene Neuner

26. Mai 2023

Das Tourette-Syndrom (TS) ist eine neurologische und psychiatrische Störung, die durch unwillkürliche Bewegungen und Vokalisationen, sogenannte Tics, gekennzeichnet ist. Es wurden verschiedene Theorien zur Erklärung des TS vorgeschlagen, und es wird zunehmend anerkannt, dass es sich beim TS um ein Netzwerkproblem und nicht um isolierte Störungen in bestimmten Hirnregionen handelt. Vor diesem Hintergrund wird in dieser Studie die Vorhersagekraft direkter und indirekter dynamischer Netzwerkmetriken zur Bestimmung des Schweregrads von Tics untersucht, um ein umfassendes Verständnis der Pathophysiologie von Tics zu gewinnen.

Die Analyse der funktionellen Konnektivität wurde an Ruhezustandsdaten der funktionellen Magnetresonanztomografie (fMRI) von 36 Teilnehmern mit drei Techniken durchgeführt: statisch, dynamisch mit Schiebefenstern und eine ICA-basierte geschätzte dynamische Methode. Anschließend wurden die statischen und dynamischen Eigenschaften der Netzwerktopologie untersucht. Die Schlüsselfaktoren wurden mithilfe eines Regressionsmodells mit LASSO-Regularisierung identifiziert, und die Gültigkeit des Modells wurde mit der Leave-One-Out-Technik (LOO) bewertet.

Somit hilft dieser netzwerkbasierte Analyseansatz zu verstehen, wie Informationen (sowohl dynamisch als auch insgesamt) von jeder spezifischen Region, die in das Netzwerk eingebunden ist, im Zusammenhang mit Tics bei TS verarbeitet werden. Es ist interessant festzustellen, dass mehrere Studien zwar einen direkten Zusammenhang zwischen der Amygdala und TS gezeigt haben, diese Studie jedoch zeigt, dass die Netzwerkeigenschaften der Amygdala selbst keine direkten Prädiktoren für den Schweregrad von Tics sind; vielmehr sind es die Regionen, mit denen sie innerhalb des sozialen Verarbeitungskontexts kommuniziert. Diese Erkenntnis erweitert unser Verständnis der Rolle, die andere Regionen im Netzwerk neben der Amygdala selbst spielen.

Die Forschungsergebnisse deuten ferner darauf hin, dass Dysfunktionen im primären motorischen Kortex, in der präfrontalen Basalganglienschleife und im Amygdala-vermittelten visuellen sozialen Verarbeitungsnetzwerk bei TS von Bedeutung sind, und bieten neue Einblicke in das Verständnis der zugrunde liegenden Ursachen von Tics bei TS.

Die folgende Abbildung veranschaulicht die identifizierten Prädiktoren für den Schweregrad von Tics. In der Legende sind die Regionen aufgeführt, gefolgt von der Kendall-Korrelation zwischen dem Prädiktor und der Tic-Schwere in Klammern, gefolgt von der identifizierten Netzwerkeigenschaft und ihrem Modellgewicht in der zweiten Klammer. Bei den identifizierten Netzwerkeigenschaften handelt es sich um den zeitlichen Korrelationskoeffizienten und die zeitliche durchschnittliche Pfadlänge des langsamen direkten dynamischen Netzwerks (dynamisches Netzwerk mit gleitendem Fenster), dargestellt durch dSW-tCC bzw. dSW-tAPL.

Zukünftige Arbeiten werden sich darauf konzentrieren, die Netzwerkeigenschaften der identifizierten Regionen in Reaktion auf die Behandlung auf individueller Ebene zu untersuchen. Dies wird dazu beitragen, gezielte Behandlungs- und Therapiestrategien für die Patienten zu entwickeln.

Origionalpublikation: How brain networks tic: Predicting tic severity through rs-fMRI dynamics in Tourette syndrome