ФМРТ в состоянии покоя

ФМРТ в состоянии покоя (англ. resting-state fMRI, rs-fMRI) — это метод функциональной магнитно-резонансной томографии, который позволяет оценивать спонтанную нейронную активность головного мозга в отсутствие внешних стимулов или выполнения целенаправленных задач. В отличие от классической фМРТ, регистрирующей изменения кровотока в ответ на когнитивную нагрузку, rs-fMRI исследует флуктуации сигнала, происходящие в состоянии покоя (обычно с закрытыми глазами, без фиксации на чём-либо). Метод основан на обнаружении низкочастотных (0,01–0,1 Гц) колебаний уровня оксигенации крови (BOLD-сигнала), которые отражают синхронизацию активности различных областей мозга. Основное применение rs-fMRI — картирование функциональных сетей покоя (resting-state networks, RSNs), таких как сеть пассивного режима работы мозга (default mode network, DMN), сенсомоторная, слуховая, зрительная и другие сети.

История

Первые наблюдения спонтанных флуктуаций BOLD-сигнала в состоянии покоя были сделаны в 1995 году группой исследователей под руководством Бхарата Бисвала (Bharat Biswal) из Медицинского колледжа Висконсина. В своей работе они показали, что у испытуемых, не выполняющих никаких задач, временные ряды сигнала из левой и правой моторных коры коррелируют между собой, что указывает на функциональную связность между гомологичными областями. Этот результат был опубликован в журнале Magnetic Resonance in Medicine и положил начало развитию rs-fMRI.

В 2001 году Маркус Райхле (Marcus Raichle) и его коллеги из Вашингтонского университета в Сент-Луисе описали сеть областей мозга, которые демонстрируют более высокую активность в покое, чем при выполнении когнитивных задач. Эта сеть получила название «сеть пассивного режима работы мозга» (default mode network). Открытие DMN стимулировало широкое применение rs-fMRI для изучения организации мозга в норме и при патологии.

В 2000-х годах развитие методов обработки данных (коррекция движения, фильтрация, независимый компонентный анализ — ICA) позволило выделять несколько устойчивых функциональных сетей покоя. К 2010-м годам rs-fMRI стал стандартным инструментом в нейровизуализации, особенно в исследованиях психических и неврологических расстройств, таких как шизофрения, депрессия, болезнь Альцгеймера и аутизм.

Физические и физиологические основы

BOLD-эффект в покое

ФМРТ в состоянии покоя, как и любая фМРТ, использует контраст, основанный на различиях в магнитных свойствах оксигемоглобина и дезоксигемоглобина. Нейронная активность вызывает локальное увеличение кровотока, что приводит к притоку свежей оксигенированной крови и снижению концентрации дезоксигемоглобина. Это изменение регистрируется как увеличение BOLD-сигнала. В состоянии покоя спонтанные флуктуации нейронной активности (в диапазоне 0,01–0,1 Гц) вызывают соответствующие колебания BOLD-сигнала, которые и анализируются в rs-fMRI.

Нейронный субстрат

Корреляции BOLD-сигнала между разными областями мозга в покое отражают функциональную связность — степень синхронности нейронной активности. Считается, что эти связи обусловлены анатомическими проекциями (белым веществом) и нейромодуляторными системами. Хотя точные механизмы генерации спонтанных колебаний до конца не ясны, предполагается, что они связаны с медленными кортикальными потенциалами и активностью таламо-кортикальных петель.

Методология

Процедура сканирования

Испытуемый находится в томографе в расслабленном состоянии, обычно с закрытыми глазами, и не выполняет никаких задач. Иногда допускается фиксация взгляда на кресте или открытые глаза без стимуляции. Длительность сканирования варьируется от 5 до 15 минут. Типичные параметры: время повторения (TR) — 2–3 секунды, пространственное разрешение — 2–4 мм³, количество временных точек — 150–300.

Предобработка данных

Перед анализом данные подвергаются серии коррекций:

• Коррекция движения: устранение артефактов, вызванных смещениями головы.
• Пространственная нормализация: приведение мозга разных испытуемых к единому анатомическому шаблону (например, MNI).
• Фильтрация: удаление низкочастотного дрейфа (<0,01 Гц) и высокочастотного шума (>0,1 Гц).
• Регрессия мешающих факторов: удаление сигнала из белого вещества, спинномозговой жидкости, а также глобального сигнала (спорный этап, так как может удалять полезную информацию).

Методы анализа

1. Анализ на основе априорных областей интереса (ROI-based): выбирается заранее определённая область (например, задняя поясная кора для DMN), и вычисляется корреляция её временного ряда с сигналом из всех других вокселей. Результат — карта функциональной связности.
2. Независимый компонентный анализ (ICA): статистический метод, который разделяет многомерные данные на независимые пространственные компоненты, каждая из которых соответствует определённой функциональной сети. ICA не требует априорных гипотез.
3. Анализ амплитуды низкочастотных флуктуаций (ALFF): измеряет мощность колебаний в низкочастотном диапазоне, что отражает локальную спонтанную активность.
4. Региональная гомогенность (ReHo): оценивает синхронность временного ряда данного вокселя с его ближайшими соседями.

Функциональные сети покоя

Выделяют несколько устойчивых функциональных сетей, воспроизводимых в разных исследованиях:

• Сеть пассивного режима работы мозга (DMN): включает медиальную префронтальную кору, заднюю поясную кору, предклинье, угловую извилину и медиальную височную кору. Активна в покое и деактивируется при выполнении целенаправленных задач. Связана с автобиографической памятью, саморефлексией, мыслями о будущем.
• Сеть выявления значимости (salience network): включает переднюю поясную кору и переднюю островковую долю. Отвечает за обнаружение значимых стимулов и переключение между DMN и сетями, связанными с задачами.
• Центральная исполнительная сеть (central executive network): включает дорсолатеральную префронтальную кору и заднюю теменную кору. Активна при выполнении когнитивных задач, требующих внимания и рабочей памяти.
• Сенсомоторная сеть: включает первичную моторную и соматосенсорную кору. Отражает функциональную связность между областями, отвечающими за движение и ощущения.
• Зрительная сеть: включает первичную и ассоциативную зрительную кору. Активна в покое даже при закрытых глазах, что указывает на внутреннюю активность зрительной системы.
• Слуховая сеть: включает первичную слуховую кору и височные ассоциативные зоны.

Применение

Клинические исследования

rs-fMRI широко используется для изучения изменений функциональной связности при различных заболеваниях:

• Шизофрения: выявлены нарушения связности в DMN и сенсомоторной сети, а также снижение синхронности между префронтальной корой и другими областями.
• Депрессия: наблюдается гиперактивность DMN и изменённая связность между медиальной префронтальной корой и миндалевидным телом.
• Болезнь Альцгеймера: характерно снижение связности внутри DMN, особенно в задней поясной коре и предклинье, что коррелирует с когнитивными нарушениями.
• Аутизм: обнаружены как гипо-, так и гиперсвязность в разных сетях, особенно в социально-эмоциональных цепях.
• Инсульт: rs-fMRI позволяет оценить реорганизацию функциональных сетей после повреждения мозга и прогнозировать восстановление.

Нейронаука

rs-fMRI применяется для изучения индивидуальных различий в когнитивных способностях, личностных чертах, а также для картирования функциональной организации мозга в норме. Метод используется в исследованиях сознания, сна, старения и развития мозга у детей.

Предоперационное планирование

В нейрохирургии rs-fMRI может применяться для локализации функционально значимых зон (например, моторной коры) перед операцией по удалению опухоли или эпилептического очага, особенно у пациентов, которые не могут выполнять задачи (дети, люди с когнитивными нарушениями).

Преимущества и ограничения

Преимущества

• Не требует выполнения задач, что делает метод пригодным для пациентов с тяжёлыми когнитивными или двигательными нарушениями, а также для детей и пожилых.
• Позволяет изучать функциональную организацию мозга в естественном, не стимулированном состоянии.
• Воспроизводимость результатов при стандартизации протоколов.
• Возможность комбинирования с другими методами (структурная МРТ, диффузионная тензорная томография).

Ограничения

• Высокая чувствительность к движениям головы: даже небольшие смещения могут создавать артефакты.
• Сложность интерпретации: корреляции BOLD-сигнала не обязательно отражают прямые нейронные связи.
• Влияние физиологических шумов (дыхание, сердцебиение) на низкочастотные флуктуации.
• Отсутствие единого стандарта обработки данных, что затрудняет сравнение результатов разных исследований.

Критика и спорные вопросы

Одним из дискуссионных вопросов является обработка глобального сигнала. Регрессия глобального сигнала удаляет общие для всего мозга флуктуации, но может вводить искусственные отрицательные корреляции, что искажает результаты. Некоторые исследователи выступают против этой процедуры.

Также существует критика в адрес воспроизводимости rs-fMRI: результаты могут сильно варьировать в зависимости от параметров сканирования, методов предобработки и статистических порогов. Для повышения надёжности разрабатываются консорциумы (например, Human Connectome Project), которые стандартизируют протоколы.

Источники

• Biswal, B., Yetkin, F. Z., Haughton, V. M., & Hyde, J. S. (1995). Functional connectivity in the motor cortex of resting human brain using echo-planar MRI. Magnetic Resonance in Medicine, 34(4), 537–541.
• Raichle, M. E., MacLeod, A. M., Snyder, A. Z., Powers, W. J., Gusnard, D. A., & Shulman, G. L. (2001). A default mode of brain function. Proceedings of the National Academy of Sciences, 98(2), 676–682.
• Van Dijk, K. R. A., Hedden, T., Venkataraman, A., Evans, K. C., Lazar, S. W., & Buckner, R. L. (2010). Intrinsic functional connectivity as a tool for human connectomics: theory, properties, and optimization. Journal of Neurophysiology, 103(1), 297–321.
• Smith, S. M., Fox, P. T., Miller, K. L., Glahn, D. C., Fox, P. M., Mackay, C. E., ... & Beckmann, C. F. (2009). Correspondence of the brain's functional architecture during activation and rest. Proceedings of the National Academy of Sciences, 106(31), 13040–13045.
• Greicius, M. D., Krasnow, B., Reiss, A. L., & Menon, V. (2003). Functional connectivity in the resting brain: a network analysis of the default mode hypothesis. Proceedings of the National Academy of Sciences, 100(1), 253–258.