ETD

Archivio digitale delle tesi discusse presso l'Università di Pisa

Tesi etd-06052008-112208


Tipo di tesi
Tesi di laurea specialistica
Autore
FEDERICO, ANTONELLA
URN
etd-06052008-112208
Titolo
Modelli di connettivita cerebrale effettiva applicati a dati di risonanza magnetica funzionale a riposo
Dipartimento
INGEGNERIA
Corso di studi
INGEGNERIA BIOMEDICA
Relatori
Relatore Positano, Vincenzo
Relatore Vanello, Nicola
Relatore Prof. Landini, Luigi
Parole chiave
  • fMRI
  • default mode network
  • resting state
  • connettività cerebrale effettiva
Data inizio appello
20/06/2008
Consultabilità
Parziale
Data di rilascio
20/06/2048
Riassunto
Il lavoro di questa tesi si inquadra all’interno di una ricerca che si pone come obiettivo lo studio e lo sviluppo di modelli di connettività cerebrale effettiva applicati a dati di Risonanza Magnetica Funzionale (fMRI) .
In particolare, oggetto di ricerca è stata la presenza di variazioni della connettività cerebrale effettiva nello stato di riposo ( resting state ) valutata in immagini funzionali di pazienti sani e ottenute prima e dopo l’esecuzione di un compito .
Negli ultimi venti anni gli studi funzionali sul cervello, indirizzati soprattutto alla rilevazione e ricostruzione dei processi cerebrali cognitivi e somatosensoriali, hanno avuto un larghissimo sviluppo grazie all’impiego di tecniche di indagine sempre più avanzate (elettroencefalografia, magnetoencefalografia e, a partire dagli anni ’90, anche la tomografia ad emissione di positroni e la risonanza magnetica funzionale) e all’utilizzo di metodi di analisi statistica sempre più efficaci (Modello lineare generalizzato, Analisi delle componenti principali, Analisi delle componenti indipendenti).
Le prime ricerche condotte in questo ambito affrontavano lo studio di quell’aspetto che comunemente viene indicato con il nome di segregazione funzionale, ponendosi l’obiettivo di riuscire ad individuare ed isolare le regioni funzionalmente specializzate nello svolgimento di determinati compiti cognitivi o attività sensoriali.
Più recentemente, soprattutto negli ultimi dieci anni, il punto di vista è cambiato e l’interesse si è focalizzato anche sullo studio della cosiddetta integrazione funzionale, cioè la rilevazione e la comprensione dei legami e dei meccanismi che permettono a gruppi di neuroni, anatomicamente collegati e funzionalmente dedicati ad attività cerebrali specifiche, di interagire ed integrarsi tra loro secondo determinate architetture organizzative chiamate comunemente modelli di connettività.
Su quest’ultimo aspetto esiste una classificazione ben precisa dei vari tipi di connettività, anatomica, effettiva e funzionale, creata in funzione delle diverse tecniche di indagine e dei diversi metodi di analisi che vengono applicati a seconda del problema che si vuole affrontare.
La prima si fonda essenzialmente su studi in vivo su primati e solo più recentemente anche sull’uomo grazie all’innovativa tecnica non invasiva denominata DTI (Diffusion Tensor Imaging) che descrive l’insieme dei collegamenti fisici che esistono tra le varie aree cerebrali.
Per quanto riguarda gli altri due tipi di connettività, essi si riferiscono a due aspetti diversi ma complementari dell’organizzazione funzionale del cervello.
La connettività funzionale riguarda la correlazione temporale fra due eventi neurofisiologici spazialmente distanti cioè prende in esame il “cosa fa” il cervello in risposta a determinati stimoli sensoriali o processi cognitivi, invece la connettività effettiva tenta di spiegare l’influenza che un sistema neurale esercita, direttamente o no, su un altro, ovvero vuole spiegare il “come” il cervello riesce a portare a termine la comunicazione fra tutte le regioni coinvolte in una certa risposta neurale.
E’ importante evidenziare che uno studio di connettività effettiva non può prescindere da ipotesi fondate circa la presenza di legami anatomici tra le diverse regioni; per questo motivo tali ricerche sono classificate come “hypothesis-driven” mentre quelle di connettività funzionale sono denominate “model-free” perché caratterizzate attraverso un’analisi puramente statistica delle correlazioni presenti fra i dati.
Se, da un lato, sono numerosi gli studi funzionali che dipingono l’attività del cervello durante lo svolgimento di compiti cognitivi, sensoriali e motori, relativamente recente è invece l’indagine dello stato di riposo: il soggetto in esame non svolge alcun compito particolare e rimane nello scanner MR come in una tecnologica, e molto rumorosa, sala d’aspetto.
Negli ultimi anni infatti si è affermata tra i ricercatori l’ipotesi che a riposo il cervello sia impegnato in un’attività di fondo, definita in letteratura come default mode of brain function, baseline state, o anche conscious resting state .
Le aree cerebrali coinvolte in tale attività di fondo costituirebbero una rete funzionale, detta default mode network (DMN).
Per rete viene qui intesa l’attività spontanea simultanea di aree anatomicamente segregate, in accordo con il concetto di connettività funzionale: regioni che si attivano in maniera concorde appartengono ad una rete funzionale, cioè concorrono a realizzare una stessa funzione.
La default mode network è costituita dalle aree cerebrali la cui attività aumenta durante lo svolgimento di compiti cognitivi semplici oppure a riposo rispetto all’esecuzione di task più complessi.
Le regioni attribuite alla DMN da studi di risonanza magnetica funzionale corrispondono significativamente alle aree cerebrali metabolicamente più attive nello stato di riposo.
Attualmente le tecniche di analisi più utilizzate per la ricerca di modelli di connettività funzionale sono la PCA (Principal Component Analysis) e la ICA (Indipendent Component Analysis); tutte e due sono tecniche di analisi multivariata basate su approcci descrittivi data-driven che lavorano direttamente o indirettamente sulla matrice di covarianza dei dati osservati. Invece per quanto riguarda l’analisi della connettività effettiva essa utilizza modelli statistici completamente diversi che lavorano su regioni selezionate e fa assunzioni sulle connessioni tra queste regioni in base a modelli di connettività anatomica.
Questo tipo di analisi è tanto più performante tanto più sono precise le informazioni sulle aree funzionali rilevanti.
I più importanti metodi di ricerca di connettività effettiva sono il SEM (structural equation modelling), il DCM (dynamic causal modelling) e il GCM (granger causality mapping); il primo, fino ad oggi maggiormente impiegato degli altri, soprattutto su dati fMRI, è stato sviluppato nel campo dell’econometria mentre il secondo e il terzo sono nati appositamente per l’analisi delle serie temporali da imaging funzionale.
Questo lavoro si pone come obiettivo principale quello di studiare il GCM come metodo di analisi di connettività effettiva, quindi valutare i meccanismi e le potenzialità di tale metodo di stima nell’evidenziare variazioni della stessa in condizione di riposo e valutata prima e dopo l’esecuzione di un compito.
Un aspetto importantissimo di tale metodo di analisi è la sua natura esplorativa che non richiede la specificazione di un modello anatomico sul quale basarsi per l’implementazione; questo permette appunto di superare i limiti che derivano da limitare spazialmente la ricerca di connessioni e interazioni tra le varie aree cerebrali.
Si tenterà quindi di applicare il metodo di analisi Granger Causality Mapping ai dati sperimentali cercando di interpretare i risultati ottenuti.
Tali risultati possono essere di importanza cruciale poiché negli studi di risonanza magnetica funzionale la condizione di controllo è spesso rappresentata dallo stato di riposo.
Una scelta scorretta dello stato di controllo può nascondere il ruolo di aree che in tale condizione sono già attive.
Una scelta scorretta dello stato di controllo può nascondere il ruolo di aree che in tale condizione sono già attive. E’ pertanto evidente come la conoscenza dei meccanismi mentali caratterizzanti lo stato di riposo sia fondamentale per l’interpretazione degli studi funzionali.
Le maggiori potenzialità dell’analisi dello stato di riposo risiedono tuttavia nell’individuazione di alterazioni della connettività cerebrale associate a patologie neurologiche e psichiatriche: ciò potrebbe infatti contribuire alla caratterizzazione fisiopatologica e alla diagnosi preclinica di tali malattie.
Il lavoro è organizzato in sei capitoli. Il primo introduce i concetti fondamentali e le definizioni della connettività funzionale ed effettiva spiegando le differenze, soprattutto metodologiche, che stanno alla base di questa classificazione.
Inoltre si cerca anche di fornire un quadro generale sui problemi che occorre affrontare nell’impostazione di uno studio di connettività.
Nel secondo capitolo vengono presentate le basi neurofisiologiche e una breve panoramica dell’anatomia e della fisiologia della struttura cerebrale.
Nel terzo capitolo vengono descritti i principi fondamentali su cui si basa la Risonanza Magnetica funzionale cercando di evidenziare i problemi legati all’impiego di questa tecnica per l’individuazione delle regioni facenti parte della default mode network.
Inoltre viene presentata una panoramica completa dei vari metodi di analisi della connettività, sia funzionale che effettiva, fornendo un quadro completo dei metodi statistici più utilizzati in questo tipo di ricerche (PCA, ICA per la funzionale e SEM, DCM e GCM per l’effettiva). Per ogni tecnica di analisi vengono studiate le basi teoriche e i principi applicativi del metodo.
Il capitolo quattro introduce la default mode network: sono riferite le prove a favore dell’esistenza e dell’origine neurale della rete e ne è descritta la modulazione durante lo svolgimento di compiti cognitivi complessi.
Il capitolo cinque è dedicato interamente alla descrizione e allo studio del metodo di analisi Granger Causality Mapping. Dopo una breve introduzione riguardo le origini di questa modellizzazione vengono presentate le equazioni descrittive del modello e infine è descritto il toolbox di Matlab, noto come ‘toolbox di analisi di connettività causale’, utilizzato per lo studio della connettività cerebrale effettiva.
Il capitolo sei è quello più consistente e tratta l’acquisizione e l’elaborazione dei dati. Si parte dalla descrizione dell’esperimento seguita da una parte in cui viene descritto l’algoritmo ICA e la sua applicazione all’analisi di immagini fMRI per l’estrazione della default mode network.
Si passa quindi allo studio vero e proprio della connettività cerebrale effettiva, valutata attraverso l’utilizzo del toolbox di analisi della connettività causale sui dati sperimentali e infine all’interpretazione dei risultati ottenuti.
File