《Journal of Neuroscience Methods》:‘RMT-Finder’: an automated procedure to determine the Resting Motor Threshold for Transcranial Magnetic Stimulation
编辑推荐:
劳琳·F·博伊德坎(Laurine F. Boidequin)、马科斯·莫雷诺-维杜(Marcos Moreno-Verdú)、巴蒂斯特·M·沃尔兹(Baptiste M. Waltzing)、朱利安·J·兰伯特(Julien J. Lambert)、伊莉丝·E·范卡内亨姆(El
劳琳·F·博伊德坎(Laurine F. Boidequin)、马科斯·莫雷诺-维杜(Marcos Moreno-Verdú)、巴蒂斯特·M·沃尔兹(Baptiste M. Waltzing)、朱利安·J·兰伯特(Julien J. Lambert)、伊莉丝·E·范卡内亨姆(Elise E. Van Caenegem)、夏琳·特鲁昂(Charlène Truong)、罗伯特·M·哈德威克(Robert M. Hardwick)
比利时鲁汶大学(UCLouvain)神经科学研究所,大脑、行为与技能实验室(Brain, Action, and Skill Laboratory)
摘要
背景
经颅磁刺激(TMS)研究通过测定静息运动阈值(Resting Motor Threshold,RMT)来校准刺激强度。然而,这一过程耗时且存在变异性。我们开发了一种自动化程序,以提高RMT测定的效率和标准化程度。
新方法
我们开发了一种算法,该算法可以测量运动诱发电位(MEP)的幅度,并自动调整刺激强度以确定RMT。实验1将这种自动化方法与手动程序在可靠性和等同性方面进行了比较。实验2进一步开发了一种“快速”自动化流程,并将其与手动和最初的自动化流程进行了对比。
结果
在两项实验中,自动化方法均显示出出色的重测可靠性,并与手动方法高度一致(组内相关系数≥0.95),所得RMT估计值在±3%的平均刺激输出(MSO)范围内与手动测量结果相当,大多数比较结果在±2%的MSO范围内。实验2优化了这一流程,使得RMT的测定平均仅需不到3分钟,且仅需33-34次脉冲。
与现有方法相比:“RMT-Finder”提供了比手动方法更可靠且更高效的替代方案。该程序有助于提高TMS研究的标准化和可重复性。
结论
RMT评估的自动化使得这一标准TMS测量方法能够快速且高度可重复地进行,使其适用于需要标准化程序的常规临床应用。
引言
经颅磁刺激(TMS)是一种广泛用于研究运动和认知过程的非侵入性脑刺激技术(Hallett, 2007)。对初级运动皮层进行TMS刺激可引发局部肌肉抽搐;这种反应的幅度可以通过肌电图(EMG)记录为运动诱发电位(MEP)。由于MEP可以精确记录和量化,因此它已成为使用TMS时确定剂量-反应效应的标准方法。所施加的TMS强度通常是根据“静息运动阈值”(RMT)来计算的,RMT定义为在至少10次试验中5次能产生峰值幅度≥50μV的MEP所需的最大刺激输出(MSO)的最低强度(Rossini et al., 2015)。
在TMS研究中,常用“相对频率”方法来确定RMT(即以特定强度施加脉冲,直到确认或排除其作为RMT的可能性)(Hamoline et al., 2024, Rossini et al., 2015, Rossini et al., 1994, Vassiliadis et al., 2020)。不幸的是,这种方法相对耗时,通常需要施加约50-75次TMS脉冲(Mishory et al., 2004)。因此,研究人员一直在寻找更高效的RMT测定方法。“阈值追踪”方法提供了一个概念上优雅的替代方案;它将TMS反应建模为累积高斯分布,从而可以通过在一系列强度下施加相对较少的脉冲来估算RMT(Awiszus, 2003)。这种方法只需19±6次脉冲即可估算出RMT(Awiszus, 2003),但也有报道指出,使用较少的测量次数可能导致RMT的严重误估(Koponen and Peterchev, 2022)。此外,考虑到MEP本身的高度变异性(Rossini et al., 1994),依赖每个强度下的少数反应可能会导致阈值估算不准确,因为少数异常大或小的MEP可能对结果产生不成比例的影响。大多数研究人员继续使用基于相对频率的方法(Rossini et al., 2015),因为这种方法可以提供直接的经验数据来证明RMT(即它展示了RMT的-1%强度未能满足要求)。因此在确定RMT时需要在效率、经验稳健性和实用性之间找到平衡。因此,开发既能提高速度又能保持准确性和可靠性的方法将是一个有价值的进步。
本研究的目标是基于“相对频率”方法优化RMT的测定。鉴于这些方法通常需要实验者手动监测MEP幅度并决定后续步骤(Awiszus and Borckardt, Jeffrey J., 2011; Julkunen, 2019),我们认为自动化这一过程不仅会提高决策速度并减少人为错误的可能性,还能提供可在不同实验室之间适用的标准化程序。因此,我们开发了软件,该软件可逐次测量MEP的峰值幅度,判断给定刺激强度是否代表RMT,并相应调整刺激器强度。这使实验者能够专注于线圈的精确定位,从而减少人为错误的可能性。我们预测,我们的自动化程序提供的RMT测量结果与传统手动估算具有可比的准确性,但效率显著更高。
部分摘要
参与者
共有48名健康参与者完成了这项研究,其中24人参与了实验1,24人参与了实验2。没有人同时参与了两项实验(每个样本的详细信息见相关实验部分)。实验在比利时鲁汶大学神经科学研究所进行。所有参与者均按照标准指南(Lefaucheur et al., 2011, Rossi et al., 2009)接受了TMS实验的资格筛查,包括大脑中是否有金属植入物的检查。
描述性统计
手动和自动化方法得出的RMT结果在质量上相似(平均值±标准差:手动1:58.8±10.9% MSO,手动2:58.9±11.2% MSO,自动1:58.4±10.3% MSO,自动2:58.6±10.6% MSO;见补充图1)。
可靠性
所有组内相关系数(ICC)均≥0.96(表1),反映了方法内部和之间的极佳可靠性。Bland-Altman图(见补充图2)表明偏差很小,一致性范围狭窄,说明方法内部和之间的高度一致性。
讨论
本文介绍了一种自动化相对频率评估方法,平均可在<3分钟内准确识别RMT。在两项实验中,“RMT-Finder”方法显示出了很强的可靠性、一致性和与传统手动程序的等同性。通过使用每种算法版本进行多次测量,证实了RMT-Finder程序能够得到一致的结果。
在两项实验中,“RMT-Finder”程序的每个版本
结论
本文开发了一种自动化程序来确定RMT。结果与手动方法确定的RMT高度一致(ICC≥0.95),所有结果都在±3%的MSO范围内,绝大多数在±2%的MSO范围内。该方法还表现出相似的重测可靠性,同时大幅减少了所需时间。对于实验者来说,这种自动化程序更加方便,使他们能够专注
未引用的参考文献
资助
本研究得到了法国国家科学研究院(Fonds de la Recherche Scientifique - FNRS)的资助,资助编号为FNRS F.4523.23、FNRS 1.B359.25、FNRS 1.AB19.24和FNRS 40031821。MMV是法国国家科学研究院的博士后研究员,EVC和BMW也是该研究院的研究员。
CRediT作者贡献声明
夏琳·特鲁昂(Charlène Truong):撰写、审稿和编辑。马科斯·莫雷诺-维杜(Marcos Moreno-Verdú):撰写、审稿和编辑、初稿撰写、可视化、验证、监督、方法论、研究设计、资金申请、数据分析、概念化。劳琳·F·博伊德坎(Laurine F. Boidequin):撰写、审稿和编辑、初稿撰写、可视化、验证、方法论、研究设计、数据分析、概念化。罗伯特·M·哈德威克(Robert M. Hardwick):撰写、审稿和编辑
利益冲突声明
作者声明他们没有已知的可能影响本文研究工作的财务利益或个人关系。
致谢
我们感谢Philippe Lefèvre教授、André Moreaux教授和Julie Duqué教授提供进行本研究所需的设备。