Deep brain recording of secondary dystonic children : data analysis for new perspectives in understanding of physiopathology

This work is part of an extensive research project, originally started in Rome, and carried on in collaboration with the Politecnico di Milano and the University of South California. The field under investigation is Neuroscience and more specifically Deep Brain Stimulation. The target population is composed by early onset (children ranging between 6-7 and teenagers of 19-20) secondary dystonia patients. The study researched a significant correlation between the condition of the patients and some specific activities (or patterns of activation) in the most characteristic brain regions. The work is structured in three phases, a) an initial video analysis, b) a MATLAB processing to analyze the signals detected by implanted electrodes, c) a data fusion and a joint analysis of the resulting data sets. Video analysis is executed by human operators tagging each single video chunk of 10 seconds according to the patient conditions, classified in standard categories (rest, spasm, voluntary movements). This phase turned out to be very time consuming, almost impossible to be performed automatically and sometimes prone to misclassification that has consequences on the whole chain and can require some rework. The MATLAB study targets the spike detection and their sorting (the process to associate similar waveforms that can be reasonably considered as belonging to a single specific neuron) The work implied long sessions of data processing executed using software modules partially adapted and optimized from the most recent literature (e.g. the wave_clus which could represent a powerful interface for such applications) and largely written ad hoc for all the experimentation necessary to research the patterns of activation and the possible optimization of the relevant parameters (thresholds). The data fusion joins the outputs of the video analysis and of the spike detection / spike sorting process, to create a new, large and very structured database. The joint analysis works on such large database using a linear regression model to analyze data and to extract a set of variables able to justify the experimental observations. The variables considered as coefficient for the linear models are the patients’ conditions, rest condition being used as baseline while spasms and voluntary movements are considered with respect to the rest condition. The statistical significance is duly considered. The threshold to discriminate neurons spikes above the noise (8-times the noise estimation instead of 5-times) is also investigated and briefly discussed. The work concludes that -yes- there is correlation between the condition of the patients and some specific activities (or patterns of activation) in certain brain areas: the more consistent one identified in this study is a positive correlation between the spasm condition and the GPi regions. The correlation significance shall be, in few cases, subject to further investigation, which frequently demonstrates how the subjectivity introduced by the human operator during the video analysis is an area of improvement for future application of the method. Another element of improvement is represented by the need to extend the patients population and some grouping of patient data according to diagnosis.

Questo lavoro fa parte di un ampio progetto di ricerca, originariamente iniziato a Roma, e portato avanti in collaborazione con il Politecnico di Milano e la University of South California. Il campo investigato è quello delle Neuroscienze e in particolare della stimolazione cerebrale profonda (Deep Brain Stimulation o DBS) La popolazione target è composta da giovani pazienti (bambini tra i 6 e i 7 anni e adolescenti tra i 19 e i 20 anni) affetti da distonia secondaria. Lo studio ha ricercato una correlazione significativa tra la condizione dei pazienti e alcune attività specifiche (o modelli di attivazione) nelle regioni cerebrali più caratteristiche. Il lavoro è strutturato in tre fasi: a) una prima analisi video, b) un'elaborazione MATLAB per analizzare i segnali rilevati dagli elettrodi impiantati, c) una fusione dei dati e l'analisi congiunta dei dati risultanti. L'analisi video viene eseguita da operatori umani etichettando ogni singolo pezzo video di 10 secondi in base alle condizioni del paziente, classificate in categorie standard (riposo, spasmi, movimenti volontari). Tale fase si è rivelata molto lunga, quasi impossibile da eseguire automaticamente e talvolta soggetta a errori di classificazione che hanno conseguenze sull'intera catena e possono richiedere alcune rielaborazioni. Lo studio MATLAB mira alla rilevazione dei picchi e alla loro classificazione (il processo per associare forme d'onda simili che si possono ragionevolmente considerare appartenenti ad un singolo neurone specifico). Il lavoro ha comportato lunghe sessioni di elaborazione dati eseguite utilizzando moduli software parzialmente adattati e ottimizzati dalla letteratura più recente (ad esempio il wave_clus che potrebbe rappresentare una potente interfaccia per tali applicazioni) ed in gran parte scritti ad hoc per le sperimentazioni necessarie per la ricerca dei modelli di attivazione e la possibile ottimizzazione dei parametri (soglie). La fusione dei dati si unisce agli output dell'analisi video e del processo di rilevamento ed ordinamento dei picchi, per creare un nuovo database molto strutturato e di grandi dimensioni. L'analisi congiunta lavora sul database esteso utilizzando un modello di regressione lineare per analizzare i dati ed estrarre un insieme di variabili in grado di giustificare le osservazioni sperimentali. Le variabili considerate come coefficiente per i modi lineari sono le condizioni dei pazienti: la condizione di riposo è usate come riferimento, mentre gli spasmi e i movimenti volontari sono valutati rispetto alle condizioni di riposo. La significatività statistica è tenuta in debita considerazione. È presente anche una discussione riguardante il valore della soglia ottimale per discriminare i picchi degli spikes dal rumore. Sembra che considerare la soglia 8 volte la stima del rumore rivela risultati più interessanti rispetto alla soglia 5. Il lavoro conclude che - sì - c'è correlazione tra la condizione dei pazienti e alcune attività specifiche (o modelli di attivazione) in alcune aree del cervello: quella più significativa identificata in questo studio è rappresentata da una correlazione positiva tra le regioni del GPi e la condizione di spasmo. In alcuni casi l'importanza della correlazione è oggetto di ulteriori indagini, che spesso dimostrano come la soggettività introdotta dall'operatore umano durante l'analisi video costituisca un'area di miglioramento future applicazioni del metodo. Un altro elemento di miglioramento è rappresentato dalla necessità di estendere la popolazione dei pazienti e da alcuni raggruppamenti di dati in base alla diagnosi.