A computational pipeline to infer functional changes in resting state brain activity after tDCS

Transcranial direct current stimulation (tDCS) is a promising neuromodulation technique, yet its network-wide effects on brain dynamics remain poorly understood. This thesis addresses this gap by developing a computational pipeline to create a virtual counterpart of tDCS effects in a parametric space using TheVirtualBrain (TVB) platform. We implemented a subject-specific modelling approach, constraining a whole-brain network with the individual’s structural connectome. The network node dynamics were governed by the multimodal Stefanescu-Jirsa 3D neural mass model, and we performed extensive parameter explorations to fit the model’s output to empirical resting-state EEG. Critically, this fitting was performed by comparing simulated sensor-space EEG directly to the empirical recordings, both before and after tDCS. Our results demonstrate that the pipeline can identify parameter configurations where the global amount of functional connectivity change—quantified by the geodesic distance between pre- and post-stimulation states—is remarkably similar to the empirical data. However, a deeper analysis revealed a critical limitation: while the overall change was comparable, the model failed to accurately reproduce the specific spatial pattern of which signal correlations strengthened or weakened. Furthermore, the best-fitting simulated signals exhibited dominant oscillatory frequencies much higher than the expected alpha band typical of the resting state, indicating a fundamental discrepancy in the spectral content despite the similarity in network-level metrics. This work establishes a foundational pipeline for whole-brain tDCS modelling and highlights a significant challenge: accurately replicating empirical functional connectivity does not guarantee a veridical reproduction of the underlying temporal or spectral dynamics. The findings underscore the need for more adequate neural models or refined parameter tuning strategies and confirm TVB’s potential as an effective tool for probing the mechanisms of non-invasive brain stimulation.

La stimolazione transcranica a corrente diretta (tDCS) è una tecnica di neuromodulazione promettente, i cui effetti a livello di rete sulle dinamiche cerebrali rimangono pressoché ignoti. Questa tesi affronta tale lacuna sviluppando una pipeline computazionale con il fine di creare una controparte virtuale degli effetti della tDCS in uno spazio parametrico, utilizzando la piattaforma TheVirtualBrain (TVB). Abbiamo implementato un approccio di modellazione soggetto-specifico, vincolando una rete cerebrale a livello dell’intero cervello con il connettoma strutturale dell’individuo. Le dinamiche dei nodi della rete sono governate dal modello di massa neurale multimodale Stefanescu-Jirsa 3D, e abbiamo condotto estese esplorazioni parametriche per adattare l’output del modello all’EEG empirico in condizioni di riposo. Con senso critico, questo adattamento è stato eseguito confrontando l’EEG simulato nello spazio dei sensori direttamente con le registrazioni empiriche, sia prima che dopo la tDCS. I nostri risultati dimostrano che la pipeline è in grado di identificare configurazioni di parametri in cui l’entità globale del cambiamento della connettività funzionale tra gli stati pre- e post-stimolazione, quantificata dalla distanza geodetica, è notevolmente simile ai dati empirici. Tuttavia, un’analisi più approfondita ha rivelato una limitazione sostanziale: sebbene il cambiamento complessivo fosse confrontabile, il modello non è riuscito a riprodurre accuratamente lo specifico pattern spaziale di quali correlazioni tra segnali si siano rafforzate o indebolite. Inoltre, i segnali simulati che meglio si adattavano ai dati hanno mostrato frequenze oscillatorie dominanti molto più elevate della banda alfa tipica dello stato di riposo, indicando una discrepanza fondamentale nel contenuto spettrale nonostante la similarità nelle metriche a livello di rete. Questo lavoro stabilisce una pipeline fondamentale per la modellazione sull’intero cervello della tDCS ed evidenzia una sfida significativa: replicare accuratamente la connettività funzionale empirica non garantisce una riproduzione veritiera delle dinamiche temporali o spettrali sottostanti. I risultati sottolineano la necessità di modelli neurali più adeguati o di strategie di taratura dei parametri più raffinate e confermano il potenziale di TVB come uno strumento efficiente per investigare i meccanismi della stimolazione cerebrale non invasiva.