Actividad Funcional Cerebral en Estado de Reposo, Redes en Conexion

5/17/2018 Actividad Funcional Cerebral en Estado de Reposo, Redes en Conexion - slidepdf.com

http://slidepdf.com/reader/full/actividad-funcional-cerebral-en-estado-de-reposo-redes-en-conexion-55ab5904549de 1/8

S3www.neurologia.com Rev Neurol 2011; 52 (Supl 1): S3-S10

CONFERENCIA INAUGURAL MEMORIAL DR. MUÑOZ YUNTA

Introducción

La posibilidad de medir la actividad uncional en el

cerebro mediante la señal producida por los cam-bios dependientes del nivel de oxigenación sanguí-

nea (contraste BOLD) ha convertido a la resonanciamagnética uncional (RM) en una herramienta útilen neurociencia cognitiva. Gracias a la RM se hanpodido identicar asociaciones entre la activación

y/o desactivación de áreas cerebrales rente a die-rentes estímulos o respuestas durante la realización

de tareas cognitivas especícas [1]. En los últimosaños esta investigación sobre la actividad evocadaha sido muy productiva para destacar los elementosneuronales asociados con el uncionamiento cere-bral (especicidad uncional).

Se sabe que la energía consumida por la actividadneuronal generada durante la realización de tareases menor del 5% de toda la energía empleada por elcerebro [2]. Por ello, la mayor parte de nuestro co-nocimiento acerca del uncionamiento cerebral pro-

viene del estudio de actividades que consumen pocacantidad de energía. Durante mucho tiempo, en el

campo de la neuroimagen se consideró la actividadde ondo no relacionada con la ejecución de tareascognitivas (actividad intrínseca o espontánea) comoruido aleatorio de muy baja recuencia, por lo cualse excluía y se desaprovechaba. Se ha comprobado

que estas activaciones no son aleatorias, sino queestán bien estructuradas y organizadas [3,4]. Variosestudios han demostrado que estas uctuaciones in-

trínsecas y espontáneas son importantes para cono-cer la conectividad uncional cerebral.

La actividad intrínseca cerebral está presente entodo cerebro y puede estudiarse en cualquiera con-dición. Resulta interesante evaluarla durante el esta-do de reposo, o sea, sin imponer ninguna tarea es-pecíca más allá del reposo y la quietud durante losminutos que tarda la adquisición. Como se discutirá

posteriormente, la idea de estudiar la actividad es-pontánea a través de la señal BOLD en estado de re-poso brinda importantes implicaciones clínicas, de-bido tanto a la acilidad de su implementación comoa sus resultados ables y reproducibles [5].

Curiosamente, el hecho de estudiar la conectivi-dad uncional mediante señales de baja recuencia y

en estado de reposo no es exclusivo de la RM, yaque ha sido también una de las principales vías deestudio de datos electroencealográcos.

En este trabajo se orece una revisión general dela conectividad uncional mediante la RM en esta-do de reposo –RM-reposo; resting state functional

connectivity (RSFC)–. Especícamente, como obje-tivo se comentarán los principales conceptos sub-

yacentes a esta aproximación así como las técnicasde análisis más utilizadas. Además, se inormará so-

Actividad funcional cerebral en estado de reposo:

redes en conexión

Erika Proal, Mar Álvarez-Segura, María de la Iglesia-Vayá, Luis Martí-Bonmatí, F. Xavier Castellanos,y el Spanish Resting State Network (SRSN)

Resumen. El análisis de la conectividad uncional mediante resonancia magnética uncional (RM) puede llevarse a cabodurante la realización de una tarea, la percepción de un estímulo o en estado de reposo. En tales casos, el estudio de laseñal de baja recuencia en la actividad cerebral a través del contraste BOLD en estado de reposo ha revelado patrones deactividad cortical sincronizados, lo que ha permitido describir la arquitectura uncional intrínseca del cerebro humano. La

comunidad cientíca internacional dispone de recursos compartidos que contribuirán mediante este análisis de RM enestado de reposo a la obtención de diagnósticos y tratamientos más precisos y avanzados en el campo de las neurocien-cias. Recientemente, el Spanish Resting State Network (SRSN) se ha aunado a este proyecto colaborativo creando unaestructura de habla española para la cooperación entre los distintos grupos de investigación en neurociencias (http://www.nitrc.org/projects/srsn).

Palabras clave. Actividad intrínseca cerebral. Conectividad uncional. Estado de reposo. Fluctuaciones de baja recuencia.Fluctuaciones espontáneas. ICA. Redes en conexión. RM uncional.

Phyllis Green and Randolph CowenInstitute or Pediatric Neuroscience;Child Study Center; NYU LangoneMedical Center; Nueva York,Estados Unidos (E. Proal, M.Álvarez-Segura, F.X. Castellanos).

Unitat de Recerca en NeurociènciaCognitiva; Universitat Autònomade Barcelona; Barcelona, España(E. Proal). Fundación Alicia Koplowitz(M. Álvarez-Segura). CIBERSAM(M. Álvarez-Segura). Centro deExcelencia de Imagen Biomédica(CEIB); Conselleria de Sanitat;Valencia, España (M. de la Iglesia-Vayá). Servicio de Radiología;Hospital Quirón; Valencia, España(L. Martí-Bonmatí). Área de ImagenMédica; Hospital Universitario yPolitécnico La Fe; Valencia, España(L. Martí-Bonmatí). Nathan KlineInstitute or Psychiatric Research;Orangeburg, NY, Estados Unidos(F.X. Castellanos).

Correspondencia:F. Xavier Castellanos, M.D. PhyllisGreen and Randolph CowenInstitute or Pediatric Neuroscience.NYU Child Study Center.215 Lexington Ave. 14th Floor.10016 New York, NY, USA.

Fax:+1 212 263 4675.

E-mail:[email protected]

Financiación:Stavros Niarchos Foundation,NIMH grant T32MH067763,Fundación Alicia Koplowitz y

Consejo Nacional de Ciencia yTecnología de México (CONACYT).

Investigadores del SRSN:E.J. Aguilar (Valencia), J.J. Albarracín-Álvarez (Valencia), A. Almerich(Valencia), A. Alonso (Barcelona),C. Arango (Madrid), C. Ávila(Castellón), A. Barrós-Loscertales(Castellón), G. Blasco (Girona),M. Bernardo (Barcelona),A. Bolant-Rodríguez (Valencia),R. Bosch (Barcelona), S. Carmona(Barcelona), S. Carreres-Montell(Valencia), J.M. Casamayor-Cortés (Valencia), B. Casanova-Estruch (Valencia), M. Casas



S4 www.neurologia.com Rev Neurol 2011; 52 (Supl 1): S3-S10

E. Proal, et al

bre la consistencia de los resultados obtenidos y su

interpretación. Por último, se destacará la impor-tancia que tienen los novedosos proyectos colabo-rativos cuyo principal objetivo es compartir datosen repositorios comunes, de manera que contribu-

yen a acelerar el proceso de desarrollo de normas

estadísticas y patrones de normalidad universales.Nos centraremos principalmente en el Spanish Res-ting State Network (SRSN), red creada en el últimoaño y conormada por dierentes instituciones es-pañolas para acilitar nuestra participación en estainiciativa global en el ámbito de la neurociencia.

Conectividad uncional

La conectividad uncional se dene como la depen-dencia temporal de la actividad neuronal entre re-giones cerebrales anatómicamente separadas [6,7].

Esa dependencia temporal se relaciona con la co-nectividad estructural, o sea, con las conexiones as-ciculares directas que pueden estudiarse mediante

métodos de RM basados en diusión (tractograíapor RM) [8,9]. Sin embargo, la conectividad uncio-nal también puede existir entre regiones que no es-tén directamente enlazadas por haces axonales [9].

La comunicación uncional entre regiones es desuma importancia para llevar a cabo procesos cog-nitivos que integran inormación a través de die-

rentes regiones cerebrales (integración uncional)[10]. Estudiando la actividad intrínseca espontánea

por el método de RM-reposo, es posible delimitarredes o circuitos de conectividad uncional comple-tos que, a su vez, resultan útiles para conocer más a

ondo la organización del cerebro y así delinear losposibles correlatos neuronales relacionados con di-erentes patologías.

Fluctuaciones espontáneasen la señal BOLD (RSFC)

La conectividad uncional puede analizarse bienmediante estudios de RM inducidos por una tarea(RM-tarea) o por estudios con RM-reposo [11]. Elmayor conocimiento del uncionamiento cerebral

proviene de estudios realizados con RM-tarea. Sin

embargo, una de las preocupaciones más comunesdentro de los estudios de la RM-tarea ha sido laeliminación del ruido inherente que existe en la se-ñal BOLD. Los investigadores han reducido su con-tribución promediando los datos para incrementar

la señal y disminuir el ruido. La actividad de base,considerada inicialmente como ruido, se atribuyódurante mucho tiempo a las señales siológicas,tanto cardíacas como respiratorias.

Fue en 1995 cuando Biswal et al observaron porprimera vez que una racción considerable de este

ruido mostraba patrones organizados y coherentesentre sistemas cerebrales conocidos [3]. El trabajo

de Biswal tenía como objetivo examinar los patro-nes de actividad neuronal del sistema motor, y paraello a los sujetos experimentales se les aplicó unatarea estándar de oposición de dedos para, a conti-

nuación, adquirir una RM-reposo sin pedirles quehicieran algo o reaccionaran ante ningún estímulomotor. El análisis de los resultados mostró que du-rante la tarea de pulsación de dedos se activaron

varias regiones implicadas en la respuesta motora:el área motora primaria y la suplementaria. Asimis-mo, al hacer el segundo análisis en estado de reposo

se seleccionó un único vóxel o región de interés lo-calizado en el área motora, y se analizó su patrón de

correlación temporal con el resto de los vóxeles enel cerebro. Interesantemente, se observaron corre-laciones entre las uctuaciones del vóxel seleccio-nado y las uctuaciones de las mismas regiones que

se activaron durante la tarea de pulsación; es decir,tanto durante la realización de tarea como en esta-do de reposo se destacaron áreas y circuitos casiidénticos (Figura).

El hallazgo de esta observación ha atraído la cu-riosidad de muchos investigadores. A partir del re-

conocimiento de este enómeno, y a través de innu-merables estudios después de 15 años, se ha podido

Figura. Circuito motor tal como se puede obtener en cualquier laboratorio por medio de la resonanciamagnética uncional (RM)-tarea motora inducida (ejemplo obtenido en el Servicio de Radiología delHospital Quirón de Valencia, España, y gracias a la participación de G. García). Esta imagen muestra la

similitud con el hallazgo original de [3], en donde se observan las correlaciones de un ROI (región deinterés) en la corteza motora al realizar la RM en estado de reposo.

(Barcelona), J. Castro (Barcelona),M. Chavarría-Díaz (Valencia), J. Conca-Martínez (Alicante),

M. Correcher (Valencia), I. Corripio(Barcelona), C. Cullell-March

(Barcelona), M.J. Escartí-Fabra(Valencia), C. Falcón (Barcelona),

M. Ferrer (Barcelona), G. García(Valencia), R. García-Mataix

(Valencia), P. García-Úbeda(Valencia), G. Gómez (Valencia),

J.A. Gómez-Moya (Alicante),A. Grau-Hernández (Alicante), M.J.

Hernández-Genovés (Valencia), J. López-Vilaplana (Valencia),

J.J. Lull-Noguera (Valencia),A. Maestre-Rodríguez (Valencia),D. Margulies (Berlín, Alemania),V. Martí (Castellón), A. Martínez-

Aparisi (Valencia), M. Mazón-Momparler (Valencia), F.J. Medina-Álvarez (Valencia), J. Molina-Mateo(Valencia), G. Monté (Barcelona),A. Moreno (Barcelona), E. Muñoz-

Marrón (Barcelona), L. Oleaga(Barcelona), S. Pedraza (Girona),

A. Pedrosa-Martínez (Valencia),

D. Pérez-Cuesta (Valencia), J. Piqueras-Murcia (Valencia),M.J. Portella (Barcelona), J. Puig

(Girona), J.A. Ramos-Quiroga(Barcelona), D. Redolar-Ripoll

(Barcelona), M. Regaña-Valero(Valencia), M. Ribasés (Barcelona),V. Richarte-Fernández (Barcelona),

G.M. Rojas (Santiago de Chile), J.M. Román-Romero (Alicante),

S. Romero-Cela (Barcelona),D. Roselló-Pérez (Valencia),

R. Salvador (Barcelona), P. Sánchez-Manchón (Castellón), A. Sanjuán

(Castellón), J. Sanjuán (Valencia),M. Signes-Juan (Valencia),

J.M. Simón-Bielsa (Valencia),




Conerencia Inaugural Memorial Dr. Muñoz Yunta

validar la existencia de circuitos cerebrales bien de-nidos. Dada su potencial aplicación a poblacionesclínicas, la RM-reposo está siendo cada vez más

aceptada como herramienta válida para la investi-gación neurocientíca [12].

Adquisición de datos: RM-reposoy principales técnicas de análisis

Adquisición

Durante la adquisición de 5 a 10 min (véanse los pa-rámetros en la tabla) de RM-reposo [13] se le pideal sujeto que permanezca sin moverse y con los ojos

abiertos mirando un punto jo en la pantalla o el

equipo de RM. Con esta aproximación se puedenextraer las uctuaciones espontáneas de la señalBOLD. Estas oscilaciones espontáneas estudiadasen la RM-reposo se encuentran especícamenteen el rango de 0,01-0,1 Hz [14]. Es importante men-

cionar que el momento de adquisición de RM-re-poso, bien antes o después de una RM-tarea, inu-

ye en las señales registradas [15], por lo que es re-comendable que la adquisición se realice al prin-cipio del estudio. ambién vale reconocer que laactividad intrínseca cerebral no es exclusiva de la

RM-reposo. De hecho, obteniendo datos de RM-tarea inducida también se pueden extraer este tipo

de oscilaciones de recuencia baja, aplicando unmétodo de regresión que detecte y descarte todaaquella señal que se encuentre relacionada con laejecución de tarea (contrario a un análisis ordinariode datos de RM-tarea).

Principales técnicas de análisis

Las técnicas para analizar la actividad cerebral es-pontánea en estado de reposo han aumentado con-

siderablemente en los últimos años [13,16]. A con-tinuación revisaremos con amplitud las dos técni-cas más utilizadas en la actualidad.

Hypothesis-driven o modelos

dependientes de hipótesis

Este tipo de análisis (de vóxel semilla), que se cono-ce como análisis ROI por sus siglas en inglés (region

of interest ), es uno de los dos enoques que más seutilizan para analizar datos de conectividad uncio-nal en estado de reposo. El análisis por vóxel semi-lla es un método basado en hipótesis (hypothesis-

driven), en el cual se selecciona una región de inte-

rés o semilla y se analiza cómo se conecta uncio-nalmente con otra ROI o con todos los vóxeles del

resto del cerebro. Este análisis se lleva a cabo corre-lacionando las series temporales extraídas de la se-ñal BOLD de la secuencia en estado de reposo a

partir de una semilla seleccionada y comparándolacon las series temporales de las demás áreas cere-

brales, y de esta manera se obtiene un mapa de co-nectividad uncional que delinea todas aquellasáreas que tienen una alta correlación con la ROI se-leccionada [17,18]. La semilla puede seleccionarse

bien a priori, dependiendo del objetivo del investi-gador, o bien tomando como base resultados de es-tudios tradicionales de RM por tarea inducida oestudios por metaanálisis [19].

Pongamos como ejemplo que un investigadoresté interesado en medir y cuanticar el grado de

correlación entre distintas áreas del circuito motor.La circunvolución precentral podría ser una buenacandidata como semilla, ya que esta región ha mos-

trado activaciones en diversos estudios cuando seejecutan tareas motoras sencillas en las que se lepide al voluntario mover su mano. Una vez que se

selecciona esta semilla y después de realizar el aná-lisis de RSFC, los resultados mostrarán aquellas re-giones cerebrales que están correlacionando conesta semilla, por lo que estas áreas se deberán con-siderar uncionalmente conectadas. La sencillez deeste método hace que el análisis por vóxel semillatenga una gran ventaja, aunque debe reconocerse

que se limita a proporcionar resultados vinculadosa conexiones cerebrales ligadas a regiones especí-

J.C. Soliva (Barcelona), C. Soutullo(Pamplona), I. Such (Valencia),C. Tomé-López (Málaga),

J.M. Tormos-Muñoz (Badalona,Barcelona), R. Valenzuela (Valencia),N. Ventura-Campos (Castellón),O. Vilarroya (Barcelona).

Aceptado tras revisión externa: 20.01.11.

Cómo citar este artículo:Proal E, Álvarez-Segura M, De laIglesia-Vayá M, Martí-Bonmatí L,Castellanos FX, y el SpanishResting State Network (SRSN).Actividad uncional cerebral enestado de reposo: redes enconexión. Rev Neurol 2011;52 (Supl 1): S3-10.

© 2011 Revista de Neurología

Tabla. Propuesta de parámetros para la secuencia de RS-RM. En este caso se trata de un escaner de 3 Tde Siemens Tim Trío. La secuencia se debe ajustar a criterio de los técnicos que la programen y depen-diendo de las especicaciones técnicas de la máquina.

Tamaño del vóxel 3 mm isotrópicos, con separación de 0,3 mm entre cortes

Tiempo de repetición Entre 2 y 2,5 s

DuraciónAl menos 6 min, 10 min óptimo; intentar obtener por lomenos 150 volúmenes incluyendo todo el cerebro y cerebelo

Número de canalesde la antena (head coil )

32

Duración de secuencia paralocalización ( scout sequence)

1 min

Duración de secuencia para corregir

pérdidas de señal ( eld map)

2-3 min

Secuencia anatómicaMPRAGE (magnetization prepared rapid acquisition

gradient echo sequence) con vóxeles isotrópicos de 1 mm

DTI (difusion tensor imaging) opcional 30 direcciones y vóxeles isotrópicos de 2,5 mm




E. Proal, et al

cas y predeterminadas. La mayor limitación de estatécnica es que los resultados dependen de la selec-ción inicial de las semillas y, por lo tanto, hay que

escogerlas con mucho cuidado para evitar sesgosde selección.

Data-driven o modelos dirigidos por los datos,

también denominados independientes del modelo

Para evitar denir a priori una región especíca y así poder examinar los patrones de conectividaduncional a través de todas las regiones cerebrales,se han diseñado los métodos de análisis indepen-dientes del modelo, es decir, sin hipótesis previa.

Recientemente, el análisis de componentes inde-pendientes (ICA) ha demostrado ser una técnicaidónea para identicar elementos que describen la

actividad en una red ampliamente dispersa [10].Los métodos basados en el ICA son especialmenteútiles cuando no se conocen las regiones que están

implicadas en una tarea determinada o no se cono-ce la conectividad uncional [20-22].

La técnica de ICA se basa en la descomposiciónde los datos de la RM en componentes indepen-dientes, y se trata de una extensión de los métodosclásicos de separación ciega de uentes (blind sour-

ce separation). Esta técnica separa o descomponelas series temporales de las uctuaciones detecta-das para así identicar el máximo número de com-ponentes independientes que denen redes uncio-

nales (o circuitos uncionales). Además, esta técni-ca permite detectar otro tipo de señales, como, porejemplo, señales siológicas o ruidos relacionados

con movimientos de acomodación de la cabeza. Es-pecícamente, el ICA toma en consideración todoslos vóxeles cerebrales utilizando un algoritmo ma-temático que los separa entre dierentes sistemas(circuitos o componentes) que correlacionan entresí y que a su vez son independientes [23,24]. Aun-

que este análisis tiene muchas ventajas y su aplica-bilidad ha abierto las puertas a nuevas posibilida-des en el diseño de estudios y análisis, los mapasgenerados con este método son normalmente más

complejos de interpretar en comparación con losgenerados con el análisis por vóxel semilla [2] y,

por consiguiente, su aplicabilidad presenta algunasrestricciones y limitaciones [25]. La metodologíade esta técnica ha sido analizada por dierentes au-tores y existen dierentes variaciones del método[26]. Especícamente, el ICA ha servido para po-der explicar de una manera mejor la estructura

uncional cerebral a gran escala, se han detectado y replicado muchos circuitos consistentemente gra-cias a esta técnica [20,27,28] y también se está utili-zando en el análisis de los estudios de poblaciones

clínicas con demencia de tipo Alzheimer o estadospreclínicos de la enermedad [26,27], depresión [29],

esquizorenia [30,31] enermedad de Huntington

[32], esclerosis múltiple [33] o epilepsia del lóbulotemporal [34].

Circuitos uncionalesidentifcados en estado de reposo

Aunque un individuo se encuentre en estado de re-poso, no se puede descartar que esté realizando al-gún tipo de actividad mental que no es posible con-trolar ni conocer, como, por ejemplo, imaginar oevocar algún recuerdo. Este tipo de actividad se

plasma en cambios de la actividad neuronal [2]. Sin

embargo, a pesar de las particularidades propias dela actividad mental en cada individuo, la actividadintrínseca cerebral persiste con rasgos inter e intra-individuales a lo largo del tiempo notoriamente es-tables. Esto se ha demostrado con hallazgos consis-

tentes de RM-reposo durante el sueño [34], anes-tesia [35,36] y el estado de coma [37].

A través de estudios comparativos de actividaddurante RM-tarea y con RM-reposo, se han obser-

vado un conjunto de regiones cerebrales que se ac-tivaba consistentemente en reposo dentro del escá-

ner y que se desactivaba ante la demanda de tareaso la presencia de un estímulo [27,35-37]. A este pri-

mer conjunto de regiones o circuito observado enestado de reposo se le dio el nombre de circuito deactivación por deecto o CAD –en inglés, default

mode network (DMN)– [38]. La distinción entre el

enómeno de actividad espontánea intrínseca ob-servada mediante RSFC y CAD es clara. La activi-dad intrínseca cerebral que orma la base de laRSFC existe en todo el cerebro, mientras que elCAD es uno más de los circuitos uncionales quepueden identicarse mediante el examen de la acti-

vidad intrínseca cerebral [2].El CAD está compuesto por una serie de regio-

nes cerebrales interconectadas, que muestran un

patrón de desactivación durante la ejecución de ta-reas cognitivas de cualquier tipo, pero que estánmuy activas en estado de reposo. Este circuito se harelacionado con la propia monitorización de estados

internos y de la memoria autobiográca [39]. Las re-giones que conorman esta red son la corteza rontal

ventromedial y dorsomedial, el cíngulo anterior (in-cluyendo partes sub, pre y supragenuales), el cínguloposterior, el precúneo, la corteza parietal lateral y elhipocampo [35]. Después de conocerse el CAD [38]

se encontró otro circuito anticorrelacionado conéste, que suele estar activado durante la realización





de tareas cognitivas. Este circuito rontoparietal sedenomina task-positive network . Este circuito aso-ciado a tareas está uertemente relacionado con el

CAD, pero de orma inversa: cuando la señal BOLDestá incrementada en un circuito, ésta se encuentradisminuida en el otro. Este circuito está principal-

mente conormado por regiones cerebrales dorsalesencargadas del procesamiento de la atención (cir-cunvolución intraparietal, campo de visión rontal)[40] junto con regiones ventrales y dorsales, la ínsu-la y la corteza motora suplementaria observadas co-múnmente durante la demanda de tareas cognitivas[36]. Debido a que el CAD ue la primera red intrín-

seca en describirse, se ha estudiado en proundidad y se ha relacionado con ciertas patologías clínicas.No obstante, es importante destacar que no es el

único sistema uncional que exhibe uctuacionesespontáneas coherentes en estado de reposo. Hoy en día se ha observado que muchos de los sistemas

corticales documentados están activos en reposo.Estudios iniciales han descrito alrededor de ochocircuitos consistentes, entre ellos el sistema somato-motor [3], el circuito dorsal y ventral de la atención[41], el circuito visual y el circuito auditivo [27,42].Incluso se ha podido demostrar que este patrón de

actividad entre circuitos es consistente a través dedierentes sujetos [27]; sin embargo, no existe unacuerdo en cuanto al número apropiado de circuitoso componentes obtenidos mediante el ICA. En al-

gunas publicaciones se han encontrado hasta 42 [28] y otros incluso indican muchos más [13,43].

Ventajas de la RM-reposo

Aunque los estudios de RM-reposo se complemen-tan con los de RM-tarea inducida, estudiar la co-nectividad uncional en estado de reposo tiene ven-

tajas propias. Algunas de ellas se enumeran a conti-nuación:– Se puede obtener rápidamente un estudio un-

cional adecuado sin requerir la aplicación de pa-

radigmas de estimulación. Esta ventaja hace quela RM sea aplicable a muchas poblaciones clíni-cas que antes habían quedado excluidas, como

niños, pacientes con deterioros cognitivos, pará-lisis, problemas auditivos y aasias [44]. Inclusose ha corroborado que las uctuaciones espontá-neas persisten bajo condiciones de sueño o die-rentes tipos de anestesia, lo cual acilita el estudiode pacientes con agitaciones o bajo sedación.

– Se pueden delinear circuitos cerebrales comple-tos in vivo [2], de manera que una misma adqui-sición puede utilizarse para estudiar distintos

sistemas cerebrales, al contrario de la RM-tarea,la cual requiere de adquisiciones especícas parapoder estudiar cada una de las unciones que se

pretende analizar. Recientemente se ha demos-trado que la identicación de estos circuitos pue-de ser beneciosa para nes prequirúrgicos, yaque pueden identicarse los circuitos asociadoscon el daño que presenta el paciente y esto a su

vez puede servir como guía para la cirugía y a-

vorecer los resultados de ésta [44].– Se pueden trazar dierencias en cuanto a cada

individuo, ya que se ha demostrado que no sólose pueden analizar dierencias grupales en gran-des poblaciones de sujetos, sino también adqui-rir valores individuales [19,45].

– Estudios recientes han demostrado que esta téc-

nica es compatible con la evaluación de estudioslongitudinales (a corto y a largo plazo), ademásde que permite la reproductibilidad entre sujetos[46,47] y a través de diversos laboratorios [48].

– Puede servir como biomarcador de cambios un-

cionales en todas las etapas del desarrollo de la vida de un sujeto [49]. La RM-reposo ha permi-tido apreciar que los patrones de conectividadlocales que se observan comúnmente en niños sedistribuyen con el tiempo y van siendo reempla-zados por conexiones más ocales cercanas y por

la emergencia de conexiones distantes [50]. am-bién se ha descubierto que la conectividad un-

cional entre regiones corticales y subcorticalesdisminuye progresivamente con la edad [39].

– Esta técnica se puede utilizar para identicar di-erencias en los circuitos uncionales entre gru-

pos de pacientes con trastornos neuropsiquiátri-cos comparados con sujetos control. Esta última

ventaja ha resultado muy relevante y ha desper-tado un gran interés. Muchas de las enermeda-des del sistema nervioso central se conceptuali-zan en la actualidad como trastornos complejosde la conectividad neural [21], y uno de los obje-

tivos principales de la RM-reposo es estudiar laconectividad uncional cerebral in vivo de una

manera más completa y comprensiva de la quese puede alcanzar mediante la RM-tarea.

En el siguiente punto abordaremos una de las apli-

caciones más relevantes en poblaciones clínicas quese ha conseguido con la RM-reposo.

Demencia y RM-reposo

El síndrome de desconexión más paradigmático esla enermedad de Alzheimer, ya que los estudios




E. Proal, et al

neuroanatómicos han demostrado una disrupciónde las asas aerentes y eerentes entre el hipocampo

y otras áreas cerebrales [51]. El área más estudiada

ha sido el hipocampo, ya que es una de las primeraszonas aectadas por la enermedad y empeora sus-tancialmente con la progresión de la enermedad.

Además, a través de estudios previos con RM de altaresolución espacial se ha demostrado atroa de éste,lo que podría orecer un importante valor diagnós-tico [52]. Por esta razón los estudios de conectividaduncional se han centrado undamentalmente en elCAD, en el que se ha encontrado una reducción dela conectividad [53]. Las áreas anormales del CAD

en las que aparece más disrupción han sido el cór-tex cingular posterior y el hipocampo [35,54].

No obstante, lo más llamativo es que no sólo en

pacientes con enermedad de Alzheimer, sino in-cluso en pacientes con décit cognitivo leve, se hahallado una reducción de la conectividad al compa-

rarlos con controles [53]. Estos hallazgos abren laposibilidad del uso de los coecientes de oscilacio-nes espontáneas en estado de reposo de recuenciasbajas en el hipocampo como biomarcador precozde la enermedad [53].

Proyectos colaborativos: redes en conexión

El estudio de un enómeno tan importante como la

conectividad uncional cerebral por medio de laRM-reposo está revolucionando la neurociencia

clínica y la neuropsiquiatría. Los nuevos pasos tra-tan de conocer con mayor detalle la compleja diná-mica del cerebro humano. Durante los últimos añosse han empezado a lanzar iniciativas globales a tra-

vés de espacios públicos comunes de datos, conor-mados por diversos centros de investigación e insti-

tuciones de salud a nivel mundial. Compartir datos y acilitar su accesibilidad por medio de estos repo-sitorios ha permitido empezar a marcar propieda-des estadísticas especícas en un amplio rango demedidas del uncionamiento cerebral.

El primer proyecto de compartición de datos deRM-reposo, 1000 Functional Connectomes Project

(http://www.nitrc.org/projects/con_1000/), se lan-zó con el objetivo principal de poner a disposiciónpública un conjunto de datos procedentes de 35 la-boratorios dierentes repartidos por todo el mundo[48]. Estudios realizados con esta base de datos han

revelado hallazgos muy interesantes en el índice deconectividad uncional cerebral (ICFC), al marcardierencias en los patrones de conectividad cerebralintrínseca entre hombres y mujeres que no son á-cilmente perceptibles en otros estudios con mues-

tras más pequeñas [48]. ambién se han podido ob-

servar cambios en el ICFC a través de las dierentesetapas del desarrollo [39,49].

A pesar de que los hallazgos de este primer proyecto colaborativo han sido de gran importancia,los datos del 1000 Functional Connectomes Projectcuentan con inormación enotípica restringida

(solamente edad y sexo), por lo que se planteó lanecesidad de integrar un nuevo proyecto llamadoINDI: International Neuroimaging Data-sharingInitiative (http://con_1000.projects.nitrc.org/), quese distingue del proyecto anterior en tres aspectosprincipales:

– Los miembros integrantes comparten datos re-gularmente (semanal, mensualmente).

– Los datos cuentan con variables enotípicas más

completas (cociente intelectual, datos demográ-cos especícos, baterías neuropsicológicas).

– Se cuenta no sólo con sujetos control, sino tam-bién con muestras de poblaciones clínicas (como

el trastorno por décit de atención/hiperactivi-dad).

Aunándose a estas iniciativas, y a colación del con-greso internacional de la Organization or HumanBrain Mapping (HBM 2010, Barcelona), se convocó

a todos los grupos de investigación de los cuales setenía conocimiento que trabajaban con datos obte-nidos con RM-reposo, para congurar lo que hoy

es el núcleo del SRSN, una estructura de habla es-pañola de cooperación entre distintos grupos deinvestigación en neurociencias (http://www.nitrc.org/

projects/srsn).Es importante destacar que estas iniciativas no

están separadas, sino más bien unidas por un mis-mo objetivo, trabajan en un proceso de colabora-ción y conexión constante, haciendo que la red in-ternacional de apoyo crezca cada vez más y, porconsiguiente, se puedan ir ormulando propuestas

de nuevas iniciativas.Unir esuerzos para promover una cultura cien-

tíca colaborativa servirá para entender mejor el

uncionamiento cerebral mediante la obtención depatrones de normalidad en la conectividad uncio-nal. Recientemente el National Institute o Mental

Health de Estados Unidos ha destacado los esuer-zos para describir el ‘Connectome humano’ en elsegundo lugar dentro de los 10 avances más impor-tantes durante el 2010 que están contribuyendo aun cambio en la orma de abordar los trastornosmentales (http://www.nimh.nih.gov/about/director/

index-nimh.shtml). De esta manera también nospodremos acercar a un mejor entendimiento de lasenermedades neurológicas y psiquiátricas, con lo





que contribuiremos de una orma más rápida a ela-borar diagnósticos más completos y precisos al es-traticar la gravedad de la enermedad y sus enoti-

pos y a mejorar la ecacia de los tratamientos. Sinembargo, lo más destacable de los proyectos cola-borativos, en los que se pretende compartir tanto

inormación como conocimiento, es que los resul-tados de las investigaciones repercutan de algunaorma (biomarcadores especícos de conectividaduncional) en el usuario nal: los pacientes.

Bibliografía

1. Greicius M. Resting-state unctional connectivity in neuro-psychiatric disorders. Curr Opin Neurol 2008; 21: 424-30.

2. Fox M, Raichle M. Spontaneous uctuations in brain activity observed with unctional magnetic resonance imaging. NatRev Neurosci 2007; 8: 700-11.

3. Biswal B, Yetkin FZ, Haughton VM, Hyde JS. Functionalconnectivity in the motor cortex o resting human brainusing echo-planar MRI. Magn Reson Med 1995; 34: 537-41.

4. De Luca M, Smith S, De Steano N, Federico A, Matthews P.Blood oxygenation level dependent contrast resting statenetworks are relevant to unctional activity in the neocorticalsensorimotor system. Exp Brain Res 2005; 167: 587-94.

5. Fox M, Greicius M. Clinical applications o resting stateunctional connectivity. Frontiers in Systems Neuroscience2010; 4: 19.

6. Friston KJ, Frith CD, Liddle PF, Frackowiak RS. Functionalconnectivity: the principal-component analysis o large(PE) data sets. J Cereb Blood Flow Metab 1993; 13: 5-14.

7. Friston KJ. Te disconnection hypothesis. Schizophr Res 1998;30: 115-25.

8. Damoiseaux J, Greicius M. Greater than the sum o its parts:a review o studies combining structural connectivity and

resting-state unctional connectivity. Brain Struct Funct 2009;213: 525-33.9. Castellanos FX, Margulies D, Kelly C, Uddin L, Ghafari M,

Kirsch A, et al. Cingulate-precuneus interactions: a new locus o dysunction in adult attention-decit/hyperactivity disorder. Biol Psychiatry 2008; 63: 332-7.

10. Van den Heuvel M, Hulshof Pol HE. Exploring the brainnetwork: a review on resting-state MRI unctionalconnectivity. Eur Neuropsychopharmacol 2010; 20: 519-34.

11. Rogers B, Morgan V, Newton A, Gore J. Assessingunctional connectivity in the human brain by MRI. MagnReson Imaging 2007; 25: 1347-57.

12. Lowe MJ. A historical perspective on the evolution o resting-state unctional connectivity with MRI. MAGMA2010; 23: 279-88.

13. Smith S, Miller K, Salimi-Khorshidi G, Webster M,Beckmann C, Nichols , et al. Network modelling methodsor FMRI. Neuroimage 2011; 54: 875-91.

14. Cordes D, Haughton VM, Aranakis K, Carew JD, urski PA,Moritz CH, et al. Frequencies contributing to unctionalconnectivity in the cerebral cortex in ‘resting-state’ data.AJNR Am J Neuroradiol 2001; 22: 1326-33.

15. Barnes A, Bullmore E, Suckling J. Endogenous human braindynamics recover slowly ollowing cognitive efort. PloS One2009; 4: e6626.

16. Margulies D, Böttger J, Long X, Lv Y, Kelly C, Schäer A, etal. Resting developments: a review o MRI post-processingmethodologies or spontaneous brain activity. MAGMA2010; 23: 289-307.

17. Biswal BB, Van Kylen J, Hyde JS. Simultaneous assessmento ow and BOLD signals in resting-state unctionalconnectivity maps. NMR Biomed 1997; 10: 165-70.

18. Cordes D, Haughton VM, Aranakis K, Wendt GJ, urskiPA, Moritz CH, et al. Mapping unctionally related regions

o brain with unctional connectivity MR imaging. AJNRAm J Neuroradiol 2000; 21: 1636-44.

19. Di Martino A, Shehzad Z, Kelly C, Roy A, Gee D, Uddin L,et al. Relationship between cingulo-insular unctional

connectivity and autistic traits in neurotypical adults.Am J Psychiatry 2009; 166: 891-9.20. Beckmann C, DeLuca M, Devlin J, Smith S. Investigations

into resting-state connectivity using independent componentanalysis. Philos rans R Soc Lond B Biol Sci 2005; 360: 1001-13.

21. Calhoun V, Eichele , Pearlson G. Functional brain networksin schizophrenia: a review. Front Hum Neurosci 2009; 3: 17.

22. Beckmann C, Jenkinson M, Smith S. General multilevellinear modeling or group analysis in FMRI. Neuroimage2003; 20: 1052-63.

23. Bartels A, Zeki S. Te chronoarchitecture o the human brain–natural viewing conditions reveal a time-based anatomy o the brain. Neuroimage 2004; 22: 419-33.

24. Kiviniemi V, Kantola J, Jauhiainen J, Hyvrinen A, ervonen O.Independent component analysis o nondeterministic MRIsignal sources. Neuroimage 2003; 19: 253-60.

25. McKeown MJ, Sejnowski J. Independent component analysiso MRI data: examining the assumptions. Hum Brain Mapp

1998; 6: 368-72.26. Calhoun VD, Adali , Pekar JJ, Pearlson GD. Latency (in)

sensitive ICA. Group independent component analysis o MRI data in the temporal requency domain. Neuroimage2003; 20: 1661-9.

27. Damoiseaux JS, Rombouts SA, Barkho F, Scheltens P, StamCJ, Smith SM, et al. Consistent resting-state networks acrosshealthy subjects. Proc Natl Acad Sci U S A 2006; 103: 13848-53.

28. Kiviniemi V, Starck , Remes J, Long X, Nikkinen J, HaapeaM, et al. Functional segmentation o the brain cortex usinghigh model order group PICA. Hum Brain Mapp 2009; 30:3865-86.

29. Greicius M, Flores B, Menon V, Glover G, Solvason H,Kenna H, et al. Resting-state unctional connectivity inmajor depression: abnormally increased contributions romsubgenual cingulate cortex and thalamus. Biol Psychiatry 2007; 62: 429-37.

30. Jari M, Pearlson G, Stevens M, Calhoun V. A method orunctional network connectivity among spatially independentresting-state components in schizophrenia. Neuroimage2008; 39: 1666-81.

31. Escartí MJ, De la Iglesia-Vayá M, Martí-Bonmatí L, RoblesM, Carbonell J, Lull JJ, et al. Increased amygdala and para-hippocampal gyrus activation in schizophrenic patientswith auditory hallucinations: an MRI study using independentcomponent analysis. Schizophr Res 2010; 117: 31-41.

32. Wol R, Sambataro F, Vasic N, Schneldt-Lecuona C, Ecker D,Landwehrmeyer B. Aberrant connectivity o lateral prerontalnetworks in presymptomatic Huntington’s disease. Exp Neurol2008; 213: 137-44.

33. Mohammadi B, Kollewe K, Samii A, Kramp K, Dengler R,Münte . Changes o resting state brain networks inamyotrophic lateral sclerosis. Exp Neurol 2009; 217: 147-53.

34. Zhang Z, Lu G, Zhong Y, an Q, Yang Z, Liao W, et al.Impaired attention network in temporal lobe epilepsy:a resting FMRI study. Neurosci Lett 2009; 458: 97-101.

35. Greicius M, Srivastava G, Reiss A, Menon V. Deault-modenetwork activity distinguishes Alzheimer’s disease romhealthy aging: Evidence rom unctional MRI. Proc Natl AcadSci U S A 2004; 101: 4637-42.

36. Fox M, Snyder A, Vincent J, Corbetta M, Van Essen D, RaichleM. Te human brain is intrinsically organized into dynamic,anticorrelated unctional networks. Proc Natl Acad Sci U S A2005; 102: 9673-8.

37. Fransson P. Spontaneous low-requency BOLD signaluctuations: an MRI investigation o the resting-state deaultmode o brain unction hypothesis. Hum Brain Mapp 2005;26: 15-29.

38. Greicius M, Menon V. Deault-mode activity during a passivesensory task: uncoupled rom deactivation but impactingactivation. J Cogn Neurosci 2004; 16: 1484-92.




E. Proal, et al

39. Supekar K, Uddin L, Prater K, Amin H, Greicius M, Menon V.Development o unctional and structural connectivity withinthe deault mode network in young children. Neuroimage2010; 52: 290-301.

40. Corbetta M, Kincade JM, Shulman G. Neural systems or visual orienting and their relationships to spatial workingmemory. J Cogn Neurosci 2002; 14: 508-23.

41. Fox M, Snyder A, Zacks J, Raichle M. Coherent spontaneousactivity accounts or trial-to-trial variability in human evokedbrain responses. Nat Neurosci 2006; 9: 23-5.

42. Salvador R, Suckling J, Coleman M, Pickard J, Menon D,Bullmore E. Neurophysiological architecture o unctionalmagnetic resonance images o human brain. Cereb Cortex2005; 15: 1332-42.

43. Bellec P, Rosa-Neto P, Lyttelton O, Benali H, Evans A. Multi-level bootstrap analysis o stable clusters in resting-state MRI.Neuroimage 2010; 51: 1126-39.

44. Shimony J, Zhang D, Johnston J, Fox M, Roy A, Leuthardt E.Resting-state spontaneous uctuations in brain activity:a new paradigm or presurgical planning using MRI. AcadRadiol 2009; 16: 578-83.

45. Cox C, Gotimer K, Roy A, Castellanos FX, Milham M, Kelly

C. Your resting brain CAREs about your risky behavior. PloSOne 2010; 5: e12296.

46. Shehzad Z, Kelly AMC, Reiss P, Gee D, Gotimer K, Uddin L,et al. Te resting brain: unconstrained yet reliable. CerebCortex 2009; 19: 2209-29.

47. Meindl , eipel S, Elmouden R, Mueller S, Koch W, DietrichO, et al. est-retest reproducibility o the deault-modenetwork in healthy individuals. Hum Brain Mapp 2010; 31:237-46.

48. Biswal B, Mennes M, Zuo X, Gohel S, Kelly C, Smith S, et al.oward discovery science o human brain unction. Proc NatlAcad Sci U S A 2010; 107: 4734-9.

49. Dosenbach NUF, Nardos B, Cohen A, Fair D, Power J, ChurchJ, et al. Prediction o individual brain maturity using MRI.Science 2010; 329: 1358-61.

50. Dosenbach NU, Fair D, Miezin F, Cohen A, Wenger K,Dosenbach RA, et al. Distinct brain networks or adaptiveand stable task control in humans. Proc Natl Acad Sci U S A2007; 104: 11073-8.

51. Damasio AR, ranel D, Damasio H. Face agnosia and theneural substrates o memory. Annu Rev Neurosci 1990; 13:89-109.

52. Jack CR, Petersen RC, O’Brien PC, angalos EG. MR-basedhippocampal volumetry in the diagnosis o Alzheimer’sdisease. Neurology 1992; 42: 183-8.

53. Li S, Li Z, Wu G, Zhang M, Franczak M, Antuono P.Alzheimer disease: evaluation o a unctional MR imaging

index as a marker. Radiology 2002; 225: 253-9.54. Wang K, Liang M, Wang L, ian L, Zhang X, Li K, et al.

Altered unctional connectivity in early Alzheimer’sdisease: a resting-state MRI study. Hum Brain Mapp 2007;28: 967-78.

Functional cerebral activity in a state o rest: connectivity networks

Summary. Functional connectivity can be measured during task-based unctional magnetic resonance imaging (MRI), orin the absence o specic stimuli or tasks. In either case, the study o low requency uctuations in the BOLD signal revealspatterns o synchronization which delineate the intrinsic unctional architecture o the brain. The scientic communitynow has available shared resources to accelerate the exploitation o resting state MRI with the objectives o improvingdiagnostic methods and leading to better treatments grounded in neuroscience. Fomenting a collaborative scientic

culture will accelerate our understanding o the underlying phenonmemna. Recently, the Spanish Resting State Network(SRSN) has joined this collaborative efort by creating a setting to acilitate collaboration among the various neuroscienceresearch groups working in Spanish (http://www.nitrc.org/projects/srsn).

Key words. Connectivity networks. Functional connectivity. Functional MRI. ICA. Intrinsic cerebral activity. Low requencyuctuations. Spontaneous uctuations. State o rest.

Actividad Funcional Cerebral en Estado de Reposo, Redes en Conexion

Documents

Transcript of Actividad Funcional Cerebral en Estado de Reposo, Redes en Conexion