Impact of Censoring on the Quality of Cortical Parcellations and Personalized TMS Targets

Deze studie toont aan dat een mildere censurering van bewegingsartefacten in rs-fMRI-scans leidt tot betere individuele corticale parcellaties en TMS-doelwitselectie dan strikte censurering, wat suggereert dat patiënten met beweging niet per se opnieuw hoeven te worden gescand voor gepersonaliseerde TMS.

De kern

De "Ruwe Diamant" van je Hersenen: Waarom we niet hoeven te schudden om een goede foto te krijgen

Stel je voor dat je hersenen een enorme, complexe stad zijn. Om deze stad in kaart te brengen, gebruiken wetenschappers een speciale camera (fMRI) die foto's maakt van hoe de straten (de verbindingen tussen hersendelen) met elkaar praten. Maar er is een groot probleem: mensen bewegen. Zelfs als je heel stil probeert te liggen, bewegen je ogen, ademhaling en kleine spiertrekkingen. Dit zorgt voor "wazigheid" op de foto's.

Vroeger dachten wetenschappers: "Als de foto te wazig is door beweging, gooien we die foto gewoon weg en nemen we een nieuwe." Dit noemen ze streng censureren.

Maar in dit nieuwe onderzoek vragen de auteurs zich af: "Misschien gooien we te veel weg? Misschien zit er in die 'wazige' foto's nog steeds waardevolle informatie over de unieke structuur van jouw hersenen?"

Hier is wat ze ontdekten, vertaald naar een eenvoudig verhaal:

1. Het probleem: De "Perfecte Foto" is een mythe

Stel je voor dat je een portret van iemand wilt maken. Als die persoon beweegt, wordt de foto wazig. De oude regel was: "Gooi alle wazige foto's weg en maak er nieuwe."
Het probleem is dat sommige mensen (bijvoorbeeld kinderen of mensen met bepaalde aandoeningen) veel bewegen. Als je al hun wazige foto's weggooit, heb je soms helemaal geen foto meer. Je moet ze dan opnieuw laten komen, wat duur, tijdrovend en stressvol is.

2. De nieuwe aanpak: De "Ruwe Diamant"

De onderzoekers hadden geluk. Ze hadden toegang tot mensen die urenlang in de scanner lagen. Ze konden dus een "perfecte" kaart van hun hersenen maken (de waarheid of ground-truth) door alleen de allerbeste, stilste momenten te gebruiken.

Vervolgens maakten ze nep-sessies van 10 minuten, waarbij ze bewust "wazige" stukjes (beweging) toevoegden. Ze testten twee strategieën:

• Strategie A (Streng): Gooi alle wazige stukjes weg. Als er te weinig overblijft, gooi de hele sessie weg.
• Strategie B (Zacht/Lenient): Houd de wazige stukjes erin, maar probeer ze slim te corrigeren.

3. Het verrassende resultaat: "Slijpen" werkt beter dan "Weggooien"

Het resultaat was verrassend: Strategie B (Zacht) was vaak beter dan Strategie A (Streng).

• De Analogie van de Diamant: Stel je voor dat je een ruwe diamant hebt. Als je de ruwe delen (de beweging) te agressief wegslijpt (streng censureren), kun je de hele diamant kwijtraken of er een lelijke steen van maken. Als je de ruwe delen juist voorzichtig polijst (zacht censureren), houd je de volledige vorm en glans van de diamant (jouw unieke hersenkaart) behouden.
• Voor TMS (Hersenstimulatie): Voor patiënten met depressie wordt soms een magnetische stimulatie (TMS) gebruikt. Om dit effectief te maken, moet de arts weten exact waar ze moeten prikken. De studie toont aan dat je met de "zachte" methode een nog nauwkeurigere prikplek kunt vinden dan met de "streng" methode, zelfs als de patiënt veel bewoog.

4. Wat betekent dit voor de praktijk?

Stel je voor dat een patiënt naar de kliniek komt voor een scan. Hij is nerveus en beweegt veel.

• Vroeger: De arts zou zeggen: "Deze scan is te slecht. Kom over een maand terug." Dit kost geld, tijd en frustratie.
• Nu: De arts kan zeggen: "Geen probleem. We gebruiken een slimme software die de beweging corrigeert in plaats van de data te gooien." De patiënt hoeft niet terug te komen, en de arts krijgt zelfs een betere kaart van de hersenen dan wanneer ze alleen de "stille" momenten hadden gebruikt.

Conclusie

De boodschap van dit onderzoek is simpel: We hoeven niet bang te zijn voor beweging.

In plaats van te proberen een "perfecte, bewegingsvrije" scan te forceren (wat vaak onmogelijk is), moeten we leren omgaan met de "ruwe" data. Door minder streng te zijn en meer data te bewaren, krijgen we een beter, persoonlijker beeld van iemands hersenen. Dit maakt behandelingen zoals TMS nauwkeuriger, goedkoper en toegankelijker voor iedereen, ook voor de mensen die het moeilijkst stil kunnen zitten.

Kortom: Soms is een imperfecte foto met de juiste bewerking beter dan een perfecte foto die je helemaal niet hebt.

Technische samenvatting

Probleemstelling

Hoofdbeweging (head motion) tijdens rusttoestand functionele MRI (rs-fMRI) introduceert systematische vertekeningen in schattingen van functionele connectiviteit (FC). Om dit te mitigeren, gebruiken onderzoekers vaak censering (verwijdering van volumes met hoge beweging) en het volledig uitsluiten van runs met veel beweging.

De auteurs wijzen echter op twee kritieke problemen met deze strenge aanpak:

1. Verlies van signaal: Beweging is een continuüm. Strijde censering kan volumes verwijderen die relatief weinig ruis bevatten maar wel waardevol signaal bevatten, wat de kwaliteit van FC-schattingen verslechtert.
2. Selectiebias: Het volledig verwijderen van runs met hoge beweging leidt vaak tot het uitsluiten van hele deelnemers, wat de representativiteit van de steekproef vermindert (bijv. bij bepaalde demografische groepen die vaker bewegen).
3. Klinisch dilemma: Bij gepersonaliseerde Transcraniële Magnetische Stimulatie (TMS) voor psychiatrische aandoeningen is het onduidelijk of patiënten met beweging in de scanner opnieuw gescand moeten worden, of dat de bestaande data (met beweging) bruikbaar is na censering.

Methodologie

De studie gebruikt een innovatieve benadering om de "ware" individuele hersenarchitectuur te benaderen en verschillende censeringstrategieën te testen.

• Datasets: De auteurs gebruikten data van 50 dichtbemonsterde deelnemers uit acht bestaande "precision-fMRI" datasets (waaronder HBNSSI, MSC, MyConnectome, NSD), waarbij deelnemers uren aan rs-fMRI-data hebben verzameld.
• Ground-Truth Referentie:
  • Voor elke deelnemer werden de schoonste sessies geselecteerd (via strikte censering: FD > 0.08 mm, DVARS > 50) om een "ground-truth" te creëren.
  • Vereisten: Minimaal 1 uur aan post-censering data verspreid over minimaal 3 sessies.
  • Op basis van deze data werden individuele corticale parcellaties (via het MS-HBM-model) en gepersonaliseerde TMS-depressiedoelen (via een boomgebaseerd algoritme) berekend.
• Simulatie:
  • De resterende data (niet-ground-truth) werd gebruikt om gesimuleerde rs-fMRI-runs te genereren met variërende bewegingsniveaus.
  • De data werd opgedeeld in 1-minuut vensters en samengevoegd tot 10-minuten runs.
  • Er werden sessies gegenereerd met verschillende bewegingsniveaus (gebaseerd op het percentage frames dat zou worden gecensureerd bij strenge drempels).
• Vergelijkingsstrategieën:
  • Verschillende censeringstrategieën werden toegepast op de gesimuleerde data: Strijde censering (FD 0.08, DVARS 50, hoge beweging runs verwijderen) vs. Geen censering vs. Lekker censering (hogere drempels, bijv. FD 0.5, DVARS 100, runs behouden).
  • De kwaliteit werd gemeten door de gesimuleerde resultaten te vergelijken met de "ground-truth".
    • Parcellatiekwaliteit: Gemeten met de Dice-coëfficiënt (hoger is beter).
    • TMS-doelkwaliteit: Gemeten met de Euclidische afstand tot het ground-truth doel (kleiner is beter).
• Statistiek: Gebruik van gepaarde t-tests en lineaire mixed-effects modellen (LME) om rekening te houden met herhaalde metingen en overlappingen in de data.

Belangrijkste Bijdragen

1. Eerste evaluatie van censering op individuele toepassingen: Waar eerdere studies zich richtten op groepsgemiddelden of QC-FC correlaties, test deze studie specifiek de impact op individuele parcellaties en klinische TMS-doelen.
2. Simulatieframework: Een robuust framework dat gebruikmaakt van lange duur-data om "ground-truth" te definiëren en vervolgens beweging en censering systematisch te manipuleren.
3. Klinische richtlijnen: Het biedt direct toepasbare adviezen voor klinische TMS-protocollen over hoe om te gaan met beweging in de scanner.

Resultaten

• Beweging en Kwaliteit: Zoals verwacht leidt hogere beweging tot lagere kwaliteit van parcellaties en TMS-doelen, maar alleen als strikte censering wordt toegepast.
• Strijde vs. Geen Censering:
  • Geen censering (of zeer liberale censering) leverde consistent hogere kwaliteit parcellaties en nauwkeurigere TMS-doelen op dan strikte censering, zelfs bij beweging.
  • Strijde censering resulteerde in een grotere afwijking van de ground-truth, vooral bij netwerkgrenzen.
• Hoge Beweging vs. Gemengde Beweging:
  • Een sessie met twee runs met hoge beweging (zonder censering) leverde parcellaties en TMS-doelen op die gelijkwaardig of zelfs beter waren dan een sessie met één lage en één hoge beweging run waarbij de hoge run werd verwijderd (strikt gecensureerd).
  • Dit suggereert dat het behouden van "slechte" data beter is dan het volledig verwijderen ervan.
• Optimale Strategie:
  • Lekker censering (bijv. FD = 0.5 mm, DVARS = 100) zonder het verwijderen van runs, leverde resultaten op die dicht bij de "noise ceiling" (de theoretische maximale kwaliteit) lagen.
  • Lekker censering was statistisch significant beter dan strikte censering en gelijk aan geen censering, maar biedt een veiligheidsmarge voor toekomstige deelnemers met extreem hoge beweging.

Betekenis en Conclusie

De studie heeft directe implicaties voor zowel onderzoek als klinische praktijk:

1. Geen her-scan nodig: Patiënten die tijdens een TMS-voorbereidingsscan veel bewegen, hoeven waarschijnlijk niet opnieuw gescand te worden. Het is beter om de bestaande data te verwerken met lekkere censering en de runs te behouden, dan om de data te verwerpen en de patiënt opnieuw te scannen.
2. Behoud van individuele informatie: Strijde censering verwijdert mogelijk waardevolle individuele variatie (trait-gerelateerde beweging) die essentieel is voor het nauwkeurig bepalen van persoonlijke hersennetwerken.
3. Klinische Implementatie: Voor gepersonaliseerde connectome-gestuurde TMS wordt aanbevolen om minder strenge censeringsthrsholds te gebruiken (bijv. FD 0.5 mm) en runs met beweging niet te discarteren, zolang de beweging binnen de onderzochte grenzen blijft.

Samenvattend concludeert de auteurs dat lekkere censering de voorkeur verdient boven strikte censering om de kwaliteit van gepersonaliseerde neuroimaging en TMS-doelen te maximaliseren.