К вопросу о динамике структурной коннективности моторной сети в процессе интерактивной реабилитации раннего восстановительного периода инсульта

Инсульт сопровождается не только локальными повреждениями, но и перестройкой сетевой организации мозга, включая моторные зоны и межполушарные взаимодействия. Современные методы диффузионной МРТ позволяют изучать динамику микроструктуры белого и серого вещества, однако классическая тензорная модель ограничена в оценке сложной архитектуры волокон. Введение куртозисного подхода повышает чувствительность к неоднородностям ткани, что делает его перспективным инструментом для анализа нейропластичности в условиях реабилитации.

Цель исследования – количественно описать динамику диффузионных (тензорных и куртозисных) метрик в моторной сети в ходе нейробиоуправления с применением функциональной МРТ (фМРТ) и ЭЭГ, а также определить прогностические маркеры терапевтической эффективности интерактивной нейрореабилитации.

Материал и методы. В исследование включены 14 пациентов (10 мужчин, 4 женщины) со средним возрастом 58 лет, перенесших ишемический инсульт в пределах 6 месяцев. Пациенты были рандомизированы в основную группу, проходившую курс фМРТ-ЭЭГ-нейробиоуправления (n = 7), и контрольную, получавшую только стандартную реабилитацию (n = 7). Всем обследуемым выполнялись три последовательных этапа клинической оценки и нейровизуализации (до терапии, после курса и через 6 месяцев). Применялись методы диффузионно-тензорной (ДТ-МРТ) и диффузионно-куртозной МРТ (ДК-МРТ) для анализа показателей куртозиса в сером и белом веществе, включая премоторную и дополнительную моторную кору, а также мозолистое тело.

Результаты. В сером веществе к позднему этапу наблюдения выявлено снижение показателей куртозисной фракционной анизотропии (kFA), более выраженное у контрольной группы, что трактовалось как уменьшение упорядоченности клеточной структуры. В белом веществе фиксировались признаки аксональной потери и демиелинизации в зоне инсульта, сопровождавшиеся ремоделированием волокон по данным трактографии. Основная группа демонстрировала тенденцию к формированию новых межполушарных связей через II–III сегменты мозолистого тела, тогда как в контроле преобладали процессы уплотнения существующих проводящих путей. Клинические показатели в основной группе улучшались значительнее (шкала Рэнкина, Фугл – Мейера, сила хвата, тест «Коробка и кубики» (Box-and-Blocks), опросник CES-D для оценки депрессии). Обсуждение. Полученные данные подтверждают комплементарность ДТ-МРТ и ДКМРТ: первая более чувствительна к изменениям миелинизации и аксональной целостности, тогда как куртозис позволяет выявлять микроструктурные перестройки коры. Обнаруженные корреляции между диффузионными метриками и функциональными результатами подчеркивают прогностический потенциал этих параметров для оценки эффективности реабилитации.

Заключение. Интерактивная нейрореабилитация способствует перестройке моторной сети на структурном уровне и сопровождается выраженным клиническим улучшением. Диффузионные показатели, включая фракционную анизотропию, радиальную диффузивность и kFA, могут служить объективными биомаркерами нейропластичности и эффективности терапии в раннем восстановительном периоде инсульта.

1. Zhuravleva K.V., Savelov A.A., Korostyshevskaya A.M., Shtark M.B. Diffusional characteristics of brain matter after stroke. Bull. Exp. Biol. Med. 2022;172(4):402–406. doi: 10.1007/s10517-02205402-9

2. Novikov D.S., Jensen J.H., Helpern J.A., Fieremans E. Revealing mesoscopic structural universality with diffusion. Proc. Natl. Acad. Sci. USA. 2014;111(14):5088–5093. doi: 10.1073/pnas.1316944111

3. Mori S., Zhang J. Principles of diffusion tensor imaging and its applications to basic neuroscience research. Neuron. 2006;51(5):527–539. doi: 10.1016/j.neuron.2006.08.012

4. Winklewski P.J., Sabisz A., Naumczyk P., Jodzio K., Szurowska E., Szarmach A. Understanding the physiopathology behind axial and radial diffusivity changes – what do we know? Front. Neurol. 2018;9:92. doi: 10.3389/fneur.2018.00092

5. Budde M.D., Kim J.H., Liang H.-F., Schmidt R.E., Russell J.H., Cross A.H., Song S.-K. Toward accurate diagnosis of white matter pathology using diffusion tensor imaging. Magn. Reson. Med. 2007;57(4):688–695. doi: 10.1002/mrm.21200

6. Hui E.S., Fieremans E., Jensen J.H., Tabesh A., Feng W., Bonilha L., Spampinato M.V., Adams R., Helpern J.A. Stroke assessment with diffusional kurtosis imaging. Stroke. 2012;43(11):2968–2973. doi: 10.1161/STROKEAHA.112.657742

7. Steven A.J., Zhuo J., Melhem E.R. Diffusion kurtosis imaging: an emerging technique for evaluating the microstructural environment of the brain. AJR. Am. J. Roentgenol. 2014;202(1):W26–W33. doi: 10.2214/AJR.13.11365

8. Glenn G.R., Jensen J.H., Helpern J.A., Tabesh A. Quantitative assessment of diffusional kurtosis anisotropy. NMR. Biomed. 2015;28(4):448–459. doi: 10.1002/nbm.3271

9. Herbet G., Duffau H. Revisiting the functional anatomy of the human brain: toward a metanetworking theory of cerebral functions. Physiol. Rev. 2020;100(3):1181–1228. doi: 10.1152/physrev.00033.2019

10. Cramer S.C. Repairing the human brain after stroke: I. Mechanisms of spontaneous recovery. Ann. Neurol. 2008;63(3):272–287. doi: 10.1002/ana.21393

11. Khruscheva N.A., Mel’nikov M.Y., Bezmaternykh D.D., Savelov A.A., Kalgin K.V., Petrovsky Y.D., Shurunova A.V., Shtark M.B., Sokhadze E.M. Interactive brain stimulation neurotherapy based on BOLD signal in stroke rehabilitation. NeuroRegulation. 2022;9(3):147–163. doi: 10.15540/nr.9.3.147

12. Lioi G., Butet S., Fleury M., Bannier E., Lécuyer A., Bonan I., Barillot C. A multitarget motor imagery training using bimodal EEGfMRI neurofeedback: a pilot study in chronic stroke patients. Front. Hum. Neurosci. 2020;14:37. doi: 10.3389/fnhum.2020.00037

13. Sanders Z.B., Fleming M.K., Smejka T., Marzolla M.C., Zich C., Rieger S.W., Lührs M., Goebel R., SampaioBaptista C., JohansenBerg H. Selfmodulation of motor cortex activity after stroke: a randomized controlled trial. Brain. 2022;145(10):3391–3404. doi: 10.1093/brain/awac239

14. Rizzolatti G., Fogassi L., Gallese V. Motor and cognitive functions of the ventral premotor cortex. Curr. Opin. Neurobiol. 2002;12(2):149–154. doi: 10.1016/s0959-4388(02)00308-2

15. Nachev P., Kennard C., Husain M. Functional role of the supplementary and presupplementary motor areas. Nat. Rev. Neurosci. 2008;9(11):856–869. doi: 10.1038/nrn2478

16. Yu X., Chen H., Wang T., Zhuang D., Zhang Y., Guo H., Zhang Y., Lu J., Wang Y. Changes in the corticospinal tract beyond the ischemic lesion following acute hemispheric stroke: a diffusion kurtosis imaging study. J. Magn. Reson. Imaging. 2020;52(2):512–519. doi: 10.1002/jmri.27066

17. Gong N.J., Wong C.S., Chan C.C., Leung L.M., Chu Y.C. Aging in deep gray matter and white matter revealed by diffusional kurtosis imaging. Neurobiol. Aging. 2014;35(10):2203–2216. doi: 10.1016/j.neurobiolaging.2014.03.011

18. Chang E.H., Argyelan M., Aggarwal M., Chandon T.S.S., Karlsgodt K.H., Mori S., Malhotra A.K. The role of myelination in measures of white matter integrity: combination of diffusion tensor imaging and twophoton microscopy of CLARITY intact brains. NeuroImage. 2017;147:253–261. doi: 10.1016/j.neuroimage.2016.11.068

19. Hofer S., Frahm J. Topography of the human corpus callosum revisited – comprehensive fiber tractography using diffusion tensor magnetic resonance imaging. NeuroImage. 2006;32(3):989–994. doi: 10.1016/j.neuroimage.2006.05.044

20. Paul T., Wiemer V.M., Hensel L., Cieslak M., Tscherpel C., Grefkes C., Grafton S.T., Fink G.R., Volz L.J. Interhemispheric structural connectivity underlies motor recovery after stroke. Ann. Neurol. 2023;94(4):785–797. doi: 10.1002/ana.26737