自閉症の特徴の次元スペクトル全体における静止状態のEEGマイクロステート:典型的な発達からASDの診断に至るまで

科学分野:

• 神経科学は神経科学である.
• 脳のダイナミクス
• 自閉症に関する研究

背景:

• 自閉症スペクトル障害 (ASD) は,非典型の大規模な脳のダイナミクスに関連しています.
• これらのダイナミクスがより広範な自閉症現象型にどのように現れるかを理解することは極めて重要です.

研究 の 目的:

• 自閉症障害を持つ成人と,異なる自閉症の特徴を持つ成人の典型的発達状態におけるEEGマイクロステートダイナミクスを調査する.
• 時間的,空間的,および移行的なマイクロステートパラメータの変化を探求する.

主な方法:

• 3つのグループに7クラスの静止状態のEEGマイクロステートモデル (A-G) を適用した:臨床ASD,典型的には高い自閉症の特徴 (TD-High),典型的には低い自閉症の特徴 (TD-Low) が発達する.
• 時間のパラメータ,空間的カバー,説明された変数,および移行確率 (観察されたおよび偶然修正された) を比較した.

主要な成果:

• ASDグループは,全般的に断片化された脳動的状態を示し,より短い,より頻繁なマイクロステートエピソードと,両方のTDグループと比較して期間変動が減少しました.
• マイクロステートCは,ASDにおける説明された分散とカバー率の減少を示した. マイクロステートEとGは,TD-LowからTD-HighからASDまで,説明されたバリエンスとカバー率の増加を示した.
• トランジション分析では,ACマイクロステートアンサンブル内の短距離トランジションの減少と,これらの状態からASDの他の状態へのトランジションの増加が明らかにされ,TD-Highは中間パターンを示した.

結論:

• EEGマイクロステート分析は,自閉症に関連する脳のネットワーク組織の次元パターンを明らかにし,サブクリニックの特徴から臨床診断まで広がっています.
• 発見は自閉症の次元的説明を支持し,EEGマイクロステートは自閉症の特徴のスペクトル全体にわたるネットワーク変化のバイオマーカーとして機能する.