Funktionelle
Magnetresonanztomographie -
ein vereinfachter Überblick über die
Grundprinzipien
Seit Anfang der 90iger
Jahre steht neben den etablierten Verfahren (PET, SPECT, MEG, EEG) eine neue Methode
zur Messung funktioneller Parameter des Kortex zur Verfügung. Mittels
funktioneller Kernspintomographie ist es möglich, kortikale Reaktionen auf
externe Reize mit einer den bisherigen Verfahren überlegenen räumlichen
Auflösung zu messen. Weiterhin lassen sich die erkannten aktivierten Areale bei
Anwendung geeigneter Techniken relativ exakt den entsprechenden anatomischen
Strukturen zuordnen. Während die ersten Ergebnisse noch mit Hilfe von exogenen
Kontrastmitteln erzielt wurden, können funktionelle Untersuchungen mittlerweile
auch ohne deren Applikation durchgeführt werden. Bei diesen Messungen ist die
lokale Oxygenierung des Blutes der entscheidende, die
Signalintensität beeinflussende Parameter.
Dieses als BOLD-Effekt
bekannte Phänomen wurde 1990 von Ogawa et al.
beschrieben. Dabei macht man sich die unterschiedlichen magnetischen
Eigenschaften von oxygeniertem und desoxygeniertem Blut zu nutze. Verantwortlich dafür ist das
an Hämoglobin gebundene Eisen. Dieses wird für den Sauerstofftransport oxygeniert und es entsteht Oxyhämoglobin,
ein Molekül, in welchem die magnetische Eigenschaft des Eisens weitgehend
maskiert ist. Es ist deshalb diamagnetisch. Im Gegensatz dazu steht das Desoxyhämoglobin, dessen Eisenatome ihre volle magnetische
Eigenschaft besitzen und somit paramagnetisch sind. Das paramagnetische Desoxyhämoglobin verursacht in seinem unmittelbaren Umfeld Magnetfeldinhomogenitäten und induziert in der Umgebung der
Gefäße einen lokalen Magnetfeld-gradienten.
Bei der Stimulation von
Kortexarealen kommt es zu einer Steigerung der kortikalen Metabolismusrate (CMRO2) und das aktivierte
Areal reagiert mit einem erhöhten regionalen cerebralen Blutfluss (rCBF). Dabei wird mehr Sauerstoff antransportiert als durch
die neuronale Aktivität verbraucht werden kann. Auf Grund dessen steigt im
venösen Schenkel des Kapillarbettes der Sauerstoffgehalt, und das Verhältnis
von Oxyhämoglobin zu Desoxyhämoglobin
verschiebt sich zu Gunsten des Oxyhämoglobins. Durch
Abnahme des Anteils des paramagnetischen desoxygenierten
Blutes, verringern sich auch die in der Umgebung auftretenden Magnetfeldinhomogenitäten. Dies bedeutet eine langsamere Dephasierung der Protonenspins in
der angeregten Schicht, was zu einem Signalanstieg im T2* gewichteten
Gradientenbild in der aktiven Hirnregion führt.
Die BOLD-Antwort
auf einen Stimulus weist einen charakteristischen zeitlichen Verlauf auf,
welcher stark von den Stimulations- und Hirnbedingungen (Pathologie?) abhängt
und unbedingt bei der Messplanung berücksichtigt werden sollte. Kurz nach
Beginn der Stimulation kann es zu einem kurzen Signalabfall kommen, welcher
vermutlich auf einer metabolismusbedingten lokalen
Sauerstoffabnahme beruht. Durch die stimulationsinduzierte
Mehrdurchblutung folgt im Regelfall 1-2 Sekunden nach Hirnaktivitätsbeginn ein
Signalanstieg. Bis zum Maximum des Signalanstiegs können mehr als 10 Sekunden
vergehen. Der nachfolgende Signalabfall ist so ausgeprägt, dass er
üblicherweise für mehrere Sekunden das Ausgangsniveau unterschreitet.
Bei der fMRT-Messung muss
darauf geachtet werden, dass die Stimuluspräsentation und Antwort-Detektion
dem zeitlichen Verlauf der BOLD-Antwort folgen und die
Wiederholungsfrequenz so gewählt wird, dass eine Beeinflussung der Aktivierung
durch den Post-Stimulus-Undershoot der vorhergehenden
Aktivierung ausgeschlossen werden kann. In den aktiven Hirnregionen kommt es
zusätzlich noch zum sogenannten "lnflow-Effekt".
Dieser besteht darin, dass für den erhöhten Sauerstoffantransport die
präkapillaren Sphinkteren dilatieren, der Blutfluss in das Kapillarbett
ansteigt und somit nicht gesättigte Spins aus den benachbarten Schichten
einströmen, was zu einem zusätzlichen Signalanstieg in der aktiven Region
führt. Inflow-Effekte können sich mit eigentlichen
Aktivierungen überlagern und das Ergebnis der Messung verfälschen.
Während einer fMRT-Messung wechseln sich Perioden, in denen durch
geeignete Paradigmen (beispielsweise Finger-zu-Daumen-Tippen
(FDT)) Hirnareale aktiviert werden, mit Perioden einer Ruhephase ab. Die
Signaldifferenzen der beiden Messperioden in den einzelnen Pixeln
der Bildmatrix können zu einer Aktivierungskarte des Kortex weiterverarbeitet
werden.
Bei einer Feldstärke von 1.5 Tesla bewegen sich
diese Signaldifferenzen in der Größenordnung von 3-5%. Zur Darstellung dieser feinen
Signalunterschiede eignen sich statistische Auswertungsverfahren, die auf einer
Differenzbildung zwischen den Ruhe- und Aktivierungsbildern beruhen (Z-Score,
Student t-test) oder die mit dem
Intensitäts-Zeit-Verlauf mit einer geeigneten Referenzfunktion (z.B.
Rechteckfunktion oder Sinusfunktion)
korrelieren. Die Unterteilung des Paradigmas in sich abwechselnde Ruhe und
Aktivitätsphasen ermöglicht es, Störungen, die meist nicht diese Periodizität
aufweisen, zu eliminieren.
Die Abbildung zeigt
einen Signalzeitverlauf eines aktivierten Pixels und eines nicht-aktivierten
Pixels mit Referenzzeitverlauf. Die Kurve des nicht-aktivierten
Pixels weist nicht die Periodizität des Referenzzeitverlaufes auf, weshalb sie
nicht bei der Signalaufbereitung berücksichtigt wird, die Kurve der aktivierten Pixels entspricht der Periodizität und wird
berücksichtigt. Auf diese Weise ist es möglich, Aktivierungen/Störungen die
nicht dem Paradigma entsprechen als das Ergebnis beeinflussende Größe
auszuschließen.
Nachfolgend ist ein Beispiel für ein
einfaches Block-Design Paradigma mit 4 Aktivitäts- und 5 Ruhe-Phasen
dargestellt. Jede Phase dauert 40 sec, die gesamte Messung 360 sec. In dieser
Zeit werden 45 Ganzhirnscanns aufgenommen.
Bei der Analyse von fMRT Daten
kommen auch wesentlich kompliziertere mathematische
Verfahren wie Fast-Fourier-Transformation,
Faktorenanalyse oder neuronale Netzwerke zur Anwendung. Die beim der funktionellen MRT gemessenen Effekte
sind relativ klein und von Artefakten überlagert, so dass eine Reihe von
Wiederholungen nötig sind, um eine Antwort statistisch signifikant detektieren
zu können. Um für komplexe kognitive Stimulationsexperimente die
Empfindlichkeit zu steigern und damit die Untersuchungszeit in vertretbarem
Rahmen zu halten, ist eine Verbesserung des Signal-Artefakt-Verhältnisses
wünschenswert. Die
meisten Artefakte entstehen durch regionale Signalverluste in der Nähe der
Schädelhöhlen, durch technisch bedingte Geisterbilder (ghosts),
durch Flussartefakte in der Nähe großer Gefäße, durch mangelnde
Langzeitstabilität des MR-Scanners, durch Körperbewegungen
des Probanden während der Messung sowie durch kurz dauernde physiologische
Probandenbewegungen (Pulsationen, Schlucken). Aus diesem Grund wird vor der Auswertung
der Daten noch eine Bewegungskorrektur
derjenigen Bilder durchgeführt, die sich gegenüber einem Referenzbild, z.B. dem
ersten Bild der Messserie, aus ihrer ursprünglichen Position bewegt haben.
Durch Rücktranslation und Rückrotation werden alle
Bilder der Messserie mit dem Referenzbild wieder zur Deckung gebracht.
Um die aktivierten Hirnareale auch
anatomisch zuordnen zu können, wird dem funktionellen MR-Bild
ein anatomisches Bild untergelegt. Dem Gehirn kann aber auch ein spezielles
Koordinatensystem zugrunde gelegt werden, wodurch die anatomische Auswertung
dann erheblich erleichtert wird. Für funktionelle Gehirnuntersuchungen eignet
sich dazu vor allem das Standardgehirn nach Talairach. Bei
Patientenuntersuchungen empfiehlt sich allerdings eine vorsichtige Anwendung
dieser Techniken, da aufgrund der unvermeidbaren Verzerrungen funktioneller
Bilder ungenaue Überlagerungen resultieren können. Von fMRT Experten
angewendete manuelle Verfahren sind hier im Regelfall überlegen.
Die funktionelle
Magnetresonanztomographie (fMRT) zeichnet sich gegenüber funktionellen Gehirnuntersuchungen
mit der Positronen-Emmissions-Tomographie (PET) oder
der Single-Photon-Emmissions-Computer-Tomographie
(SPECT) durch Nicht-invasivität und fehlende
Strahlenbelastung sowie durch eine wesentlich bessere räumliche
(Millimeterbereich) und zeitliche Auflösung (Sekundenbereich) aus.
Durch die fMRT konnten nicht nur
Ergebnisse anderer Modalitäten bestätigt, sondern auch neue und wesentliche
Erkenntnisse gewonnen werden.
Ausführlichere Informationen und
detaillierte Auswerteanleitungen für fMRT-Daten mit
der SPM-Software finden Sie auf der von C.M.
Siedentopf erstellten Homepage:
© 2011 by ÖGfMRT
powerd by www.fmri-easy.de