Il presente elaborato si è occupato di analizzare la tecnica della stimolazione magnetica transcranica, con particolare attenzione all’utilizzo di nuove tipologie di bobine, atte a sti-molare regioni profonde. Questo tipo di stimolazione va a modificare la normale risposta neuronale alla trasmissione dei segnali, al fine di andare a trattare diverse patologie neuro-psichiatriche. Dato il vasto potenziale applicativo, se riferito al numero e alla varietà di pa-tologie trattabili, in maniera efficace, la TMS sta suscitando sempre maggiore interesse e pertanto risulta fondamentale la perfetta comprensione del suo funzionamento.
In questo studio è stato valutato il campo elettrico indotto, tramite una bobina H2, nel cervello di un modello anatomico, al variare la conducibilità della pelle. La necessità di mo-dificare tale parametro è dovuta essenzialmente a due motivazioni: la prima è la mancanza di una precisa conoscenza delle proprietà dielettriche della pelle, soprattutto in corrente con-tinua e in intervalli di stimolazione a bassa frequenza, la seconda, invece, riguarda lo stato di idratazione della pelle, che non solo dipende da paziente a paziente, ma anche dall’età, dallo stato emozionale e dalle condizioni ambientali. Lo studio si è svolto, in prima battuta, utilizzando il software Sim4Life, le cui simulazioni hanno evidenziato fin da subito le diffe-renze sostanziali del campo elettrico indotto al variare della conducibilità della pelle. In se-condo luogo, ci si è spostati su Matlab, dove tali differenze sono state quantificate, andando effettivamente a dimostrare che il campo elettrico risulta maggiore per conducibilità più basse. Inoltre, andando ad analizzare il campo elettrico in altri tessuti del cervello, si è notato che il campo elettrico più elevato si registra nella materia grigia, seconda per valori soltanto alla pelle.
Grazie a queste informazioni, si potrebbero sviluppare nuove geometrie di bobine che siano in grado di stimolare in maniera maggiormente focalizzata una specifica regione pro-fonda, andando a limitare i possibili effetti collaterali e l’inutile stimolazione di zone non interessate dalla patologia.
Per concludere, si può affermare che, con una collaborazione sinergica tra ingegneria e medicina, si arriverà alla profonda comprensione della TMS e dei benefici apportati nel trattamento di patologie che per il momento risultano incurabili o la cui unica terapia è farmacologica.
Bibliografia
Ardolino, G. & Priori, A., 2010. Stimolazione cerebrale elettrica e magnetica. [Online]
Available at: http://www.treccani.it/enciclopedia/stimolazione-cerebrale-elettrica-emagnetica_( Dizionario-di-Medicina)/
Bersani, F. S., 2013. Deep transcranial magnetic stimulation as a treatment for psychiatric disorders: A comprehensive review. Eur. Psychiatry, vol. 28, no. 1, pp. 30-39.
Boggio, et al., 2010. Noninvasive brain stimulation with high-frequency and low-intensity repetitive transcranial magnetic stimulation treatment for posttraumatic stress disorder.
Journal of Clinical Psychiatry, 71, pp. 992-999.
Cappa, S., Sandrini, F. & Rossini, P., 2002. The role of the left frontal lobe in action naming: rTMS evidence.. Neurology, vol. 59, no (5), pp. 720-723.
Casula, M. & Elias, P., 2015. Nuove e vecchie correnti sul cervello: l’avvento della TMS nello studio delle funzioni cognitive e nel trattamento dei disturbi psichici. [Online]
Available at: https://www.neuroscienze.net/stimolazione-magnetica-transcranica/
Colella, M. et al., 2021. Effect of skin conductivity on the electric field induced by transcranial stimulation techniques in different head models. Physics in Medicine & Biology, Volume 66, Number 3.
De Santis, V., Chen, X. L., Laakso, I. & Hirata, A., 2015. An equivalent skin conductivity model for low-frequency magnetic field dosimetry. Biomed. Phys. Eng. Express.
Fiocchi, S. et al., 2016. Assessment of the Electric Field Induced by Deep Transcranial Magnetic Stimulation in the Elderly Using H-Coil. APPLIED COMPUTATIONAL ELECTROMAGNETICS SOCIETY JOURNAL.
Fiore, F., 2017. Lobi frontali, corteccia frontale e corteccia prefrontale- Introduzione alla psicologia.
[Online]
Available at: https://www.stateofmind.it/2017/11/lobi-frontali-corteccia/
Guarnieri, M. & Stella, A., 2004. Principi ed applicazioni di elettrotecnica. s.l.:s.n.
Guyton, A. & Hall, J., 2017. Fisiologia medica, XIII ed - Stati di attivazione cerebrale. Sonno, onde elettroencefalografiche, epilessia, psicosi e demenza. s.l.:Edra.
Hardy, S., Bastick, L., O'Neill-Kerr, A. & Sabesan, P., 2016. Transcranial magnetic stimulation in clinical practice. BJPsych Advances, vol.22, no. (6).
Hasgall, 2018. IT’IS Database for thermal and electromagnetic parameters of biological tissues, Version 4.0. IT’IS.
Klomjai, W., Katz, R. & Lackmy-Vallée, A., 2015. Basic principles of transcranial magnetic stimulation (TMS) and repetitive TMS (rTMS). Annals of physical and rehabilitation medicine, vol. 58, no. (4), pp. 208-213.
Laakso, 2016. Electric fields of motor and frontal tDCS in a standard brain space: A computer simulation study. NeuroImage, vol. 147, pp. 140-151.
Levkovitz, Y., 2009. Deep transcranial magnetic stimulation over the prefrontal cortex:
Evaluation of antidepressant and cognitive effects in depressive patients. Brain Stimul., vol. 2, no. 4, pp. 188-200.
Levkovitz, Y., 2011. Deep transcranial magnetic stimulation add-on for treatment of negative symptoms and cognitive deficits of schizophrenia: A feasibility study. Int. J.
Neuropsychopharmacol., vol. 14, no. 7, pp. 991-996.
Magstim, M., 2006. [Online]
Available at: https://www.magstim.com/products/
Opitz, 2011. How the brain tissue shapes the electric field induced by transcranial magnetic stimulation. NeuroImage, vol.58, pp. 849-859.
Pagge, C., 2018. La neuro stimolazione elettrica non invasiva: le tecniche principali. [Online]
Available at: http://www.menscpz.it/blog/2018/11/22/la-neurostimolazione-elettrica-non-invasiva-le-tecnicheprincipali/
Rapinesi, C., 2013. Efficacy of add-on deep transcranial magnetic stimulation in comorbid alcohol dependence and dysthymic disorder: Three case reports. Prim. Care Companion CNS Disord., vol. 15, no. 1.
Rotha, Y., Padbergc, F. & Zangenb, A., 2007. Three-Dimensional Distribution of the Electric Field Induced in the Brain by Transcranial Magnetic Stimulation Using Figure-8 and Deep H-Coils. Journal of Clinical Neurophysiology - Volume 24 Number 1, pp. 31-33.
Rotha, Y., Padbergc, F. & Zangenb, A., 2007. Transcranial Magnetic Stimulation od Deep Brain Regions: Principles and Methods. Recents andvances in Biological psychiatry, pp. 209-211.
Roth, Y., 2007. Transcranial magnetic stimulation of deep brain region: principles and methods. Adv. Biol. Psychiatry, vol. 23, p. pp. 204–224.
Roth, Y., Amir, A., Levkovitz, Y. & Zangen, A., 2007. hree-dimensional distribution of the electric field induced in the brain by transcranial magnetic stimulation using figure-8 and deep H-coils. J. Clin. Neurophysiol., vol. 24, no. 1, p. 31–38.
Roth, Zangen & Hallett, 2002. A coil design for transcranial magnetic stimulation of deep
Saragosa, A., 2016. La (piccola) scossa che fa bene al cervello. [Online]
Available at:
https://www.repubblica.it/venerdi/articoli/2016/05/17/news/la_piccola_scossa_che_fa _bene_al_cervello-139995236/
Shin, M. & Rauch, S. L., 2004. Amygdala, Medial Prefrontal Cortex, and Hippocampal Function in PTSD. ANNALS NEW YORK ACADEMY OF SCIENCES.
Stopani, E., 2018. Depressione: sintomi, cause e cura. [Online]
Available at: https://www.ipsico.it/sintomi-cura/depressione/
Viosca, J. & DeFelipe, J., 2017. Il cervello, decifrare e potenziare il nostro organo più complesso. Rivista 12, pp. 117-123.
Zangen, A., Roth, Y., Voller, B. & Hallett, 2005. Transcranial magnetic stimulation of deep brain regions: evidence for efficacy of the H-coil. Clinical neurophysiology, vol. 116, no. (4), pp. 775-779.
Zangen, Roth, Voller & Hallet, 2005. Transcranial magnetic stimulation of deep brain regions: evidence for efficacy of the H-coil. Clin Neurophysiol.
Appendice: codice Matlab
% cellArray conterrà i valori del campo elettrico per ogni regione e per ogni sigma E = cell(4,5); % cell array 4*5
[EPeak,E99,Emean,Eabs] = (getCampoElettrico(Snapshot0,sf));
%Salvo i valori di E in una mappa
valori = containers.Map({'picco','99percentile','medio',
'valoriAssoluti'},{EPeak,E99,Emean,Eabs});
%salvo la mappa nel cellArray dei campi elettrici E{i,j}=valori;
end end
% definisco le dimensioni della griglia di output Nx = length(Axis0)-1;
Ny = length(Axis1)-1;
Nz = length(Axis2)-1;
pianoTaglio=126; % quota del piano di taglio, nel nostro caso lungo l'asse Y smapeDuke = cell(6,1); % dichiaro il cellArray smapeDuke che conterrà i risultati % del calcolo dello SMAPE
% Il loop seguente è costruito per percorrere la parte triangolare superiore della
% matrice contenente le combinazioni di tutte i valori di conducibilità acquisiti
% così da scegliere come parametri per la funzione getSmape
% tutte le combinazioni di due conducibilità diverse senza ripetizioni k=0;
for i=1 : 4 for j=1 : 4 if(j>i) k=k+1;
smapeDuke{k} = getSMAPE(E{i,5}('valoriAssoluti'),E{j,5}('valoriAssoluti'));
smapeDuke{k}(isnan(smapeDuke{k}))=0;
end end end
% Obiettivo del ciclo seguente è disegnare i valori dello SMAPE contenuti nel piano
% di taglio selezionato. A tal fine è necessario trasformare il vettore SMAPE
% in una matrice tridimensionale. Le dimensioni della matrice sono state definite
% in precedenza (Nx,Ny,Nz). Definito lo spazio di ricerca si seleziona il piano da
% rappresentare secondo l'indice (asse Y) definito sopra.
% Ultima operazione: si chiama la funzione drawFigure passando in input il piano
% desiderato.
for k = 1 : 6
smapeDuke{k} = reshape(smapeDuke{k},Nx,Ny,Nz);
piano = smapeDuke{k}(pianoTaglio,:,:);
drawFigure(reshape(piano,Ny,Nz)');
end
funzione getCampoElettrico
function [E_peak, E_99, E_mean, Esum] = getCampoElettrico(Snapshot0,sf)
% la funzione getCampoElettrico prende in input la matrice dell'andamento
% del campo elettrico sui tre assi, risultato della simulazione di Sim4Life
% ed un opzionale fattore di scala utilizzato per variare a piacimento
% i valori del campo elettrico.
% La funzione restituisce in uscita tre valori numerici ed una matrice:
% E_peak è uno scalare in doppia precisione che contiene il valore massimo
% del campo elettrico;
% E_99 è uno scalare in doppia precisione che contiene il valore
% 99-percentile del campo elettrico;
% E_mean è uno scalare in doppia precisione che contiene il valore medio
% del campo elettrico;
% Esum è un vettore di numeri complessi contenente la somma delle componenti
% di ogni asse del campo elettrico.
if nargin<2 % se il numero di argomenti della funzione è < 2 assegno sf=1.0; % fattore di scala = 1 (così rendo opzionale secondo parametro) end
Snapshot0(isnan(Snapshot0))=0.0; % sostituisco i NaN con 0
Esum=sum(Snapshot0,2)'; % sommo le tre componenti di snapshot E_abs = sf.*abs(nonzeros(Snapshot0)); % calcolo puntualmente valore assoluto % scartando gli elementi nulli
numSamples = size(E_abs(:,1)); % calcolo il numero dei campioni (lunghezza della matrice) % del campo elettrico in input alla funzione
numSamples = numSamples(1,1); % calcolo del Totale elementi
E_peak = max(E_abs); % calcolo valore di picco del campo elettrico E E_99 = max(prctile(E_abs,99)); % calcolo del 99 percentile del campo elettrico E_mean = sum(E_abs)/numSamples; % calcolo del valore medio del campo elettrico
end
Funzione di calcolo dello SMAPE
% Formula di calcolo dello SMAPE (Symmetric Mean Absolute Percentage Error) function [smape] = getSMAPE(y,f) imagesc(plane); % imposto la sorgente dell'immagine colorbar % abilito la scala di colore
caxis([0 70]) % definisco il range della barra di colore axis equal % forzo l'uguaglianza degli assi
colormap(jet) % seleziono la mappa di colore end