تحسين معتمد على التعلم الآلي لاستهداف مزدوج للنواة تحت المهاد والمادة السوداء في التحفيز العميق للدماغ

لماذا يهم هذا لمرضى باركنسون

أصبح التحفيز العميق للدماغ علاجاً مهماً لمرض باركنسون، لا سيما لمشكلات الحركة التي لم تعد تستجيب جيداً للأدوية. تصاميم أقطاب جديدة يمكنها تحفيز أكثر من موضع واحد في الدماغ في آنٍ واحد، مما يثير الأمل في تحكم أفضل بالأعراض مثل تجمّد المشي. ومع ذلك، لا يزال الجراحون يفتقرون إلى قواعد واضحة مستندة إلى بيانات حول كيفية وضع مسبار واحد بحيث يمكنه الوصول بشكل موثوق إلى مركزين صغيرين للحركة عميقين داخل الدماغ.

هدفان صغيران لهما أدوار كبيرة في الحركة

في مرض باركنسون، تُعتبر منطقة تدعى النواة تحت المهاد هدفاً شائعاً للتحفيز العميق للدماغ لأنها تساهم في التحكم بالحركة. وتقع تحته مباشرة المادة السوداء، التي تشارك بقوة في المشي والتوازن. وتنقسم المادة السوداء نفسها إلى جزأين متجاورين لكل منهما دور مختلف. تشير بعض الدراسات إلى أن تحفيز الجزء السفلي قد يساعد في مشكلات المشي العنيدة، لكن النتائج كانت متباينة. أحد الأسباب أن الجراحين عادة ما يخططون للعملية حول النواة تحت المهاد فقط ويأملون أن تقع بعض جهات الاتصال على المسبار في الجزء الصحيح من المادة السوداء بالصدفة.

التعلم من مئات العمليات الحقيقية

حلل المؤلفون بيانات تصويرية من 612 مساراً لمسبارٍ تم زرعها بالفعل في مرضى باركنسون باستخدام طرق معيارية. أعادوا بعناية بناء موقع كل جهة اتصال على كل مسبار داخل الدماغ وما إذا كانت تلامس أيّاً من الجزئين في المادة السوداء. وجدوا أن مساراً واحداً غالباً ما يستطيع الوصول إلى كل من النواة تحت المهاد والمادة السوداء، لكن ليس دائماً إلى الجزء الفرعي المرغوب. نحو ستة من كل عشرة مسارات وصلت إلى الجزء السفلي، وأكثر من ثلثها وصلت إلى الجزء العلوي. عندما حاكى الفريق أقطاباً أطول قليلاً أو وضعية أعمق، ارتفعت فرصة الوصول إلى جزء واحد على الأقل من المادة السوداء مع الاحتفاظ بقدرة الوصول إلى النواة تحت المهاد.

كيف حوّل التعلم الآلي التشريح إلى قواعد بسيطة

لتجاوز التجربة والخطأ، استخدم الباحثون طريقة تعلم آلي تُدعى مصنف العمليات الغاوسية (Gaussian Process Classifier). بدلاً من تقديم نصائح أثناء الجراحة، تعلّم هذا الخوارزم من الحالات المكتملة أي تراكيب الزوايا ونقاط الدخول كانت الأكثر احتمالاً للوصول إلى كل جزء من المادة السوداء. كانت المدخلات قياسات يمكن للجراحين رؤيتها بالفعل على صور الدماغ القياسية، مثل ميل المسبار بالنسبة إلى معالم دماغية رئيسية وأين يقطع المسار المخطط له خطاً مرجعياً معيناً. تنبأ النموذج بدقة عالية ما إذا كان المسار المخطط سيمر عبر الجزء السفلي أو العلوي من المادة السوداء.

من نماذج معقّدة إلى نصائح عملية للتخطيط

بعد تدريب الخوارزم، ترجم المؤلفون توقعاته إلى قواعد عملية بسيطة لا تتطلب أي حاسوب في غرفة العمليات. بالنسبة للجراحين الذين يهدفون إلى تحفيز الجزء السفلي من المادة السوداء مع الاستمرار في علاج النواة تحت المهاد، توصي القواعد باختيار نقطة هدف داخل النواة تحت المهاد تكون مائلة قليلاً نحو الجانب وزاوية المسبار أكثر انحداراً قليلاً. أما من يريدون تفضيل الجزء العلوي، فيُقترح هدف أكثر مركزية ونطاق زاوي مختلف. ومن المهم أن هذه القواعد، عند اتباعها في البيانات، أبقت النواة تحت المهاد مغطاة جيداً بواسطة جهات اتصال أخرى على نفس السلك، مما يدل على أن الوضع الأعمق لا يلزم أن يضحي بالهدف الرئيسي.

ما يعنيه هذا للعلاج المستقبلي

لا تختبر هذه الدراسة نتائج المرضى مباشرة، لكنها تظهر أن الاستهداف المزدوج لمركزي حركة حاسمين بمسبار واحد أمر شائع ويمكن التنبؤ به. من خلال تحويل آلاف نقاط البيانات من عمليات سابقة إلى إرشاد تشريحي واضح، يوفر العمل مساراً نحو تخطيط أكثر اتساقاً ودقة للتحفيز العميق للدماغ. بالنسبة للأشخاص المصابين بمرض باركنسون، قد يترجم هذا في النهاية إلى تحكم أكثر موثوقية في مشكلات المشي والتوازن، بمجرد أن تؤكد تجارب سريرية مستقبلية أي المناطق الدماغية وأنماط التحفيز تقدم الفائدة الأكبر.

الاستشهاد: Leavitt, D., Negahbani, F. & Gharabaghi, A. Machine learning-based optimization of dual subthalamic nucleus and substantia nigra targeting in deep brain stimulation. npj Parkinsons Dis. 12, 124 (2026). https://doi.org/10.1038/s41531-026-01406-8

الكلمات المفتاحية: مرض باركنسون, التحفيز العميق للدماغ, التعلم الآلي, النواة تحت المهاد, المادة السوداء