Machine-Learning-basierte Optimierung der dualen Zielausrichtung von Subthalamischem Kern und Substantia Nigra bei der tiefen Hirnstimulation

Warum das für Menschen mit Parkinson wichtig ist

Die tiefe Hirnstimulation hat sich zu einer wichtigen Behandlung der Parkinson-Krankheit entwickelt, insbesondere für Bewegungsstörungen, die auf Medikamente nicht mehr gut ansprechen. Neue Elektrodenkonstruktionen können mehr als einen Punkt im Gehirn gleichzeitig stimulieren, was Hoffnung auf eine bessere Kontrolle von Symptomen wie Freezing of Gait weckt. Chirurgen fehlen jedoch nach wie vor klare, datenbasierte Regeln dafür, wie eine einzelne Elektrode so platziert werden kann, dass sie zuverlässig zwei winzige Bewegungszentren tief im Gehirn erreicht.

Zwei kleine Ziele mit großer Rolle für die Bewegung

Beim Parkinson ist eine Region, der subthalamische Kern, ein häufiges Ziel für die tiefe Hirnstimulation, weil sie an der Bewegungssteuerung beteiligt ist. Direkt darunter befindet sich die Substantia nigra, die stark an Gehen und Gleichgewicht beteiligt ist. Die Substantia nigra selbst besteht aus zwei benachbarten Partien mit unterschiedlichen Funktionen. Einige Studien legen nahe, dass die Stimulation des unteren Teils hartnäckige Gehprobleme verbessern könnte, doch die Ergebnisse waren inkonsistent. Ein Grund dafür ist, dass Chirurgen die Operation meist nur um den subthalamischen Kern herum planen und hoffen, dass einige Elektrodenkontakte zufällig im richtigen Teil der Substantia nigra landen.

Lernen aus Hunderten realer Operationen

Die Autoren analysierten Bilddaten von 612 bereits implantierten Elektrodenverläufen bei Menschen mit Parkinson, die nach standardisierten Verfahren gesetzt worden waren. Sie rekonstruierten sorgfältig, wo sich jeder Kontakt jeder Elektrode tatsächlich im Gehirn befand und ob er einen der beiden Teile der Substantia nigra berührte. Sie stellten fest, dass ein einzelner Trajektorienpfad oft sowohl den subthalamischen Kern als auch die Substantia nigra erreichen konnte, aber nicht immer die gewünschte Unterregion. Etwa sechs von zehn Verläufen erreichten den unteren Teil, und mehr als ein Drittel erreichte den oberen Teil. In Simulationen mit etwas längeren Elektroden oder tieferer Platzierung stieg die Wahrscheinlichkeit, mindestens einen Teil der Substantia nigra zu erreichen, weiter an, während der subthalamische Kern weiterhin in Reichweite blieb.

Wie Machine Learning Anatomie in einfache Regeln verwandelte

Um über Trial-and-Error hinauszukommen, verwendeten die Forscher eine Machine-Learning-Methode namens Gaussian Process Classifier. Anstatt während der Operation Ratschläge zu geben, lernte dieser Algorithmus aus den abgeschlossenen Fällen, welche Kombinationen aus Winkeln und Eintrittspunkten am wahrscheinlichsten jeden Teil der Substantia nigra treffen würden. Als Eingaben dienten Messgrößen, die Chirurgen bereits auf Standard-Hirnscans sehen können, wie die Neigung der Elektrode relativ zu wichtigen Hirnmarken und wo der geplante Pfad bestimmte Referenzlinien kreuzt. Das Modell sagte mit hoher Genauigkeit voraus, ob ein geplanter Trajektorienpfad durch den unteren oder oberen Teil der Substantia nigra verlaufen würde.

Von komplexen Modellen zu praktischen Planungstipps

Nach dem Training des Algorithmus übersetzten die Autoren dessen Vorhersagen in einfache Faustregeln, die keinen Computer im Operationssaal erfordern. Für Chirurgen, die den unteren Teil der Substantia nigra stimulieren wollen und zugleich den subthalamischen Kern behandeln möchten, empfehlen die Regeln, einen leicht seitlicheren Zielpunkt innerhalb des subthalamischen Kerns zu wählen und die Elektrode etwas steiler anzuwinkeln. Wer den oberen Teil bevorzugt, dem wird ein zentralerer Zielpunkt und ein anderes Winkelintervall vorgeschlagen. Wichtig ist, dass bei Befolgung dieser Regeln in den Daten der subthalamische Kern weiterhin gut durch andere Kontakte entlang derselben Sonde abgedeckt war, was zeigt, dass tiefere Platzierung nicht zwangsläufig das Hauptziel beeinträchtigen muss.

Was das für die künftige Behandlung bedeutet

Diese Studie prüft keine Patientenergebnisse direkt, zeigt jedoch, dass die doppelte Zielerreichung von zwei wichtigen Bewegungszentren mit einer einzigen Elektrode sowohl häufig als auch vorhersagbar ist. Indem Tausende Datenpunkte aus früheren Operationen in klare anatomische Leitlinien übersetzt wurden, bietet die Arbeit einen Weg hin zu konsistenterer und präziserer Planung der tiefen Hirnstimulation. Für Menschen mit Parkinson könnte dies langfristig in eine zuverlässigere Kontrolle von Geh- und Gleichgewichtsproblemen münden, sobald zukünftige klinische Studien bestätigen, welche spezifischen Hirnregionen und Stimulationsmuster den größten Nutzen bringen.

Zitation: 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

Schlüsselwörter: Parkinson-Krankheit, tiefe Hirnstimulation, Machine Learning, subthalamischer Kern, Substantia nigra