Optimización basada en aprendizaje automático de la orientación dual del núcleo subtalámico y la sustancia negra en la estimulación cerebral profunda

Por qué importa para las personas con Parkinson

La estimulación cerebral profunda se ha convertido en un tratamiento importante para la enfermedad de Parkinson, especialmente para los problemas de movimiento que ya no responden bien a la medicación. Los nuevos diseños de electrodos pueden estimular más de un punto del cerebro al mismo tiempo, lo que abre la esperanza de un mejor control de síntomas como el bloqueo de la marcha. Sin embargo, los cirujanos aún carecen de reglas claras y basadas en datos sobre cómo colocar un solo electrodo para que alcance de forma fiable dos pequeños centros motores situados en lo profundo del cerebro.

Dos objetivos pequeños con grandes funciones en el movimiento

En la enfermedad de Parkinson, una región llamada núcleo subtalámico es un objetivo habitual de la estimulación cerebral profunda porque participa en el control del movimiento. Justo debajo se encuentra la sustancia negra, que está fuertemente implicada en la marcha y el equilibrio. La propia sustancia negra tiene dos partes vecinas con roles distintos. Algunos estudios sugieren que estimular la parte inferior puede ayudar a problemas de marcha persistentes, pero los resultados han sido inconsistentes. Una razón es que los cirujanos suelen planificar la operación en torno al núcleo subtalámico únicamente y esperan que algunos contactos del electrodo caigan por casualidad en la parte adecuada de la sustancia negra.

Aprendiendo de cientos de cirugías reales

Los autores analizaron datos de imágenes de 612 trayectorias de electrodos que ya se habían implantado en personas con Parkinson mediante métodos estándar. Reconstruyeron con detalle dónde se encontraba cada contacto de cada electrodo dentro del cerebro y si alcanzaba alguna de las dos partes de la sustancia negra. Encontraron que una única trayectoria a menudo podía alcanzar tanto el núcleo subtalámico como la sustancia negra, pero no siempre la subregión deseada. Alrededor de seis de cada diez trayectorias alcanzaron la parte inferior, y más de un tercio alcanzaron la parte superior. Cuando el equipo simuló electrodos ligeramente más largos o una colocación más profunda, la probabilidad de alcanzar al menos una parte de la sustancia negra aumentó, manteniendo al mismo tiempo el núcleo subtalámico al alcance.

Cómo el aprendizaje automático convirtió la anatomía en reglas simples

Para ir más allá del ensayo y error, los investigadores usaron un método de aprendizaje automático llamado clasificador por proceso gaussiano (Gaussian Process Classifier). En lugar de dar consejos durante la cirugía, este algoritmo aprendió de los casos completados qué combinaciones de ángulos y puntos de entrada tenían más probabilidades de alcanzar cada parte de la sustancia negra. Las entradas fueron medidas que los cirujanos ya pueden ver en las resonancias estándar, como la inclinación del electrodo respecto a hitos cerebrales clave y dónde la trayectoria planificada cruza ciertas líneas de referencia. El modelo predijo con alta precisión si una trayectoria planificada pasaría por la parte inferior o superior de la sustancia negra.

De modelos complejos a consejos prácticos para la planificación

Tras entrenar el algoritmo, los autores tradujeron sus predicciones en reglas empíricas sencillas que no requieren ordenador en el quirófano. Para los cirujanos que buscan estimular la parte inferior de la sustancia negra mientras tratan también el núcleo subtalámico, las reglas recomiendan elegir un punto objetivo ligeramente más lateral dentro del núcleo subtalámico y angulares el electrodo un poco más inclinado. Para quienes quieran favorecer la parte superior, se sugiere un objetivo más central y un rango distinto de ángulos. Es importante señalar que, cuando se siguieron estas reglas en los datos, el núcleo subtalámico seguía bien cubierto por otros contactos del mismo electrodo, lo que muestra que una colocación profunda no tiene por qué sacrificar el objetivo principal.

Qué significa esto para tratamientos futuros

Este estudio no evalúa directamente los resultados en pacientes, pero muestra que la orientación dual de dos centros motores cruciales con un solo electrodo es tanto común como predecible. Al convertir miles de datos de cirugías pasadas en una guía anatómica clara, el trabajo abre un camino hacia una planificación de la estimulación cerebral profunda más consistente y precisa. Para las personas con enfermedad de Parkinson, esto podría traducirse eventualmente en un control más fiable de los problemas de marcha y equilibrio, una vez que futuros ensayos clínicos confirmen qué regiones cerebrales específicas y patrones de estimulación ofrecen el mayor beneficio.

Cita: 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

Palabras clave: enfermedad de Parkinson, estimulación cerebral profunda, aprendizaje automático, núcleo subtalámico, sustancia negra