Optimisation par apprentissage automatique du ciblage dual du noyau sous‑thalamique et de la substance noire en stimulation cérébrale profonde

Pourquoi cela compte pour les personnes atteintes de la maladie de Parkinson

La stimulation cérébrale profonde est devenue un traitement important de la maladie de Parkinson, en particulier pour les troubles moteurs qui ne répondent plus correctement aux médicaments. Les nouveaux designs d’électrodes peuvent stimuler plusieurs sites du cerveau simultanément, ouvrant l’espoir d’un meilleur contrôle des symptômes tels que l’enrayement de la marche. Pourtant, les chirurgiens manquent encore de règles claires et fondées sur les données pour positionner une seule électrode de façon à atteindre de manière fiable deux petits centres moteurs situés en profondeur.

Deux petites cibles aux grands rôles dans le mouvement

Dans la maladie de Parkinson, une région appelée noyau sous‑thalamique est une cible fréquente de la stimulation cérébrale profonde car elle participe au contrôle des mouvements. Immédiatement en dessous se trouve la substance noire, fortement impliquée dans la marche et l’équilibre. La substance noire elle‑même comprend deux parties voisines aux rôles distincts. Certaines études suggèrent que stimuler la portion inférieure pourrait aider des troubles de la marche réfractaires, mais les résultats ont été discordants. Une explication est que les chirurgiens planifient généralement l’intervention autour du noyau sous‑thalamique uniquement et espèrent que certains contacts de l’électrode atteindront par hasard la bonne partie de la substance noire.

Apprendre à partir de centaines d’interventions réelles

Les auteurs ont analysé les données d’imagerie de 612 trajectoires d’électrode déjà implantées chez des personnes atteintes de la maladie de Parkinson selon des méthodes standards. Ils ont reconstruit avec précision la position de chaque contact sur chaque électrode dans le cerveau et déterminé s’il touchait l’une ou l’autre des deux parties de la substance noire. Ils ont constaté qu’une trajectoire unique pouvait souvent atteindre à la fois le noyau sous‑thalamique et la substance noire, mais pas toujours la sous‑région souhaitée. Environ six trajectoires sur dix atteignaient la partie inférieure, et plus d’un tiers atteignaient la partie supérieure. Lorsque l’équipe a simulé des électrodes légèrement plus longues ou un placement plus profond, la probabilité d’atteindre au moins une partie de la substance noire augmentait encore tout en conservant l’accès au noyau sous‑thalamique.

Comment l’apprentissage automatique a transformé l’anatomie en règles simples

Pour dépasser l’approche empirique, les chercheurs ont utilisé une méthode d’apprentissage automatique appelée classifyeur à processus gaussien (Gaussian Process Classifier). Plutôt que de fournir des conseils en salle d’opération, cet algorithme a appris à partir des cas réalisés quelles combinaisons d’angles et de points d’entrée étaient les plus susceptibles d’atteindre chaque partie de la substance noire. Les entrées étaient des mesures visibles sur les examens cérébraux standard, comme l’inclinaison de l’électrode par rapport à des repères cérébraux clés et l’endroit où la trajectoire planifiée croise certaines lignes de référence. Le modèle a prédit avec une grande précision si une trajectoire planifiée passerait par la partie inférieure ou la partie supérieure de la substance noire.

De modèles complexes à des conseils pratiques de planification

Après l’entraînement de l’algorithme, les auteurs ont traduit ses prédictions en règles empiriques simples qui ne nécessitent aucun calculateur en salle d’opération. Pour les chirurgiens souhaitant stimuler la portion inférieure de la substance noire tout en traitant le noyau sous‑thalamique, les règles recommandent de choisir un point cible légèrement plus latéral dans le noyau sous‑thalamique et d’anguler l’électrode un peu plus verticalement. Pour ceux qui veulent favoriser la portion supérieure, un point cible plus central et une plage d’angles différente sont suggérés. Il est important de noter que, lorsque ces règles étaient suivies dans les données, le noyau sous‑thalamique restait bien couvert par d’autres contacts le long du même implant, montrant qu’un positionnement profond n’implique pas de renoncer à la cible principale.

Ce que cela signifie pour les traitements futurs

Cette étude n’évalue pas directement les résultats cliniques des patients, mais elle montre que le double ciblage de deux centres moteurs cruciaux avec une seule électrode est à la fois fréquent et prévisible. En convertissant des milliers de points de données d’interventions passées en directives anatomiques claires, ce travail ouvre la voie à une planification de la stimulation cérébrale profonde plus cohérente et plus précise. Pour les personnes atteintes de la maladie de Parkinson, cela pourrait à terme se traduire par un contrôle plus fiable des problèmes de marche et d’équilibre, une fois que des essais cliniques futurs auront confirmé quelles régions cérébrales et quels schémas de stimulation offrent le bénéfice le plus important.

Citation: 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

Mots-clés: maladie de Parkinson, stimulation cérébrale profonde, apprentissage automatique, noyau sous‑thalamique, substance noire