אופטימיזציה מבוססת למידת מכונה של מיקוד כפול בגרעין תת־קליפתי ובחומר השחור בגירוי מוחי עמוק

מדוע זה משמעותי לאנשים עם פרקינסון

גירוי מוחי עמוק הפך לטיפול חשוב במחלת פרקינסון, במיוחד לבעיות תנועה שאינן עוברות עוד תגובה טובה לתרופות. עיצובים חדשים של אלקטרודות יכולים לגרות יותר מנקודה אחת במוח בו־זמנית, מה שמעלה תקווה לשליטה טובה יותר בתסמינים כמו “הקפאת הליכה”. עם זאת, המנתחים עדיין חסרים כללים ברורים ומבוססי־נתונים לגבי איך למקם אלקטרודה יחידה כך שהיא תוכל להגיע באופן מהימן לשני מרכזים תנועתיים זעירים עמוק במוח.

שני יעדים קטנים עם תפקידים גדולים בתנועה

במחלת פרקינסון, אזור הנקרא הגרעין התת־קליפתי הוא יעד שכיח לגירוי מוחי עמוק כי הוא מסייע בשליטה על תנועה. מתחתיו שוכן החומר השחור, שמעורב בחוזקה בהליכה ובשווי משקל. לחומר השחור יש בעצמו שני תת‑אזורים סמוכים בעלי תפקידים שונים. מחקרים מסוימים מציעים שגירוי החלק התחתון עשוי לסייע בבעיות הליכה עקשניות, אך התוצאות היו לא אחידות. סיבה אחת לכך היא שמנתחים בדרך כלל מתכננים את הניתוח סביב הגרעין התת־קליפתי בלבד ומקווים שכמה מגעים של האלקטרודה ינחתו במקרה גם בחלק המתאים של החומר השחור.

לימוד ממאות ניתוחים אמיתיים

המחברים ניתחו נתוני הדמיה מ‑612 מסלולי אלקטרודה שכבר הושתלו באנשים עם פרקינסון באמצעות השיטות הסטנדרטיות. הם שיחזרו בעדינות היכן כל מגע על כל אלקטרודה שכנה בפועל בתוך המוח והאם הוא נגע באחד משני תת‑אזורי החומר השחור. הם מצאו שמסלול יחיד לעתים קרובות יכול להגיע גם לגרעין התת־קליפתי וגם לחומר השחור, אך לא תמיד לאזור המשוער. בערך שישה מתוך עשרה מסלולים הגיעו לחלק התחתון, ויותר משליש הגיעו לחלק העליון. כאשר הצוות סימן תרחישים של אלקטרודות מעט ארוכות יותר או מיקום עמוק יותר, הסיכוי להגיע לפחות לאחד מתת‑אזורי החומר השחור עלה עוד, תוך שמירה על היכולת להגיע לגרעין התת‑קליפתי.

כיצד למידת מכונה הפכה אנטומיה לכללים פשוטים

כדי לצאת מעבר לניסיון וטעייה, החוקרים השתמשו בשיטת למידת מכונה הנקראת מסווג תהליך גאוסי (Gaussian Process Classifier). במקום לתת עצה בזמן הניתוח, האלגוריתם למד מהמקרים המושלמים אילו שילובים של זוויות ונקודות כניסה היו בעלי הסבירות הגבוהה ביותר לפגוע בכל אחד מתת־אזורי החומר השחור. הקלטים היו מדידות שמנתחים כבר רואים בסריקות מוח סטנדרטיות, כגון שיפוע האלקטרודה יחסית לסמנים מרכזיים במוח והיכן הנתיב המתוכנן חוצה קווי ייחוס מסוימים. המודל חזה בדיוק גבוה האם מסלול מתוכנן יעבור דרך החלק התחתון או העליון של החומר השחור.

ממודלים מורכבים לטיפים מעשיים לתכנון

לאחר אימון האלגוריתם, המחברים תרגמו את תחזיותיו לכללים פשוטים של אצבע שאינם דורשים מחשב בחדר הניתוח. למנתחים שמטרתם לגרות את החלק התחתון של החומר השחור ועדיין לטפל בגרעין התת‑קליפתי, הכללים ממליצים לבחור נקודת יעד מעט יותר צפונית־צדדית בתוך הגרעין התת‑קליפתי ולכוון את האלקטרודה בזווית מעט חדה יותר. למי שרוצה להעדיף את החלק העליון, מוצע יעד מרכזי יותר וטווח שונה של זוויות. חשוב לציין שכאשר כללים אלה נאכפו בנתונים, הגרעין התת‑קליפתי עדיין היה מכוסה היטב על‑ידי מגעים אחרים לאורך אותו מוביל, מה שמראה שמיקום עמוק לא בהכרח מקעקע את היעד העיקרי.

מה פירוש הדבר לטיפול בעתיד

המחקר הזה אינו בודק תוצאות מטופלים ישירות, אך הוא מראה שמיקוד כפול של שני מרכזי תנועה מרכזיים באמצעות אלקטרודה יחידה הוא שכיח וניבויי. על‑ידי המרת אלפי נקודות נתונים מניתוחים קודמים להנחיה אנטומית ברורה, העבודה מספקת דרך לתכנון גירוי מוחי עמוק מדויק ועקבי יותר. לאנשים עם מחלת פרקינסון, זה עשוי בסופו של דבר להתבטא בשליטה אמינה יותר בבעיות הליכה ושווי משקל, ברגע שניסויים קליניים עתידיים יאשרו אילו אזורים מוחיים ודפוסי גירוי מספקים את התועלת הגדולה ביותר.

ציטוט: 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

מילות מפתח: מחלת פרקינסון, גירוי מוחי עמוק, למידת מכונה, גרעין תת־קליפתי, חומר שחור