Ottimizzazione basata sull’apprendimento automatico del targeting duale del nucleo subtalamico e della sostanza nera nella stimolazione cerebrale profonda

Perché questo è importante per le persone con Parkinson

La stimolazione cerebrale profonda è diventata un trattamento importante per la malattia di Parkinson, soprattutto per i disturbi del movimento che non rispondono più bene ai farmaci. I nuovi design degli elettrodi possono stimolare più punti nel cervello contemporaneamente, alimentando la speranza di un controllo migliore di sintomi come il blocco della marcia. Tuttavia, i chirurghi mancano ancora di regole chiare e basate sui dati su come posizionare un singolo elettrodo in modo che possa raggiungere in modo affidabile due minuscoli centri motori in profondità nel cervello.

Due piccoli bersagli con grandi ruoli nel movimento

Nella malattia di Parkinson, una regione chiamata nucleo subtalamico è un bersaglio comune per la stimolazione cerebrale profonda perché contribuisce al controllo del movimento. Subito al di sotto si trova la sostanza nera, che è fortemente coinvolta nella deambulazione e nell’equilibrio. La sostanza nera stessa ha due parti adiacenti con ruoli diversi. Alcuni studi suggeriscono che stimolare la parte inferiore potrebbe aiutare i problemi di cammino più ostinati, ma i risultati sono stati incoerenti. Una ragione è che i chirurghi solitamente pianificano l’operazione attorno al nucleo subtalamico da solo e sperano che alcuni contatti dell’elettrodo finiscano per caso nella parte giusta della sostanza nera.

Imparare da centinaia di interventi reali

Gli autori hanno analizzato dati di imaging provenienti da 612 traiettorie di elettrodi già impiantate in persone con Parkinson usando metodi standard. Hanno ricostruito con cura la posizione di ciascun contatto su ogni elettrodo all’interno del cervello e se toccava una delle due parti della sostanza nera. Hanno scoperto che una singola traiettoria spesso poteva raggiungere sia il nucleo subtalamico sia la sostanza nera, ma non sempre la sottoregione desiderata. Circa sei traiettorie su dieci raggiungevano la parte inferiore e più di un terzo raggiungeva la parte superiore. Quando il team ha simulato elettrodi leggermente più lunghi o un posizionamento più profondo, la probabilità di raggiungere almeno una parte della sostanza nera aumentava ulteriormente mantenendo comunque il nucleo subtalamico alla portata.

Come l’apprendimento automatico ha trasformato l’anatomia in regole semplici

Per andare oltre il tentativo e l’errore, i ricercatori hanno utilizzato un metodo di apprendimento automatico chiamato Gaussian Process Classifier. Piuttosto che fornire consigli in sala operatoria, questo algoritmo ha appreso dai casi completati quali combinazioni di angoli e punti di entrata erano più probabili per colpire ciascuna parte della sostanza nera. Gli input erano misure che i chirurghi possono già vedere sulle normali scansioni cerebrali, come l’inclinazione dell’elettrodo rispetto a punti di riferimento cerebrali chiave e dove il percorso pianificato attraversa certe linee di riferimento. Il modello ha previsto con alta accuratezza se una traiettoria pianificata avrebbe attraversato la parte inferiore o superiore della sostanza nera.

Da modelli complessi a consigli pratici per la pianificazione

Dopo aver addestrato l’algoritmo, gli autori hanno tradotto le sue previsioni in regole empiriche semplici che non richiedono alcun computer in sala operatoria. Per i chirurghi che mirano a stimolare la parte inferiore della sostanza nera pur trattando il nucleo subtalamico, le regole raccomandano di scegliere un punto bersaglio leggermente più laterale all’interno del nucleo subtalamico e di inclinare l’elettrodo un po’ più ripidamente. Per chi vuole favorire la parte superiore, si suggerisce un bersaglio più centrale e un diverso intervallo di angoli. È importante notare che, quando queste regole sono state seguite nei dati, il nucleo subtalamico risultava comunque ben coperto dagli altri contatti lungo lo stesso impianto, dimostrando che un posizionamento più profondo non deve necessariamente sacrificare l’obiettivo principale.

Cosa significa per i trattamenti futuri

Questo studio non valuta direttamente gli esiti nei pazienti, ma mostra che il targeting duale di due centri motori cruciali con un singolo elettrodo è sia comune sia prevedibile. Convertendo migliaia di punti dati di interventi passati in indicazioni anatomiche chiare, il lavoro offre una strada verso una pianificazione della stimolazione cerebrale profonda più coerente e precisa. Per le persone con malattia di Parkinson, questo potrebbe alla fine tradursi in un controllo più affidabile dei problemi di cammino e di equilibrio, una volta che futuri trial clinici confermeranno quali specifiche regioni cerebrali e schemi di stimolazione offrono il maggior beneficio.

Citazione: 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

Parole chiave: malattia di Parkinson, stimolazione cerebrale profonda, apprendimento automatico, nucleo subtalamico, sostanza nera