深部脳刺激における視床下核と黒質の二重ターゲティングを機械学習で最適化

パーキンソン病の患者にとってなぜ重要か

深部脳刺激は、特に薬物療法で十分に改善しない運動障害に対して、パーキンソン病の重要な治療法になっています。新しい電極デザインは同時に脳内の複数箇所を刺激できるため、歩行の固着（フリーズ）などの症状のより良い制御への期待を高めています。しかし、単一電極をどのように配置すれば脳内の二つの小さな運動ハブの両方に確実に届くかについて、外科医にはまだ明確でデータに基づく指針が欠けています。

運動に大きな役割を果たす二つの小さな標的

パーキンソン病では、視床下核という領域が運動制御に関わるため、深部脳刺激の一般的な標的となっています。そのすぐ下には黒質があり、歩行やバランスに強く関与しています。黒質自体は隣接する二つの部分に分かれており、それぞれ役割が異なります。下部を刺激することで頑固な歩行障害に効果があるとする研究もありますが、結果は一貫していません。その理由の一つは、外科計画が通常視床下核を中心に立てられ、電極のいくつかのコンタクトが結果的に黒質の適切な部分に当たることを期待している点にあります。

何百件もの実際の手術から学ぶ

著者らは、標準手法で埋め込まれた612本の電極経路の画像データを解析しました。各電極の各コンタクトが脳内のどこに実際に存在したか、またそれが黒質の二つの部分のいずれかに触れていたかを慎重に再構築しました。単一の経路が視床下核と黒質の両方に届くことは多いものの、必ずしも望ましい亜領域に到達するわけではありませんでした。約6割の経路が黒質の下部に到達し、3分の1以上が上部に到達していました。著者らがやや長い電極やより深い配置をシミュレーションすると、視床下核を維持しつつ黒質の少なくとも一部に届く確率はさらに上昇しました。

機械学習が解剖学を簡潔なルールに変えた方法

試行錯誤を超えるために、研究者らはガウス過程分類器という機械学習手法を用いました。手術中に助言を行うのではなく、このアルゴリズムは完了した症例から、どの角度やエントリーポイントの組み合わせが各黒質部分に当たりやすいかを学習しました。入力には、外科医が標準的な脳画像で既に確認できる計測値（電極の主要解剖学的ランドマークに対する傾きや、計画経路が特定の基準線を横切る位置など）が使われました。モデルは、計画した経路が黒質の下部または上部を通過するかを高い精度で予測しました。

複雑なモデルから実用的な計画のヒントへ

アルゴリズムを訓練した後、著者らはその予測を手術室でコンピュータを必要としない簡単な経験則に翻訳しました。視床下核を治療しつつ黒質の下部を刺激したい外科医には、視床下核内でやや外側寄りの目標点を選び、電極をやや急な角度にすることが推奨されます。上部を優先したい場合は、より中央のターゲットと別の角度域が示唆されます。重要なのは、これらのルールがデータ上で守られた場合でも、同じリード上の他のコンタクトによって視床下核は十分にカバーされており、深く配置しても主要な標的を犠牲にする必要はないことです。

今後の治療にとっての意義

この研究は患者の転帰を直接検証するものではありませんが、単一の電極で二つの重要な運動中枢を二重にターゲティングすることが一般的かつ予測可能であることを示しています。過去の手術から得られた何千ものデータポイントを明確な解剖学的ガイダンスに変換することで、深部脳刺激の計画をより一貫性があり正確にする道筋を示しています。将来の臨床試験がどの脳領域と刺激パターンが最も効果的かを確認すれば、パーキンソン病の患者にとって、歩行やバランスの問題をより確実に制御できるようになる可能性があります。

引用: 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

キーワード: パーキンソン病, 深部脳刺激, 機械学習, 視床下核, 黒質