Optymalizacja ukierunkowania jednoczesnego na jądro niskowzgórzowe i istotę czarną w stymulacji głębokiej mózgu oparta na uczeniu maszynowym

Dlaczego to ma znaczenie dla osób z chorobą Parkinsona

Stymulacja głęboka mózgu stała się ważną metodą leczenia choroby Parkinsona, szczególnie w przypadku zaburzeń ruchu, które przestają dobrze reagować na leki. Nowe projekty elektrod mogą jednocześnie stymulować więcej niż jedno miejsce w mózgu, co daje nadzieję na lepszą kontrolę objawów, takich jak blokowanie chodu. Jednak chirurgom wciąż brakuje jasnych, opartych na danych zasad dotyczących tego, jak umieścić pojedynczą elektrodę tak, aby niezawodnie sięgała dwóch drobnych ośrodków ruchu głęboko w mózgu.

Dwa małe cele o dużej roli w ruchu

W chorobie Parkinsona obszar zwany jądrem niskowzgórzowym jest częstym celem stymulacji głębokiej mózgu, ponieważ pomaga kontrolować ruch. Tuż pod nim leży istota czarna, silnie zaangażowana w chód i równowagę. Sama istota czarna ma dwie sąsiadujące części o różnych rolach. Niektóre badania sugerują, że stymulacja dolnej części może pomóc uporczywym problemom z chodem, ale wyniki były niejednoznaczne. Jednym z powodów jest to, że chirurdzy zwykle planują zabieg wokół jądra niskowzgórzowego i liczą, że niektóre kontakty elektrody przypadkowo znajdą się we właściwej części istoty czarnej.

Nauka na podstawie setek rzeczywistych operacji

Autorzy przeanalizowali dane obrazowe z 612 torów elektrod, które już zostały wszczepione u osób z chorobą Parkinsona przy użyciu standardowych metod. Starannie odtworzyli położenie każdego kontaktu na każdym przewodzie w mózgu i sprawdzili, czy dotykały one którejkolwiek z dwóch części istoty czarnej. Stwierdzili, że pojedyncza trajektoria często może sięgnąć zarówno jądra niskowzgórzowego, jak i istoty czarnej, ale nie zawsze zamierzonej podregionu. Około sześciu na dziesięć torów sięgało dolnej części, a ponad jedna trzecia obejmowała część górną. Gdy zespół zasymulował nieco dłuższe elektrody lub głębsze umieszczenie, szansa na sięgnięcie przynajmniej jednej części istoty czarnej wzrosła, przy jednoczesnym zachowaniu dostępu do jądra niskowzgórzowego.

Jak uczenie maszynowe przekształciło anatomię w proste reguły

Aby wyjść poza metodę prób i błędów, badacze zastosowali metodę uczenia maszynowego zwaną klasyfikatorem procesu Gaussa (Gaussian Process Classifier). Zamiast doradzać podczas operacji, algorytm uczył się z zakończonych przypadków, które kombinacje kątów i punktów wejścia najprawdopodobniej trafią w każdą część istoty czarnej. Wejściem były pomiary, które chirurdzy mogą już zobaczyć na standardowych skanach mózgu, takie jak nachylenie elektrody względem kluczowych punktów orientacyjnych mózgu i miejsce, w którym planowana ścieżka przecina określone linie odniesienia. Model z wysoką dokładnością przewidywał, czy planowana trajektoria przejdzie przez dolną lub górną część istoty czarnej.

Od złożonych modeli do praktycznych wskazówek planistycznych

Po wytrenowaniu algorytmu autorzy przetłumaczyli jego przewidywania na proste reguły dotyczące praktyki, które nie wymagają komputera na sali operacyjnej. Dla chirurgów dążących do stymulacji dolnej części istoty czarnej przy jednoczesnym leczeniu jądra niskowzgórzowego reguły zalecają wybór nieco bardziej bocznego punktu docelowego w obrębie jądra niskowzgórzowego oraz nieco bardziej stromy kąt elektrody. Dla tych, którzy chcą faworyzować część górną, sugerowany jest bardziej centralny cel i inny zakres kątów. Co ważne, gdy reguły te były stosowane w analizowanych danych, jądro niskowzgórzowe było nadal dobrze obejmowane przez pozostałe kontakty na tej samej elektrodzie, co pokazuje, że głębsze umieszczenie nie musi odbywać się kosztem głównego celu.

Co to oznacza dla przyszłego leczenia

To badanie nie testuje bezpośrednio wyników u pacjentów, ale pokazuje, że podwójne ukierunkowanie dwóch kluczowych ośrodków ruchu za pomocą jednej elektrody jest zarówno powszechne, jak i przewidywalne. Poprzez przekształcenie tysięcy punktów danych z przeszłych operacji w jasne wskazówki anatomiczne, praca toruje drogę ku bardziej spójnemu i precyzyjnemu planowaniu stymulacji głębokiej mózgu. Dla osób z chorobą Parkinsona może to w przyszłości przełożyć się na bardziej niezawodne kontrolowanie problemów z chodem i równowagą, gdy przyszłe badania kliniczne potwierdzą, które konkretne regiony mózgu i schematy stymulacji dają największe korzyści.

Cytowanie: 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

Słowa kluczowe: choroba Parkinsona, stymulacja głęboka mózgu, uczenie maszynowe, jądro niskowzgórzowe, istota czarna