Otimização por aprendizado de máquina do direcionamento duplo do núcleo subtalâmico e da substância negra na estimulação cerebral profunda

Por que isso importa para pessoas com Parkinson

A estimulação cerebral profunda tornou-se um tratamento importante para a doença de Parkinson, especialmente para problemas de movimento que já não respondem bem à medicação. Novos formatos de eletrodos podem estimular mais de um ponto do cérebro ao mesmo tempo, elevando a expectativa de um controle maior de sintomas como o congelamento da marcha. Ainda assim, os cirurgiões carecem de regras claras e baseadas em dados sobre como posicionar um único eletrodo para que ele alcance de forma confiável dois pequenos núcleos responsáveis pelo movimento no interior do cérebro.

Dois alvos pequenos com papéis grandes no movimento

Na doença de Parkinson, uma região chamada núcleo subtalâmico é um alvo comum para estimulação cerebral profunda porque participa do controle do movimento. Logo abaixo dele está a substância negra, fortemente envolvida na marcha e no equilíbrio. A própria substância negra tem duas partes vizinhas com papéis distintos. Alguns estudos sugerem que estimular a porção inferior pode ajudar problemas persistentes de marcha, mas os resultados têm sido inconsistentes. Uma razão é que os cirurgiões geralmente planejam a cirurgia em torno do núcleo subtalâmico sozinho e esperam que alguns contatos do eletrodo caiam por acaso na parte correta da substância negra.

Aprendendo com centenas de cirurgias reais

Os autores analisaram dados de imagem de 612 trajetórias de eletrodos que já haviam sido implantadas em pessoas com Parkinson usando métodos padrão. Eles reconstruíram cuidadosamente onde cada contato de cada eletrodo realmente se encontrava no cérebro e se tocava alguma das duas partes da substância negra. Descobriram que uma única trajetória frequentemente podia alcançar tanto o núcleo subtalâmico quanto a substância negra, mas nem sempre a sub-região desejada. Cerca de seis em cada dez trajetórias alcançavam a porção inferior, e mais de um terço alcançava a porção superior. Quando a equipe simulou eletrodos levemente mais longos ou posicionamento mais profundo, a chance de alcançar pelo menos uma parte da substância negra aumentou ainda mais, mantendo o núcleo subtalâmico ao alcance.

Como o aprendizado de máquina transformou anatomia em regras simples

Para ir além do método de tentativa e erro, os pesquisadores usaram um método de aprendizado de máquina chamado Classificador por Processo Gaussiano. Em vez de dar conselhos durante a cirurgia, esse algoritmo aprendeu a partir dos casos concluídos quais combinações de ângulos e pontos de entrada eram mais propensas a atingir cada parte da substância negra. As entradas foram medições que os cirurgiões já podem ver em exames cerebrais padrão, como a inclinação do eletrodo em relação a marcos cerebrais chave e onde o caminho planejado cruza certas linhas de referência. O modelo previu com alta acurácia se uma trajetória planejada passaria pela porção inferior ou superior da substância negra.

De modelos complexos a dicas práticas de planejamento

Após treinar o algoritmo, os autores traduziram suas previsões em regras práticas que não exigem computador na sala de operação. Para cirurgiões que visam estimular a porção inferior da substância negra ao mesmo tempo que tratam o núcleo subtalâmico, as regras recomendam escolher um ponto-alvo ligeiramente mais lateral dentro do núcleo subtalâmico e angulares um pouco mais íngremes para o eletrodo. Para quem prefere favorecer a porção superior, sugere-se um alvo mais central e uma faixa diferente de ângulos. Importante: quando essas regras foram seguidas nos dados, o núcleo subtalâmico continuou bem coberto por outros contatos ao longo do mesmo eletrodo, mostrando que posicionamento mais profundo não precisa sacrificar o alvo principal.

O que isso significa para tratamentos futuros

Este estudo não avalia diretamente desfechos de pacientes, mas mostra que o direcionamento duplo de dois centros cruciais do movimento com um único eletrodo é tanto comum quanto previsível. Ao converter milhares de pontos de dados de cirurgias passadas em orientações anatômicas claras, o trabalho aponta para um planejamento de estimulação cerebral profunda mais consistente e preciso. Para pessoas com doença de Parkinson, isso pode eventualmente se traduzir em um controle mais confiável de problemas de marcha e equilíbrio, assim que futuros ensaios clínicos confirmarem quais regiões cerebrais e padrões de estimulação oferecem o maior benefício.

Citação: 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

Palavras-chave: Doença de Parkinson, estimulação cerebral profunda, aprendizado de máquina, núcleo subtalâmico, substância negra