基于机器学习的深部脑刺激中同时靶向双侧丘脑下核与黑质的优化

这对帕金森病患者为何重要

深部脑刺激已成为治疗帕金森病的重要手段，尤其针对对药物反应减弱的运动问题。新型电极设计可以同时刺激大脑中的多个点，人们因此有望更好地控制诸如步态冻结等症状。然而，外科医生仍缺乏基于数据的明确规则，来指导如何放置单根电极才能可靠地到达脑内两个微小的运动枢纽。

两个在运动中发挥重要作用的小靶点

在帕金森病中，丘脑下核常常作为深部脑刺激的靶点，因为它参与运动控制。其正下方是黑质，黑质在行走和平衡中有重要作用。黑质自身由两个相邻但功能不同的部分组成。有研究表明刺激较下方的那一部分可能有助于顽固性的行走问题，但结果并不一致。原因之一是外科医师通常只以丘脑下核为手术规划的中心，并希望电极的某些接触点碰巧落在黑质的目标亚区。

从数百例真实手术中学习

作者分析了612条已植入患者的电极路径影像数据，这些患者使用了常规方法植入电极。他们仔细重建了每根电极上每个接触点在脑内的实际位置，并判定其是否触及黑质的任一亚区。结果发现，单条轨迹常常能够同时覆盖丘脑下核与黑质，但并不总能到达期望的黑质亚区。大约六成轨迹能到达下方亚区，而超过三成能到达上方亚区。当团队模拟稍长的电极或更深的放置时，到达黑质至少某一部分的概率进一步上升，同时仍能保持丘脑下核在可及范围内。

机器学习如何把解剖信息变成简单规则

为了超越试错法，研究者使用了一种称为高斯过程分类器的机器学习方法。该算法并非在手术中提供实时建议，而是从已完成的病例中学习哪些入口点与角度组合最有可能命中黑质的各个部分。输入变量来自外科医生在常规脑影像中就能看到的量测值，例如相对于关键脑部地标的电极倾斜度，以及规划路径与某些参考线的交点位置。该模型能较高准确率地预测计划轨迹是否会穿过黑质的下方或上方部分。

从复杂模型到实用的规划提示

在训练出算法后，作者将其预测结果转化为无需在手术室使用电脑即可应用的简明经验规则。对于希望在仍治疗丘脑下核的同时刺激黑质下方亚区的外科医生，规则建议在丘脑下核内选择稍偏侧的目标点并将电极角度设得更陡一些。对于想优先刺激上方亚区的情况，则建议选取更居中的目标并采用另一范围的角度。重要的是，当在数据中遵循这些规则时，丘脑下核仍由同一导线沿线的其他接触点良好覆盖，表明更深的放置不必以牺牲主要靶点为代价。

这对未来治疗意味着什么

该研究并未直接测试患者结局，但表明用单根电极同时靶向两个关键运动中心既常见又可预测。通过将以往手术的数千个数据点转化为清晰的解剖学指引，这项工作为更一致、更精确的深部脑刺激规划提供了一条路径。对于帕金森病患者来说，一旦未来的临床试验确认哪些具体脑区和刺激模式最有益，这可能最终转化为对行走和平衡问题更可靠的控制。

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

关键词: 帕金森病, 深部脑刺激, 机器学习, 丘脑下核, 黑质