深部脳刺激中の自然な動きを指標化する皮質-基底核の振動

科学分野:

• 神経科学
• 生物医学工学
• 計算神経科学

背景:

• 基底核と感覚運動野は運動制御に不可欠ですが、パーキンソン病（PD）および深部脳刺激（DBS）中のそれらのネットワークダイナミクスは完全には理解されていません。
• DBSはPDの低運動症状を効果的に治療し、センシング神経刺激装置は脳活動を記録でき、運動デコーディングの改善の可能性を提供します。

研究 の 目的:

• DBSを受けているPD患者における自然な運動に対する皮質および皮質下の運動ネットワークノードの寄与を調査すること。
• DBSが皮質-基底核回路のダイナミクスと運動関連神経信号に及ぼす影響を評価すること。
• 神経記録を使用した自然な運動の予測のための機械学習モデルを開発および検証すること。

主な方法:

• STNまたはGPi DBSを受けている15人のPD患者における530時間以上の皮質および皮質下の神経信号を記録しました。
• 前腕の速度と運動状態を定量化するために、同期された手首装着型加速度計を使用しました。
• 神経データからのスペクトル特徴を使用した機械学習モデルを開発し、運動と前腕速度を予測しました。

主要な成果:

• 皮質ベータ振動（13-30 Hz）は、移動状態と静止状態を効果的に区別しました。
• 皮質下高ベータ運動関連脱同期（MRD）およびガンマ運動関連同期（MRS）は、運動運動学と相関していました。
• 結合皮質-基底核モデルは、単一部位データを使用したモデルを上回る、運動状態および速度の予測において高い精度（AUC > 0.85）と相関（r > 0.68）を達成しました。
• より高いDBS電流振幅は、皮質下ベータMRDおよびガンマMRSを減少させ、皮質下モデルのパフォーマンスに悪影響を与えましたが、皮質または結合モデルには影響を与えませんでした。

結論:

• 皮質-基底核運動ネットワークノードは、DBS中の自然な運動の正確で安定したデコーディングに不可欠な補完的な運動情報エンコードします。
• 皮質および皮質下の信号を統合する機械学習モデルは、堅牢な運動予測を提供し、クローズドループ、適応型DBS（aDBS）システムの開発をサポートします。
• この発見は、運動制御のための神経バイオマーカーと運動障害の潜在的な治療標的に関する洞察を提供します。