电生理学签名预测了深度大脑刺激电极接触的治疗窗口
Fayed Rassoulou1, Abhinav Sharma2,3, Alexandra Steina1
1Institute of Clinical Neuroscience and Medical Psychology, Medical Faculty and University Hospital Düsseldorf, Heinrich Heine University Düsseldorf, Düsseldorf, Germany.
NPJ digital medicine
|October 30, 2025
概括
机器学习和电生理学可以预测帕金森病的最佳深度大脑刺激 (DBS) 参数. 这种方法有助于更快地选择有效的刺激接触者,改善治疗.
科学领域:
- 神经科学是一个神经科学.
- 计算神经科学是一种神经科学.
- 生物医学工程 生物医学工程
背景情况:
- 深度大脑刺激 (DBS) 是帕金森病的关键治疗方法.
- 优化DBS参数,特别是电极接触选择,仍然是一个挑战.
- 目前用于联系人选择的方法可能耗时且复杂.
研究的目的:
- 研究使用电生理学和机器学习来预测最佳的DBS治疗窗口.
- 评估对亚thalamic核 (STN) DBS的自动接触选择的可行性.
主要方法:
- 应用树学习算法用于STN的静态磁脑图 (MEG) 和局部场电位 (LFP) 记录.
- 利用STN功率和STN-皮质在频段上的连贯性作为预测特征.
- 在一个独立的患者队列上验证了预测模型.
主要成果:
- 该模型准确地预测了原始 (r=0.45) 和独立 (r=0.30) 队列中的治疗窗口.
- 关键预测因素包括快速的亚thalamic活动 (>35 Hz) 和STN皮层一致性.
- 该模型成功地订购了联系人,从而更快地识别了最佳的联系人.
结论:
- 电生理学特征与机器学习相结合,可以预测DBS治疗窗口.
- 这种方法显示了在DBS手术中自动化和优化接触选择的希望.
- 未来的应用程序可以简化帕金森病患者的DBS编程过程.


