پیش‌بینی پارامترهای بهینه تحریک عمقی مغز برای بیماری پارکینسون با استفاده از MRI عملکردی و یادگیری ماشین
تحریک عمقی مغزDeep brain Stimulation) ) نوعی روش درمانی (جراحی) در پزشکی است که طی آن الکترودهایی داخل مغز بیمار قرار داده می‌شوند. این الکترودها پس از کاشته شدن در مغز به یک دستگاه مولد پالس الکتریکی متصل می‌شوند. پالس الکتریکی تولید شده توسط دستگاه پالس ژنراتور از طریق الکترودهای کاشته شده در مغز به بافت‌های عمقی مغز انتقال یافته و از این طریق اثر درمانی خود را اعمال می‌نماید.
DBS برای مدیریت برخی از علائم بیماری پارکینسون (PD) استفاده می‌شود که نمی‌توانند به اندازه کافی با داروها کنترل شوند. پارکینسون با اعمال تحریک با فرکانس بالا (بیشتر از 100 هرتز) به سه ساختار هدف یعنی تالاموس، پالیدوم داخلی و هسته ساب تالاموس برای تقلید از اثرات بالینی ضایعه درمان می‌شود.
DBS یا تحریک عمقی مغز که معمولاً برای بیماری پارکینسون مورد استفاده قرار می‌گیرد، در صورت بهینه‌سازی، مزایای بالینی قابل توجهی ایجاد می‌کند. با این حال، ارزیابی تعداد زیادی از پارامترهای تنظیمات تحریک که شامل برنامه نویسی آن‌ها می‌باشد، مستلزم ویزیت‌های متعدد کلینیکی است. در این پژوهش، محققین بررسی کرده‌اند که آیا می‌توان از تصویربرداری تشدید مغناطیسی کاربردی (fMRI) برای پیش‌بینی تنظیمات تحریک بهینه برای بیماران استفاده کرد یا خیر. آن‌ها داده‌هایfMRI سه تسلا را که به‌عنوان بخشی از یک کارآزمایی مشاهده‌ای در 67 بیمار مبتلا به پارکینسون با استفاده از تنظیمات تحریک بهینه و تنظیمات غیربهینه به‌دست‌آمده بودند، تجزیه و تحلیل کرده‌اند و به این نتیجه رسیده‌اند که تحریک بهینه بالینی یک الگوی پاسخ مغزی مشخصه fMRI ایجاد می‌کند. سپس، یک مدل یادگیری ماشین ایجاد کرده‌اند که تنظیمات بهینه در مقابل تنظیمات غیر بهینه را با استفاده از الگوهایfMRI در 39 بیمار پارکینسون با DBS بهینه‌سازی شده بالینی قبلی (دقت 88 درصد) پیش‌بینی می‌کند. این محققین نتیجه‌گیری می‌کنند که پاسخ‌های مغز در تصویربرداری fMRI به تحریک DBS در بیماران پارکینسون می‌تواند یک نشانگر زیستی از پاسخ بالینی را نشان دهد. پس از تأیید با مطالعات بیشتر، این یافته ها ممکن است دری رو به تصویربرداری کاربردی به کمک برنامه نویسی DBS را باز کند.
نوشته های مرتبط