导航菜单

人工智能与fMRI合作以推进深部脑刺激状态

研究人员将功能性 MRI 与机器学习相结合,以指导帕金森病患者的深部脑刺激 (DBS)。

该系统在优化刺激设置方面达到了 88% 的准确率,这一点由神经影像学的大脑反应模式以及两组不同患者的明显可观察到的症状改善所证实。

该项目是在多伦多大学进行的,并在 5 月 24 日发表在《自然通讯》上的一项研究中有所描述。

神经科学家Alexandre Boutet 博士(候选人)、神经外科医生 Andres Lozano 医学博士及其同事根据前瞻性获得的 67 名帕金森病患者的 fMRI 数据建立了他们的 AI 模型。

他们在最佳和次优刺激过程中获得了数据。

该团队通过在 39 名患者身上测试该系统得出了 88% 的准确率。在这个过程中,他们证明了帕金森患者对 DBS 的 fMRI 大脑反应“可以代表临床反应的客观生物标志物。……经过额外研究的进一步验证,这些发现可能为功能成像辅助 DBS 编程打开大门。”

提供 DBS 的快速入门,Boutet 和合著者写道:

深部脑刺激已成为运动障碍(尤其是帕金森病、特发性震颤和肌张力障碍)的护理治疗标准,并且正在研究精神和认知障碍,包括重度抑郁症和阿尔茨海默病。DBS 涉及在功能失调的神经回路中放置一个电极以提供电刺激,以抑制异常活动和/或驱动不活跃的网络。尽管有公认的好处,但 DBS 的治疗作用机制仍未完全了解。

在多伦多的研究中,患者包括一些以前从深部脑刺激中受益的人和其他人,他们参与该项目是第一次接受治疗。

Boutet 和合著者建议他们的 fMRI/机器学习技术可以作为一种客观的临床工具来编程 DBS 设备。

他们指出,糟糕的编程被认为是 DBS 未能证明对临床抑郁症有效的罪魁祸首。

“我们的结果表明,fMRI 可以快速确定帕金森患者的最佳 DBS, ”他们写道。“获得与最佳临床益处相关的 DBS 诱导的 fMRI 大脑特征,不仅可以让我们更好地了解 DBS 的作用机制,还可以促进患者的个体化医疗,并可能代表朝着自主、闭环 DBS 编程。”

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。