NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Derin Beyin Stimülasyonu (DBS) ayarlarının arka plan optimizasyonu, Parkinson hastalığı gibi hareket bozukluklarında klinik etkinliğin elde edilmesinde önemli bir unsurdur. Modern teknikler, veri yoğun istatistiksel ve makine öğrenimi yaklaşımları yoluyla sorunu çözmeye çalışır ve mevcut klinik iş akışlarına önemli bir yük ekler. Burada, rutin olarak toplanan MRI verilerine, iyi kurulmuş araçlara (Lead-DBS) ve isteğe bağlı olarak klinik inceleme kayıtlarına dayanan DBS elektrot teması ve akım seçimi için geometri tabanlı bir optimizasyon yaklaşımı sunuyoruz.Metodlar Çapraz platform aracında paketlenmiş boru hattı, hedef yapıya göre en uygun konumda bulunan kişileri tahmin etmek için kurşun rekonstrüksiyon verileri ve Doku Aktifleştirme Hacmi (VTA) simülasyonunu kullanır ve optimal akım önerir. Araç daha sonra mevcut ayarların daha fazla etkileşimli kullanıcı optimizasyonuna izin verir. Mevcut elektrot temas değerlendirmeleri isteğe bağlı olarak daha fazla ince ayar ve olumsuz etkiden kaçınma için hesaplama sürecine dahil edilebilir.Sonuçlar 87 Parkinson hastasından 174 implante elektrot rekonstrüksiyonu örneğine dayanarak, algoritmamızın DBS parametre ayarlarının hedef yapıyı (Wilcoxon p 0.94) ve komşu bölgelere elektrik alan sızıntısını en aza indirmede daha etkili olduğunu gösteriyoruz (p 0.46). Sınırlı bir alt kümenin (n = 50) retrospektif analizi, uzman ayarlarıyla (g = 0.05-0.08, p = 0.09-1) karşılaştırılabilir gelişmiş motor sonuçlarını tahmin eder, bu da olası doğrulamayı bekleyen benzer klinik etkinlik için potansiyel önerir. Algoritmik olarak seçilen kontakların yinelemeli optimizasyon prosedürü olmadan elektrik alan hesaplamalarına göre manuel seçimlerden daha iyi performans gösterdiğini gösteriyoruz.
Özgün kaynak özetini okuyun
BackgroundOptimisation of Deep Brain Stimulation (DBS) settings is a key aspect in achieving clinical efficacy in movement disorders, such as the Parkinson's disease. Modern techniques attempt to solve the problem through data-intensive statistical and machine learning approaches, adding significant overhead to the existing clinical workflows. Here, we present a geometry-based optimisation approach for DBS electrode contact and current selection, grounded in routinely collected MRI data, well-established tools (Lead-DBS) and optionally, clinical review records.MethodsThe pipeline, packaged in a cross-platform tool, uses lead reconstruction data and simulation of Volume of Tissue Activated (VTA) to estimate the contacts in optimal position relative to the target structure, and suggests optimal stimulation current. The tool then allows further interactive user optimisation of the current settings. Existing electrode contact evaluations can be optionally included in the calculation process for further fine-tuning and adverse effect avoidance.ResultsBased on a sample of 174 implanted electrode reconstructions from 87 Parkinson's disease patients, we demonstrate that our algorithm's DBS parameter settings are more effective in covering the target structure (Wilcoxon p 0.94) and minimising electric field leakage to neighbouring regions (p 0.46) compared to expert parameter settings. Retrospective analysis of a limited subset (n = 50) predicts comparable improved motor outcomes with expert settings (g = 0.05-0.08, p = 0.09-1), suggesting potential for similar clinical efficacy, pending prospective validation.ConclusionThe proposed automated method for optimisation of the DBS electrode contact and current selection shows promising results and is readily applicable to existing clinical workflows. We demonstrate that the algorithmically selected contacts perform better than manual selections according to electric field calculations, without the iterative optimisation procedure.
Bilimsel değerlendirme
Araştırma sorusu
Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.
Yöntem ve örneklem
Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.
Temel bulgular
Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.
Sınırlılıklar
Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.
Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.