Machine learning en fMRI voorspellen optimale diepe hersenstimulatie bij parkinson

mm
Koen Scheerders
Redactioneel,
19 juli 2021

fMRI kan, gecombineerd met machine learning, de ideale manier van diepe hersenstimulatie voorspellen bij patiënten met de ziekte van Parkinson. Dat schrijven Canadese onderzoekers in het tijdschrift Nature Communications. Volgens de wetenschappers hebben parkinsonpatiënten dankzij deze aanpak sneller een optimale vorm van hersenstimulatie, en hoeven zij daarvoor minder vaak het ziekenhuis te bezoeken.

Diepe hersenstimulatie (deep brain stimulation, DBS) is een behandeloptie voor patiënten met de ziekte van Parkinson bij wie bewegingsklachten zoals tremor en traagheid toenemen ondanks behandeling met geneesmiddelen. Bij DBS wordt een elektrode chirurgisch ingebracht in de hersenen. Deze elektrode geeft pulsen af die de bewegingsklachten onderdrukken. De meest gekozen plaats voor de elektrode is de nucleus subthalamicus, een belangrijk knooppunt in het motorische systeem.

Ideale instellingen

Het succes van DBS is gestoeld op de juiste dosis elektriciteit op de juiste plaats in de hersenen. Na de DBS-operatie moeten veel patiënten talloze keren naar de kliniek komen op zoek naar de ideale instellingen. Canadese wetenschappers van de universiteit van Toronto deden daarom onderzoek naar het nut van functionele MRI (fMRI) en machine learning bij het voorspellen naar de juiste instellingen.

Responspatroon

De onderzoekers, onder leiding van Alexandre Boutet, zetten een observationele trial op met 67 patiënten met de ziekte van Parkinson. De auteurs konden bepalen of de patiënten optimaal werden gestimuleerd; op dat moment was op de MRI-scan een karakteristiek responspatroon zichtbaar in de m

 

Login om verder te lezen

Nog geen account? Meld u hier gratis aan.

,
Deel dit artikel