Машинное обучение и DBS: как шагать ровнее при болезни Паркинсона

Команда исследователей из Калифорнийского университета в Сан-Франциско разработала новый подход к настройке глубокой стимуляции мозга (DBS) с помощью методов машинного обучения. Их цель — повысить качество ходьбы у людей с болезнью Паркинсона. Статья опубликована в научном журнале npj Parkinson’s Disease. Учёные использовали носимые сенсоры и вживлённые в мозг устройства для анализа того, как разные параметры DBS влияют на походку. Машинное обучение помогло определить индивидуальные настройки стимуляции, которые улучшали устойчивость и скорость ходьбы. Авторы нашли и характерные «мозговые» сигналы, сопровождающие эти успехи.

Напоминаем: болезнь Паркинсона — это прогрессирующее заболевание нервной системы, связанное с гибелью нейронов, производящих дофамин. Это вызывает дрожание конечностей, скованность движений, замедление и ухудшение баланса. Нарушения походки (короткие семенящие шаги, плохая координация, внезапное «замирание») — одни из самых тяжёлых симптомов, особенно на поздних стадиях.

DBS (deep brain stimulation, глубокая стимуляция мозга) — это хирургическое вмешательство: в определённые участки мозга, как правило, в базальные ганглии, вживляются электроды. Они подают импульсы, чтобы корректировать работу мозга. Такая процедура приносит хороший эффект при дрожании и скованности, но с нарушениями походки всё сложнее. Ходьба — слишком сложное действие, а лекарям приходится вслепую подбирать многочисленные параметры стимуляции (амплитуда, частота, длительность импульса). При этом стандартно проверяют только сидящего пациента. Как DBS влияет на ходьбу — загадка.

Группа под руководством Хамида Фекри Азгоми и Дорис Ван создала систему, объединяющую поведенческие и нейрофизиологические данные для тонкой настройки DBS с упором на улучшение походки. Они хотели раскрыть, как конкретные параметры стимуляции отражаются на движениях и работе мозга, и построить модель, способную подобрать «идеальные» настройки для каждого пациента.

В исследовании участвовали три пациента с болезнью Паркинсона, которым уже установили DBS в область глобус паллидус (часть базальных ганглиев). Также им имплантировали электроды над моторной корой, чтобы одновременно записывать мозговую активность во время ходьбы. Сенсоры фиксировали длину шага, скорость, вариабельность движений и размах рук на 6-метровой дорожке. Исследователи предложили новый показатель — Индекс эффективности ходьбы (WPI), объединяющий все параметры в одну оценку.

Далее врачи постепенно меняли параметры DBS: амплитуду, частоту, длительность в клинически безопасных пределах. Каждый вариант тестировался во время реальной ходьбы, одновременно собирались данные мозга и движения, а также субъективные оценки пациента и физического терапевта. Связь между настройками стимуляции и качеством ходьбы моделировалась с помощью машинного обучения (Gaussian Process Regressor). Это позволило прогнозировать, какие параметры дадут лучший эффект, не перебирая вручную все варианты. Модель уточнялась на последующих сессиях.

У каждого пациента оказался свой «идеальный» вариант DBS. Для одного эффект от новой настройки оказался особенно явным: +18% к эффективности походки по сравнению со штатной клинической схемой; у остальных улучшения были скромнее, но заметны.

Интересно, что у разных участников настройки работали по-разному — лишнее подтверждение, что контроль походки при болезни Паркинсона индивидуален и сложен. Учёные также увидели, что у всех испытуемых снижение активности в бета-диапазоне (12–30 Гц) в области глобус паллидус совпадало с лучшей ходьбой. Эти изменения мозгового ритма были особенно выражены в определённых фазах шага.

Авторы утверждают: идентификация «мозговых маркеров» для хорошей походки делает реальной полностью персонифицированную и адаптивную DBS. Эксперименты показали: пациент может самостоятельно использовать оптимальные настройки вне клиники, что значительно упрощает жизнь.

Важно отметить, что эксперимент был небольшой: в нём участвовали всего три человека. Результаты требуют подтверждения на большем числе добровольцев и более сложных задачах (например, повороты, препятствия, эпизоды «замираний»).

Тем не менее, работа ясно указывает: вместо «одного стандартного сценария» мозгу (и пациенту) стоит дать право выбирать свой путь восстановления. В будущем персонализированные системы DBS с элементами машинного обучения могут не только повысить комфорт больных, но и упростить работу врачей.

В продвижении нового подхода участвовали учёные, врачи и инженеры. Они рассчитывают, что системы DBS в перспективе смогут динамически настраиваться под реальное состояние пациента и быстрее помогать при разных проявлениях болезни.