Caractérisation basée sur les données des marqueurs neuronaux lors de la stimulation cérébrale profonde pour les patients atteints de la maladie de Parkinson

La stimulation cérébrale profonde du noyau sous-thalamique (STN DBS) est devenue une thérapie standard pour le traitement des stades réfractaires de la maladie de Parkinson (MP). Le grand nombre de systèmes DBS implantés de nos jours en routine représente une technologie en boucle ouverte. Ces systèmes dits DBS continus (cDBS) sont relativement simples d'un point de vue technique, car ils délivrent des trains d'impulsions de stimulation haute fréquence ininterrompus généralement 24 heures sur 24. La stimulation est appliquée à la zone cible, comme le STN, sans tenir compte du niveau actuel des symptômes de la MP ou de l'état moteur du patient. Les modifications des paramètres de stimulation - comme la largeur d'impulsion, l'amplitude ou la fréquence - ne peuvent être appliquées que par un expert formé lors d'une soi-disant séance d'ajustement, qui a généralement lieu en clinique. Cela limite le nombre de séances d'adaptation à quelques-unes au maximum par an. Cela peut être suffisant pour adapter le système aux changements à long terme de l'état d'un patient induits par la progression de la MP, qui se déroulent sur des mois et des années, mais ce n'est certainement pas suffisant pour réagir à des conditions quotidiennes variables ou à des changements à des échelles temporelles encore plus petites. Bien qu'il s'agisse d'une approche largement acceptée, le cDBS est connu pour provoquer plusieurs effets secondaires tels que des troubles de la parole ou une tolérance au traitement en raison d'une stimulation continue chronique, et présente des inconvénients en ce qui concerne l'efficacité énergétique et la durée de vie de la batterie du dispositif de stimulation implanté.

Contrairement aux systèmes cDBS disponibles, il serait souhaitable de disposer de systèmes DBS adaptatifs (aDBS), qui fournissent une stimulation à la demande uniquement et, par exemple, réduisent ou arrêtent la délivrance de la stimulation pendant les périodes d'inactivité ou lorsque les performances motrices du patient sont réduites. suffisamment élevé. Même si quelques prototypes d'aDBS ont été rapportés dans la littérature, ils ne sont étudiés que dans des contextes de recherche et n'ont pas encore été inclus dans les routines cliniques.

Pour réaliser le contrôle en boucle fermée des symptômes moteurs d'un patient par une approche aDBS, au moins une source d'informations décrivant l'état moteur du patient est nécessaire. D'une part, ces informations peuvent être accessibles via des capteurs externes ou des appareils portables, qui enregistrent par ex. tonus musculaire, tremblements, informations cinématiques, etc. dans des situations de la vie courante ou lors de l'exécution de tâches motrices spécifiques. Alternativement, les informations peuvent également être exprimées par des signaux cérébraux spécifiques, appelés marqueurs neuronaux, qui sont en corrélation avec l'état moteur et peuvent agir comme son substitut.

Des marqueurs neuronaux informatifs peuvent être extraits de plusieurs zones du cerveau et avec différentes technologies d'enregistrement. L'activité dans le noyau sous-thalamique (STN) et d'autres ganglions de la base peut être mesurée pendant et après l'implantation des électrodes DBS sous la forme de potentiels de champ locaux (LFP) ou d'enregistrements de microélectrodes (MER). Les signaux enregistrés soit pendant la stimulation, à partir de petites fenêtres temporelles entre les séquences de stimulation, soit en l'absence de stimulation peuvent fournir des informations sur l'état moteur cliniquement pertinent des patients atteints de MP. De plus, il a été démontré que les enregistrements de signaux neuronaux via magnéto- ou électroencéphalogramme (MEG/EEG) et électrocorticogramme (ECoG) peuvent fournir des informations complémentaires précieuses par rapport aux signaux obtenus à partir des ganglions de la base.

Au niveau clinique, l'état moteur des patients peut être évalué à l'aide de la partie III de la batterie de tests de l'échelle d'évaluation unifiée de la maladie de Parkinson (UPDRS-III). Son évaluation, cependant, prend assez de temps et nécessite l'implication d'un clinicien (neurologue) et par conséquent le score UPDRS-III complet ne peut pas être utilisé pour une mise en œuvre de l'aDBS. Malheureusement, dans l'état actuel des recherches, les informations sur le comportement moteur ne peuvent pas simplement être remplacées par des informations collectées via des signaux cérébraux. Les raisons en sont que la relation entre les marqueurs neuronaux pertinents des enregistrements LFP et MER et les symptômes moteurs individuels (par exemple, tels que décrits par l'UPDRS-III) est loin d'être complète et nécessite une enquête plus approfondie.

Pour caractériser les candidats de marqueurs neuronaux, qui peuvent être utilisés comme substituts de l'état moteur, il est important d'étudier deux questions : (1) (Comment) le marqueur change-t-il lors de l'application de la DBS ? (2) Ce changement est-il lié aux effets cliniques du DBS observés, par ex. un changement dans le score UPDRS-III ? Dans ce contexte, des composants oscillatoires sélectionnés ont été décrits. Il a été rapporté que la puissance des composants oscillatoires LFP dans la plage bêta (12-30 Hz) chute sur DBS et, malgré une relation causale et des mécanismes d'action peu clairs, elle a également été corrélée aux symptômes parkinsoniens moteurs comme la bradykinésie et la rigueur. De plus, l'interaction de la puissance de bande d'autres composants de fréquence avec des symptômes moteurs spécifiques de la MP a été décrite. Un exemple est la relation entre la puissance des bandes delta et gamma enregistrée à partir du STN avec des symptômes dyskinétiques et la corrélation de la puissance de la bande gamma élevée avec les scores UPDRS-III, et la modulation du gamma élevé par DBS ou L-Dopa. De plus, il a également été observé que la stimulation DBS influence le couplage interfréquence entre les structures cortico-corticales, cortico-sous-corticales et sous-cortico-sous-corticales.

La plupart des études sur l'effet du DBS sur le système moteur et sur les marqueurs neuronaux informatifs rapportent les effets globaux observés dans les études de groupe. Cependant, les résultats de la moyenne générale peuvent ne pas fournir suffisamment d'informations pour contrôler les systèmes aDBS pour un patient individuel. Ceci est souligné par de nombreuses études récentes dans le domaine des interfaces cerveau-ordinateur (BCI), où les signatures neuronales informatives se sont révélées spécifiques au sujet et où des méthodes spécifiques au sujet pour extraire des marqueurs neuronaux informatifs ont été appliquées avec succès. Nous proposons donc d'affiner le niveau d'analyse des données au-delà du niveau des statistiques de groupe.

Outre le fait que les marqueurs neuronaux sont spécifiques à un sujet, la dynamique implicite des marqueurs neuronaux et des effets DBS doit être prise en compte :

• Dynamique des marqueurs neuronaux Même au sein d'un utilisateur individuel et d'une seule journée, l'adaptation des paramètres DBS peut être nécessaire afin de compenser les caractéristiques non stationnaires affichées par les marqueurs neuronaux sur plusieurs échelles temporelles : (a) Sur l'échelle des heures aux minutes , en raison, par exemple, de changements dans l'éveil/la fatigue ou le cycle circadien. (b) Sur l'échelle des minutes aux secondes, les variations, par ex. dans le niveau d'attention, la charge de travail. (c) Sur des échelles de temps encore plus petites en raison de l'état actuel du système moteur (préparation de la tâche par rapport au début de la tâche par rapport aux tâches continues soutenues, tâches de force élevée par rapport aux tâches de précision, tâches isométriques par rapport aux mouvements, etc.). Il faut s'attendre à ce que les marqueurs neuronaux informatifs individuellement, qui peuvent être exploités pour réaliser le système aDBS en boucle fermée, soient susceptibles de modifier leur contenu informatif dans les échelles de temps et les scénarios mentionnés ci-dessus.
• Dynamique des effets DBS En fonction des paramètres DBS (par ex. intensité, fréquence, durée, forme d'impulsion) du modèle de stimulation appliqué dans le passé immédiat, les effets sur (1) le système moteur et sur (2) les marqueurs neuronaux informatifs sont connus pour persister de plusieurs secondes à quelques minutes même après la stimulation été désactivé [Bronte-Stewart et al. 2009]. En raison de cet effet de lavage du DBS, la stratégie de stimulation d'un système aDBS bénéficiera probablement de la prise en compte de l'historique de stimulation (à court terme). La durée et la dynamique temporelle de cette période dite de sevrage dépendent du type de symptôme moteur étudié. Il a été rapporté qu'il était plus long pour l'akinésie (minutes - heures) par opposition à la rigidité (minutes). Ainsi, on peut émettre l'hypothèse que la dynamique des effets de lavage pour les symptômes moteurs et pour les marqueurs neuronaux ne sont pas les mêmes.

Les demandeurs de cette proposition veulent faire un pas en avant substantiel dans la direction d'un système aDBS entièrement en boucle fermée. Pour atteindre cet objectif, il est nécessaire de développer des méthodes d'analyse de données pour les signaux cérébraux, capables d'identifier les marqueurs neuronaux informatifs susmentionnés, et de les utiliser comme entrée pour décoder l'état moteur actuel. Pour les deux tâches, des méthodes d'apprentissage automatique ont été étudiées et utilisées avec succès dans le contexte de systèmes BCI en boucle fermée. Les méthodes développées dans ce domaine permettent un décodage à essai unique des signaux EEG non invasifs et des signaux invasifs comme ECoG et LPF. Les méthodes d'apprentissage automatique permettent la détection des intentions de mouvement en un seul essai et le décodage des mouvements imaginés ou exécutés. En outre, les dernières recherches des demandeurs ont montré que les approches BCI permettent même de prédire la performance d'une tâche motrice à venir, ce qui peut être une information précieuse pour les applications en boucle fermée dépendantes de l'état du cerveau.