Gangstörungen zählen zu den belastendsten Symptomen der Parkinson-Krankheit. Typische Merkmale wie verkürzte Schrittlänge, verringerte Geschwindigkeit und asymmetrische Bewegungsabläufe schränken die Mobilität ein und erhöhen das Sturzrisiko.
Obwohl die tiefe Hirnstimulation (Deep Brain Stimulation, DBS) etabliert zur Linderung von Tremor, Rigor und Bradykinese eingesetzt wird, ist ihr Einfluss auf die Gehfunktion weniger vorhersehbar. Gründe hierfür sind das Fehlen standardisierter Messinstrumente zur Beurteilung des Gangs und die begrenzte Kenntnis darüber, wie Stimulationsparameter die zugrunde liegende neuronale Aktivität beeinflussen.
Studie entwickelt datengetriebene Optimierungsmethode
Forschende der University of California, San Francisco (UCSF) entwickelten einen präzisen, KI-gestützten Ansatz zur individuellen Einstellung der DBS-Parameter. Die Ergebnisse wurden in 'npj Parkinson’s Disease' veröffentlicht und im Rahmen der klinischen Studie NCT03582891 erhoben.
Drei Patienten mit Parkinson und implantierten bidirektionalen Stimulatoren absolvierten wiederholte Gehversuche auf einer 6-Meter-Strecke. Parallel dazu zeichneten die Forschenden Feldpotenziale aus dem Globus pallidus internus (GPi) sowie kortikale Signale aus dem motorischen Cortex auf. Dabei wurden Amplitude, Frequenz und Pulsbreite der Stimulation systematisch variiert.
Walking Performance Index: objektive Messgröße für Gangqualität
Zur standardisierten Bewertung entwickelten die Forschenden den Walking Performance Index (WPI). Der Index fasste Schrittlänge, Geschwindigkeit, Armschwingamplitude sowie die Variabilität von Schrittzeit und -länge zu einem Gesamtwert zusammen. Durch gleichmäßige Gewichtung aller Parameter wurde eine ausgewogene Abbildung der Gangqualität erreicht.
Der WPI korrelierte sowohl mit Patientenselbsteinschätzungen als auch mit klinischer Beurteilung und bildete Veränderungen der Gehfunktion präzise ab.
KI-gestützte Parametervorhersage mittels Gaussian Process Regressor
Ein Gaussian Process Regressor modellierte den Zusammenhang zwischen Stimulationsparametern und WPI und sagte optimale Einstellungen voraus. Die so identifizierten Stimulationsprofile führten zu signifikanten Verbesserungen im WPI, ohne andere motorische Funktionen zu beeinträchtigen.
Neurophysiologische Marker für verbessertes Gehen
Ein konsistentes Muster war die Reduktion der Beta-Band-Aktivität im GPi während der kontralateralen Standphase, die mit einer verbesserten Gehqualität verbunden war. Neben dieser gruppenübergreifenden Signatur wurden individuelle neuronale Muster identifiziert, die das unterschiedliche Ansprechen der Patienten erklären.
Ergänzende Analysen der kortikalen Aktivität und der kortiko-subkortikalen Kohärenz bestätigten die koordinierte Beteiligung beider Netzwerke an der Steuerung des Gehens.
Fazit: Präzisionsmedizinischer Ansatz für zukünftige DBS-Systeme
Die Studie belegt, dass eine datengetriebene, personalisierte DBS-Programmierung die Gehfunktion bei Parkinson-Patienten verbessern kann. Die Kombination aus objektiver Ganganalyse mittels WPI und neurophysiologischen Biomarkern liefert eine Grundlage für präzise und patientenspezifische Stimulationsstrategien.
Zukünftige Studien mit größeren Kohorten und komplexeren Bewegungsaufgaben sollen die Übertragbarkeit der Ergebnisse prüfen. Langfristig könnten sie den Weg zu adaptiven, neurophysiologisch gesteuerten DBS-Systemen ebnen.
