作者：齐镕潇，李鹏，四川大学华西医院神经外科
近年来，脑深部电刺激（deep brain stimulation,DBS）已广泛用于治疗
DBS 治疗涉及术前评估、术中定位、术后程控等多个复杂流程，其临床效果在很大程度上取决于靶点定位是否准确和刺激参数是否合适。然而，传统的 DBS 在这些方面存在一定的局限性，例如手动靶点定位依赖于医生的经验和解剖学知识，可能存在误差；刺激参数的选择往往是基于经验性的尝试和调整，缺乏精准性。
近年来，随着人工智能（artificial intelligence, AI）技术的发展，其也逐步渗透到 DBS 的多个环节，多方位地为患者的诊疗提供便利。AI 领域的快速发展使得数据驱动的智能算法被引入 DBS 各流程，助力从数据中提取潜在的治疗模式，从而优化各阶段的操作。AI 的数据分析和模式识别能力为提高 DBS疗法的疗效提供了潜在的解决方案。本文对当前AI 技术在 DBS 疗法中的应用现状进行阐述，并探讨其未来发展前景。
1. AI 技术概述
AI 的核心分支是机器学习，其定义为无需显式编程即可从经验中学习的一种算法。机器学习领域大致分为监督学习和无监督学习。监督学习算法从标记的训练数据中学习，生成一个模型，可以对未来数据进行预测。在机器学习过程中，已知这些培训数据的期望输出结果，算法通过试图找到输入变量和赋予这些特征的权重的最佳组合，以执行精确的预测；标记可以用来训练分类器并测试其估计性能。
在基于知识的机器学习中，工具智能地将信息集成到系统中。例如在医学领域中，决策规则是根据医学知识明确编写的，机器学习的目的仅仅是检索数据、评估规则和在用户界面显示结果。在医疗领域中，监督学习被广泛用于诊断模型和治疗方案的个体化推荐。此外，在 DBS中可以应用分类器的训练和验证，帮助医生更快地分析不同数据特征。机器学习的主要算法包括朴素贝叶斯分类器、最近邻、支持向量机、隐马尔可夫模型、决策树与随机森林等，这些算法为基于数据的决策支持奠定了基础，进而提升了 DBS 疗法的精准度和个体化水平。
2. AI 在 DBS 中的应用
2.1 术前评估
DBS 作为治疗 PD 的一种重要疗法，其术前评估的一大重点在于明确 PD 的诊断。针对 PD 患者各种各样的临床症状，目前常用的临床评估方式受人为主观影响因素较大，对疾病的诊断和病情评估不利。而 AI 能够客观地进行某些症状的评估，例如 PD 患者会具有不同程度的声音异常，其临床特征表现为低音、单音调等
Suppa 等发现可以采用机器学习分析的方法分析 PD 患者的语音异常，即采用一项特定的声乐任务来记录患者语音，去除音轨中的背景噪声和其他伪影后，针对抖动、闪烁、基于声门模型的特征、经验模态分解和去趋势波动分析等进行数据分析，以客观地评价患者的声音变化程度。此外，PD 患者会出现表情淡漠等面部症状，利用计算模型能够捕捉面部特征的细微变化，建立可量化的证据，评估和预测 PD的发展阶段，有助于早期采取干预措施，以减缓疾病的进展。Jiang 等的研究表明，可以通过 AI 人脸预诊断模型的面部识别结果来评估接受 DBS 治疗的 PD 患者的面部差异，这将为早期干预提供有力的客观证据。
综上，AI 可以用于分析 PD 患者的临床特征，从而辅助评估病情，以客观具体数据来实现患者术前的准确筛选。
2.2 手术辅助
近年来，基于微电极记录（microelectroderecording, MER）的 DBS 术中靶点自动化定位已经引起了广泛的关注。基于 MER 的在线实时自动化靶点定位的潜在好处包括减少手术时间，减少对神经生理专业知识的依赖，自动化还有助于减轻患者的负担，更重要的是，能够提供一致和可靠的明确量化目标来放置 DBS 电极，使患者获得最大化利益。
随着深度神经网络和深度特征合成算法的兴起，自动化 MER 分析将靶点定位精度推向新的高度。例如，丘脑底核（subthalamic nucleus, STN）核团电生理的特征之一是背景活动相比透明带或内囊增加，这可能是由 STN 内神经元密度增加所致。在术中收集数据及音频时，剔除尖峰后，可见延伸波形背景振幅水平在 STN 边界所包围的区域中最高；因此可以利用背景曲线长度、均方根、幅值和信号功率 4 个特征对这一特性进行人工算法自动分析，以确定 STN 入点和出点，以帮助决定手术电极植入位置，MER 能以较高的精度和相对较小的错误率展示 STN 边界及其邻近结构的划分。
2.3 术后评估疗效和程控
2.3.1 评估疗效
DBS 治疗过程中术前和/或术后需行头颅 MRI 检查，可能出现磁场不均匀、噪声大等导致系统性能下降，影响清晰度。因此，有必要使用 AI 算法进行降噪处理。在 AI 算法下可以实现对图像的优化处理和去噪处理，图像优化处理算法包括图像重建、图像增强和边缘检测，还可以对滤波算子进行优化，以减少投影噪声对重建结果的影响等，提高 MRI 的清晰度并增强神经结构识别的准确性，为临床判断提供重要的客观依据。AI算法有利于提高最终成像的清晰度和合理性，便于临床判断的同时，还可以对 STN-DBS 的具体治疗效果进行深入分析，基于 AI 算法分析 MRI 图像特征，探讨 STN-DBS 对 PD 患者神经精神功能的影响，为治疗效果提供数据支持。
2.3.2 程控
功能性 MRI 是一种新兴的神经影像学方式，其原理是利用磁振造影来测量神经元活动引发的血液动力改变，主要用于功能皮质及记忆等心理活动的研究。DBS 对患者大脑的区域和网络有调节作用，这些区域和网络的调节与临床疗效密切相关，功能性 MRI 可用于探讨刺激对大脑网络的影响。
DBS 手术后，可以对 PD 患者进行功能性 MRI 扫描，对触点或电压进行筛选，通过 AI 训练机器学习模型分析功能性 MRI 数据的不同模式，自动识别最佳刺激参数，建立个体化的程控方案。DBS 整个治疗过程较复杂且繁琐，主要是将刺激电极植入基底节区的特定靶区，刺激脉冲传递以达到治疗效果，所涉及的刺激频率、幅度和脉宽必须由运动障碍专家根据患者的具体情况进行调整。
AI 驱动的闭环自适应 DBS（adaptive DBS,aDBS）系统可以动态调整刺激参数，通过监测病理性β 震荡，触发 DBS 的实时响应。机器学习驱动的 aDBS 可大幅提升患者生活质量，简化了程控的复杂度。aDBS 利用 DBS 电极，可以直接从靶区采集病理神经活动，智能程控仪可以自动筛选最佳刺激触点，利用局部场电位核团病理生理神经活性（如β 震荡）的病理增强，来触发 DBS 参数的刺激，在获得足够的信号抑制后停止刺激，自动调整刺激强度。
相较于传统 DBS，aDBS 能够在不依赖症状活动的情况下触发刺激，这种方法的症状缓解效果相似或更好，同时减少了运动障碍症状以及刺激引起的副作用，从而实现更高效的疗效与更少的副作用，最重要的是，很大程度上节省了患者的就诊时间，并且可以实现 DBS 治疗的高度个体化。控制参数可以以更快和只需驱动的方式进行调整，以减少不必要刺激所造成的副作用。
机器学习驱动的 aDBS 还可以在不依赖疾病特异性症状活动的情况下调整刺激参数。智能 aDBS 有望显著改善运动障碍患者的生活质量，具有高度个体化的性质，从而使运动障碍患者的生活质量得到更大的改善。基于 AI 的 aDBS 代表了下一代自适应刺激的前沿及发展方向。
此外，现有的 DBS 技术涉及多个刺激参数，例如电极放置、脉冲宽度、幅度、频率组合的数量，使经验优化具有挑战性。计算模型已经成为合理调整 DBS 参数的有用工具。前导模型通常将患者特定的扩散加权成像数据与植入的 DBS 系统详细有限元模型耦合。组织激活体积模型/人工神经网络的预测器已经成为合理调整 DBS 参数的有用工具。
3. AI 在 DBS 疗法中应用面临的挑战
3.1 数据质量和数量问题
大量高质量的数据是 AI 应用的基础，数据收集过程容易受到如测量仪器的误差、患者的个体差异等多种因素的影响，使得收集到的数据存在较大的变异性，增加了 AI 算法准确分析和处理数据的难度。大量的数据进行学习和优化对于 AI 算法是必要的，对于一些罕见的神经系统疾病，能够收集到的 DBS 治疗相关数据相对较少，数据量不足则难以充分挖掘数据中的潜在核心模式和规律，从而影响其在靶点定位、刺激参数优化和治疗效果预测等方面的应用效果。
3.2 对于算法的理解和信任问题
一些先进的 AI 算法包括深度学习算法、进化算法、决策树算法等，虽然有卓越的分析和预测性能，但对于临床医生来说，他们缺乏计算机相关专业知识，难以理解 AI 算法内部复杂的工作机制，医生可能对基于 AI 算法给出的治疗建议存在疑虑，这会影响医生对治疗方案的信任和采用。例如，如果医生不理解 AI 算法是如何确定最佳刺激参数的，他们可能不太愿意按照算法的建议来调整治疗方案，从而限制了 AI 技术在 DBS 疗法中的有效应用。
3.3 伦理和法律问题
在 DBS 治疗过程中应用 AI 辅助，将必然涉及大量患者的个人信息和数据的收集、存储和使用，这些都需要严格的隐私保护措施，以确保数据安全，防止患者信息泄露，避免给患者带来不必要的困扰和风险。AI 的应用优势与风险并存，如果AI 算法给出的治疗建议导致不良后果，很难确定是算法开发者的问题，还是医生在应用算法建议时出现了错误，或者是医疗机构在数据管理和治疗过程中存在疏忽。这种责任划分的不确定性会给法律纠纷的处理带来困难，也会影响各方对 AI 技术在 DBS 疗法中应用的积极性。
来源：齐镕潇,李鹏.人工智能在脑深部电刺激疗法中的应用[J].华西医学,2025,40(03):486-489.
(本网站所有内容，凡注明来源为“医脉通”，版权均归医脉通所有，未经授权，任何媒体、网站或个人不得转载，否则将追究法律责任，授权转载时须注明“来源：医脉通”。本网注明来源为其他媒体的内容为转载，转载仅作观点分享，版权归原作者所有，如有侵犯版权，请及时联系我们。)
