Semiautomatisch algoritme voor planning patiënt-specifiek elektrode traject

Nauwkeurige plaatsing van de elektrode in de nucleus subthalamicus (STN) is essentieel voor het effect van deep brain stimulation (DBS) bij mensen met de ziekte van Parkinson. De planning van een optimaal traject voor de elektrode door de hersenen is momenteel een handmatig uitgevoerd proces. In het Radboudumc ontwikkelen we een automatisch planningsalgoritme dat de voorwaarden voor een optimaal traject combineert. Ook moet het als ondersteunende tool gaan dienen bij bilaterale DBS-procedures. 

Deep brain stimulation planning 

Momenteel is het plannen van elektrode trajecten gebaseerd op een tweetal preoperatieve MRI-scans. Een in het Radboudumc ontwikkelde T2 MRI-sequentie wordt gebruikt voor visualisatie van de STN. Op basis van deze scan kan het target-punt (TP) in de STN handmatig geselecteerd worden. Vervolgens dient het entry-punt (EP) op de cortex vastgesteld te worden. Een gewenst EP is frontaal gelegen van de motorische cortex en bevindt zich op een gyrus. De lineaire lijn tussen het vastgestelde TP en EP vormt vervolgens het geplande traject voor de elektrode. Het traject wordt met het oog gecontroleerd op veiligheidsvoorwaarden.

Een optimaal traject heeft op de T2-scan een veilige marge ten opzichte van ventrikels, sulci en, indien aanwezig, witte stof hyperintensiteiten. Met behulp van een T1-contrast MRI-sequentie wordt vervolgens gecontroleerd of de marge tot bloedvaten voldoende is. Aanpassingen in een EP of TP leiden tot een iteratief proces waarbij een aangepast traject elke keer opnieuw met het oog gecontroleerd dient te worden. Een optimaal traject is afhankelijk van de interpretatie van de operator en wordt gelimiteerd door MRI-resolutie.         

Plannen met een algoritme   

In het Radboudumc ontwikkelen we een algoritme dat een patiënt-specifiek elektrode-traject presenteert op basis van de klinische voorwaarden die verbonden zijn aan een optimaal traject. Momenteel vereist het algoritme een handmatige selectie van het TP. Dit leidt tot een semiautomatisch algoritme. Basaal omschreven neemt het algoritme de preoperatieve MRI-scans met het vastgestelde TP als input en geeft als output de EP van het optimale traject. Het is vereist dat het algoritme de output levert binnen een klinisch relevante tijd (<10 min) en in staat is om geplande trajecten zelfstandig te analyseren. Het algoritme kan bijdragen aan een gereduceerde planningstijd, het verbeteren van de veiligheid van de procedure en kan ingezet worden in multidisciplinair overleg voor het bepalen of DBS-chirurgie veilig uitgevoerd kan worden.

MRI-gebaseerde trajectplanning

Trajectplanning begint met het definiëren van een corticale regio voor een nieuw te opereren patiënt waarbinnen kandidaat-EP’s zich bevinden. We ontwikkelden een MRI beeldverwerking pipeline, in combinatie met historische entry data, om deze regio vast te stellen voor een nieuwe patiënt (Fig.1). Vervolgens kunnen binnen deze regio kandidaat locaties voor EP’s geselecteerd worden. De locaties van de kandidaat EP’s maken we compatibel met de patiënt-specifieke MRI (Fig.2). Als laatste stap ontwikkelden we een MRI-analyse pipeline om de definitieve locatie van de kandidaat-EP’s te definiëren  (Fig.3). Op deze manier zijn we in staat om de locatie van EP’s af te definiëren op basis van de individuele anatomie van de te opereren patiënt. 

Op basis van de kandidaat-EP-locaties, die soms diep gelokaliseerd zijn in de hersenen, filteren we onrealistische en onwenselijk trajecten eruit. Momenteel is het algoritme in staat om in 3,5 minuten tientallen mogelijke trajecten te presenteren voor de STN links en voor de STN rechts in een nieuwe patiënt (Fig.4). 

Richting klinische implementatie 

Binnen het onderzoek richten we ons momenteel op het analyseren van de resterende voorgestelde trajecten. De uitdaging is om een set aan MRI-kenmerken te definiëren op basis waarvan een traject boven een ander traject gepresenteerd gaat worden. Wanneer het algoritme in staat is om een traject te presenteren, gaat validatie uitwijzen wat de toegevoegde waarde van het algoritme is boven het handmatig plannen van de trajecten.  Bij positieve resultaten is het mogelijk de stap te zetten naar gebruik van het algoritme op de operatiekamer.  

Doorontwikkelen

In de toekomst is het wenselijk om het algoritme door te gaan ontwikkelen naar een volledig automatisch algoritme. Dat betekent dat ook het TP automatisch bepaald moet kunnen worden in de T2 MRI van de nieuw te opereren patiënt. Segmentatie van de STN blijft een uitdaging om dit te realiseren. Daarnaast is het interessant om te onderzoeken waar in de STN het TP geplaatst moet worden op basis van de klachten van de individuele patiënt: de hot spot voor stimulatie. Ook wordt er gewerkt aan optimalisatie van de MRI-beeldverwerking pipeline door het ontwikkelen van een Parkinson brein template. We verwachten dat een Parkinson template een betere representatie is van de populatie dan een template van een gemiddeld brein. 

Conclusie

We hebben een nieuw semiautomatisch planningsalgoritme ontwikkeld, waarbij gebruik wordt gemaakt van historische chirurgische gegevens, MRI-bewerkingsstappen en MRI-analyse om een set mogelijke trajecten te verkrijgen voor een individuele patiënt die een STN-DBS-operatie ondergaat. Traject-analyse en validatie zullen op korte termijn een indicatie geven wat de toegevoegde waarde wordt van het algoritme voor klinische implementatie.