登Science合作期刊！复旦联合团队用点云空间智能预测帕金森DBS运动改善 ...

伙儿应

智猩猩AI整理
编辑：知知
一项深部脑刺激（DBS）治疗的效果，往往不只取决于刺激参数表上的几个数字。
对于帕金森病患者而言，电极周围的脑组织、个体解剖结构，以及电流在组织中的传播方式，都可能影响最终的运动改善。
这些差异存在于真实的三维空间中，也为个体化疗效预测提出了新的要求：模型需要理解的，是一位具体患者的大脑，以及刺激在其中如何作用。
近日，复旦大学类脑智能科学与技术研究院博士生导师、国家高层次青年人才许树茂博士，联合复旦大学附属华山医院邬剑军团队，以及上海市卫生和健康发展研究中心、俄罗斯谢切诺夫大学等国内外合作团队，在BME Frontiers（Science 合作伙伴子刊）发表题为《3D point-cloud learning for patient-specific DBS motor response prediction in Parkinson disease》的研究。
该研究以三维点云为载体，将影像、解剖和电场信息共同纳入模型，探索帕金森病患者 DBS 运动反应的个体化预测。
其中，通讯作者许树茂博士，长期致力于生物医学工程与材料科学的交叉研究，围绕多模态神经界面、脑机接口、神经调控与卒中康复开展工作，此项跨国、跨机构的合作发表，正是其团队在神经调控与脑机接口交叉领域深厚积累的重要体现。


论文题目：3D point-cloud learning for patient-specific DBS motor response prediction in Parkinson disease
01
疗效差异，
需要放回患者自己的大脑中理解

DBS通过植入电极向特定脑区施加电刺激，帮助改善帕金森病的运动症状。临床上，即使患者接受相近的刺激设置，改善程度也可能不同。
理解这种差异，需要同时考虑电极所在的位置、邻近组织的结构及其电学特性。一张影像可以显示解剖位置，一次电场模拟可以描述刺激的空间分布。
如何把这些信息联系起来，并保留它们在患者脑内的对应关系，是这项研究的出发点。
02
用点云，为影像和电场
建立共同的空间语言

团队把术前 MRI、术后 CT、电极定位结果和有限元电场模拟整合为患者特异性的三维点云。可以把点云理解为一组带有属性的空间采样点：每个点都有位置，还可以携带组织类别、电场方向与强度等信息。当这些点被放回同一个坐标空间，电极、脑组织和电场之间的关系就成为模型能够学习的数据。
模型由此获得了观察局部组织环境的窗口，也能够沿着空间邻域追踪刺激分布的变化。研究最终纳入79例具有完整相关数据的患者，在所报告的内部留出测试中，PointNet++ 的±5分容差率达到62.5%。
这意味着，在该测试集内，62.5%的预测结果与实际运动评分改善值之间的绝对误差不超过5分。
这一数字衡量的是预测误差范围，并非治疗有效率。它为利用三维空间信息估计个体运动改善提供了初步证据，也让后续研究有了可以继续检验和改进的方法基础。


图1｜多模态影像、电极定位与电场信息在患者三维空间中的整合。
在此基础上，研究采用 PointNet++ 进行分层特征学习。网络逐步汇集局部邻域和更大空间范围内的信息，学习这些空间特征与运动评分改善之间的关系。其预测目标是患者在已观察刺激设置下的 MDS-UPDRS-III 改善幅度。
02
让预测走向临床

对于患者和医生，个体化预测的价值，在于为治疗讨论提供更具体的参考。将解剖和电场信息纳入模型，有望帮助研究者进一步理解不同患者的刺激反应，并探索更有依据的疗效评估方式。


图2｜个体化DBS的研究框架与应用展望。图中闭环调节与参数优化属于待验证的扩展方向。
据研究团队介绍，从临床数据整理、影像处理到电场模拟和算法分析，这项工作凝聚了多个学科团队的投入。研究团队特别提到，要感谢参与研究的患者及家属给予的信任，感谢 Lead-DBS 开发者与社区积累的开放工具，感谢复旦大学类脑智能科学与技术研究院及 CFFF 平台提供的计算资源与研究支持。本研究得到上海市经济和信息化委员会科学智能"百团百项"计划（CWH0082502）支持。
关注+星标，获取AI前沿进展与开源一线动态