TuneS：基于模型的深脑刺激接触配置患者专属性优化

目的：本研究旨在开发和评估一种系统方法，以优化深脑刺激（DBS）参数，解决在 various neurological and mental disorders 中识别患者专属性的设置和最优刺激靶点的挑战。方法：介绍一种新型管线，用于基于预定义靶点和约束预测临床上最优 DBS 接触配置的方法。该方法依赖于患者专属性的刺激扩散模型，并将优化扩展到包括自动化、基于模型的流线靶定。结果：初始发现表明，无论是在临床设置下，STN 运动亚区和 STN 运动流线都被一致地激活，而避免作用区域接收最小刺激。基于这些发现，展示了在 10 例帕金森病患者的示例中，基于模型的接触预测对于在观察解剖约束的同时评估刺激靶点具有价值。预测的设置通常能够实现更高的靶点覆盖率，同时在最大化靶点覆盖率和最小化副作用相关区域刺激之间提供更好的权衡。结论：TuneS 作为研究工具显示出潜力，能够系统评估 DBS 靶点的有效性，并促进受约束的刺激参数优化。意义：本报告的管线为改进患者专属性的 DBS 疗法提供了一条途径，并为更广泛的理解有效 DBS 靶定策略做出了贡献。