Project

Back to overview

Adaptive deep brain stimulation: improving neurostimulation therapy for Parkinson’s disease

English title Adaptive deep brain stimulation: improving neurostimulation therapy for Parkinson’s disease
Applicant Anso Juan
Number 188140
Funding scheme Early Postdoc.Mobility
Research institution Department of Neurological Surgery San Francicso General Hospital
Institution of higher education Institution abroad - IACH
Main discipline Neurophysiology and Brain Research
Start/End 01.02.2020 - 31.07.2021
Show all

All Disciplines (4)

Discipline
Neurophysiology and Brain Research
Neurology, Psychiatry
Surgery
Biomedical Engineering

Keywords (5)

Deep brain stimulation; Parkinson's disease; Closed-loop (adaptive); Chronic brain recordings; Human intracranial neurophysiology

Lay Summary (German)

Lead
Parkinson ist eine Erkrankung, die zum Verfall des Gehirns führt und fast immer tödlich verläuft. Patienten leiden an Zittern sowie Steifheit der Gliedmassen mit verlangsamten Bewegungen. Einer von zwanzig Menschen über 80 Jahren kann betroffen sein. Bis 2050 wird es weltweit 12 Mio Patienten geben. Die Behandlung erfolgt mit dem Medikament Levodopa, welches ein fehlendes Molekül im Gehirn ersetzt. Obwohl Levodopa anfänglich sehr wirksam ist, nimmt der Effekt langfristig ab, wobei Nebenwirkungen zunehmen.
Lay summary

Inhalt und Ziel des Forschungsprojekts

Eine alternative Behandlung ist die Tiefenhirnstimulationstherapie (DBS). Bei DBS wird eine Elektrode in den kranken Teil des Gehirns implantiert und stimuliert diesen Bereich zur Linderung der Symptome elektrisch. Aber DBS hat auch Nachteile. Da es das Gehirn fortwährend stimuliert, auch wenn keine Symptome vorliegen, und sich das DBS Implantat nicht an die wechselhaften Symptome des Parkinson anpasst, kann es ungewollte Nebenwirkungen geben. Diese umfassen Sprachstörungen, unwillkürlichen Augenbewegungen und Stimmungsschwankungen wie Übererregung und Depressionen.

Ein Ansatz zur Verbesserung der DBS Therapie ist die „Closed Loop DBS“, die den Hirnstatus mit akuten Symptomen abgleicht und nur dann eine elektrische Stimulation durchführt, wenn der Patient tatsächliche Symptome zeigt. Zudem liegen frühe Ergebnisse vor, die andeuten, dass durch diese angepasste Stimulierung mit einem geschlossenen Regelkreis eine Neuordung im Gehirn stattfindet, so dass die Abhängigkeit von der Stimulation geringer werden und sich möglicherweise sogar ein Heileffekt einstellen kann.

Wissenschaftlicher und gesellschaftlicher Kontext

Das hier vorgestellte Forschungsprojekt untersucht die Wirksamkeit vielversprechender, neuer Kontrollfunktionen für die DBS Stimulierung mit einem geschlossenen Regelkreis, um ihre Anwendbarkeit bei Patienten mit Parkinson zu verbessern. Die Starr Gruppe, UCSF/U.S.A. ist ein führendes Team, das DBS mit geschlossenem Regelkreis mithilfe einer speziellen Forschungstechnologie untersucht. Mein Projekt soll neue Kontrollmethoden zum DBS erarbeiten um die geregelte Hirnstimulation bei dauerhaft implantierten Patienten zu verbessern.

Direct link to Lay Summary Last update: 19.08.2019

Responsible applicant and co-applicants

Abstract

Background: Adaptive deep brain stimulation (aDBS) may provide reduced adverse effects and increased efficacy over the current clinical standard of constant frequency stimulation in Parkinson’s disease (PD) patients. By selectively targeting pathological activity and reducing stimulation currents but maintaining the therapeutic window, aDBS could become the next generation PD DBS approach. However, aDBS studies performed to date have had significant limitations. These investigations have all unavoidably been acute (perioperative periods), thus it was only possible to record low-amplitude subcortical deep brain signals via externalized electrode connections. Recently, a first-generation implanted research device (PC+S) with sensing, recording and data streaming capabilities, enabled explorations of aDBS in chronic implanted patients. Paired with a newly available interface (RC+S) with substantial advantages respect to recording quality and programmability the potential of aDBS in chronic implanted patients can be explored more substantially for the first time. This investigational research technology is only available in a few centers worldwide, e.g. the Starr Lab (host institution), with a large focus on further exploring the therapeutic potential of aDBS. Research on closed-loop (adaptive) algorithms for aDBS is in its infancy. There are two main types of control algorithms, low-dynamics, based on patient clinical state (latency hours to days), and fast-dynamics, based on biomarker activity (milliseconds), which provides rapid adjust of stimulation to disease state. In the former, biomarker signal amplitude and/or phase variations are used to detect the onset of pathological state and trigger the stimulation. These methods may produce rapid fluctuations of stimulation amplitude, which could affect clinical efficacy. Advanced control methods based on personalized features have been proposed, but their efficacy has only been assessed in silico models. Objective: The aim of this project is to prototype and evaluate advanced algorithms for adaptive stimulation of globus pallidus target utilizing different sets of biomarkers (deep brain, cortical and kinematic signals). We will assess electrophysiologic effects of therapeutic adaptive-DBS on the basal-ganglia thalamocortical circuit of chronic implanted patients during clinical sessions, and during activities of daily life at home sessions.Method: We will leverage in-clinic recordings in defined medication states (on or off) and home recordings using continuous “data streaming” from the implanted device, during the patient’s usual fluctuating motor state. Cortical (ECoG), deep brain signals (LFPs), electromyography (EMG) and accelerometer (wearables) signals related to different motor activities during disease state will be explored. Using the first sets of chronic recorded data of pallidal implanted patients (hospital sessions), signal discovery will be used to a identify a robust set of biomarkers (exploration). Then, best performing prototype test-bench algorithms based on the preliminary data sets will be derived. Finally, the performance of the selected algorithm/s in a pilot patient study during activities of daily-life (home sessions) will be assessed. The criteria for successful aDBS will be appropriate technical performance of the control algorithm (e.g. detection of threshold crossings), and reduction in total electrical energy delivered (TEED) for adaptive versus open loop stimulation without reduction in clinical efficacy.Expected results and impact for the field: Findings from these research project will provide first generation prototypes of personalized algorithms based on chronic neural correlates of specific motor signs, a critical step for the development of adaptive deep brain neurostimulation.
-