Ciblage des fibres neuronales Tracts pour la thérapie de Stimulation cérébrale profonde à l’aide de modèles interactifs, spécifiques à un Patient

L’objectif global de ce projet est de développer un pipeline de modélisation interactif spécifique au patient et de stimuler les effets de la stimulation cérébrale profonde sur les voies des fibres neuronales en temps quasi réel. La stimulation cérébrale profonde est une intervention thérapeutique approuvée par la FDA et utilisée depuis plus d’une décennie pour les troubles du mouvement tels que la maladie de Parkinson, et elle a été étudiée pour un large éventail d’autres affections neurologiques et psychiatriques. La modélisation informatique de la stimulation cérébrale profonde a été un outil très utile, et son utilisation s’est accrue afin de mieux comprendre et prédire les effets de la stimulation chez des sujets individuels.

L’un des problèmes persistants de la modélisation informatique est le temps qu’il faut pour construire et exécuter des expériences de modèle informatique. Le but de ce protocole est d’expliquer comment la modélisation informatique peut être effectuée en temps quasi réel et de manière beaucoup plus interactive, et cela est réalisé grâce à quelques innovations. Le principal est la possibilité de faire du maillage interactif de têtes entières de sujets individuels.

Le protocole de cette vidéo décrira comment construire un modèle d’éléments finis spécifique au patient à partir de volumes IRM acquis, puis simuler le champ électrique induit par une électrode de stimulation cérébrale profonde implantée. Les principales étapes de la création de ces modèles sont, premièrement, construire un modèle d’éléments finis représentant le cerveau du patient et l’électrode implantée, deuxièmement, ajouter les propriétés biophysiques du cerveau et les paramètres de stimulation du dispositif de stimulation cérébrale profonde au maillage d’éléments finis, et troisièmement, résoudre la tension générée par l’électrode dans le modèle. L’électrode modélisée dans ce projet est une sonde DBS 3387 de Medtronic.

Cependant, n’importe quelle géométrie d’électrode peut être utilisée avec cette approche. Le 3387 est un câble cylindrique avec quatre contacts séparés par un matériau non conducteur. Des représentations de surface pour chacun de ces composants sont créées pour le processus de maillage.

Des surfaces fermées sont créées pour les quatre contacts, les cinq segments d’arbre, la couche d’encapsulation et deux boîtes environnantes qui sont utilisées pour contrôler la densité du maillage autour de l’électrode. Il est important de créer un maillage de surface à haute densité des contacts pour préserver la géométrie cylindrique et résoudre avec précision le problème du champ bioélectrique. La distribution de tension à travers le cerveau induite par l’électrode est calculée en résolvant une équation de Poisson qui, grâce à l’application de la modélisation par éléments finis, simplifie en un système linéaire d’équations, Ax est égal à B, où A est la matrice de rigidité qui représente la conductivité et la géométrie du maillage, x est la solution de tension à chaque nœud du maillage, et B est modifié en fonction des conditions aux limites et des sources de courant.

La couche d’encapsulation, les segments d’arbre et les quatre contacts doivent également se voir attribuer des valeurs de conductivité en fonction de leurs propriétés matérielles indiquées dans le tableau à l’écran. Des conditions aux limites fixes sont utilisées pour calculer le champ bioélectrique. Les surfaces ponctuelles sont placées au centre de chacun des quatre contacts DBS, et une stimulation monopolaire ou bipolaire peut être appliquée par n’importe quelle combinaison.

La surface externe du cerveau est réglée à zéro volt pour simuler une électrode de retour à distance. Ces conditions représentent la tension connue sur le modèle d’éléments finis. Nous connaissons la tension à chacun des quatre contacts et à l’électrode de retour, qui est le générateur d’impulsions implantable.

Le système linéaire d’équations est résolu à l’aide d’une méthode de gradient conjugué pour calculer la solution de tension dans le modèle pour un ensemble de conditions aux limites. SCIRun est un environnement de résolution de problèmes avancé pour la modélisation, la simulation et la visualisation de plusieurs classes de problèmes scientifiques. La syntaxe de programmation visuelle permet aux utilisateurs de connecter des modèles logiciels entre eux pour traiter et visualiser des données scientifiques.

Pour ce protocole, SCIRun est utilisé pour créer un maillage d’éléments finis du cerveau et une stimulation cérébrale profonde et résoudre le problème du champ bioélectrique dans un environnement interactif. L’un des aspects clés de SCIRun est la possibilité de visualiser de manière interactive les données à n’importe quel point du pipeline, ce que nous allons démontrer. La première étape de la construction du modèle d’éléments finis consiste à déterminer l’anatomie structurelle du cerveau.

Pour réaliser cette étape, nous avons choisi d’utiliser FreeSurfer, une suite logicielle open source de traitement et d’analyse des volumes d’IRM pour le cerveau humain. Pour commencer, l’IRM T1 du patient est transmise à FreeSurfer sous la forme d’une pile DICOM avec la commande suivante. Ensuite, la commande suivante est utilisée pour démarrer le traitement automatisé et la segmentation.

FreeSurfer crée un nouveau volume d’image du tissu cérébral avec le crâne enlevé. Le seuillage d’intensité et l’isosurfaçage sont effectués sur ce nouveau volume pour obtenir une représentation de surface du cerveau qui est ensuite utilisée pour définir la limite extérieure du modèle d’éléments finis. Le pipeline FreeSurfer segmente également la matière blanche, la matière grise, les noyaux sous-corticaux et les ventricules.

Chaque région du cerveau se voit attribuer une étiquette entière unique. L’étape suivante de prétraitement consiste à estimer les tenseurs de diffusion à partir des données d’imagerie pondérées en diffusion et à co-enregistrer ce volume avec l’IRM TI. La DWI est une mesure de la diffusivité de l’eau à travers le tissu cérébral dans plusieurs directions.

Pour cette étape, nous avons choisi d’utiliser 3DSlicer, une plateforme logicielle open source gratuite pour le traitement d’images médicales et la visualisation 3D de données d’imagerie. Tout d’abord, convertissez la série DICOM en un seul volume DWI à l’aide du module de conversion DWI dans Slicer. Afin d’éliminer l’arrière-plan et le bruit de la reconstruction tensorielle, créez un masque avec le module de masquage du volume pondéré en diffusion.

Cela permettra de calculer les tenseurs uniquement dans le tissu cérébral. L’étape suivante consiste à utiliser le module d’estimation DWI à DTI pour générer les tenseurs de diffusion. Réglez l’algorithme d’estimation tensorielle sur les moindres carrés et cochez Décaler les valeurs propres négatives.

Cela supprimera les tenseurs avec des valeurs propres négatives liées au bruit ou à l’erreur d’acquisition. Les géométries de surface 3D pour le modèle d’électrode peuvent être construites à l’aide de n’importe quel logiciel de modélisation 3D, ce qui ne sera pas démontré dans cette vidéo. Ici, nous avons créé un maillage à surface fermée pour chacun des contacts de l’électrode, des segments d’arbre, de la couche d’encapsulation et des deux boîtes environnantes qui sont utilisées pour contrôler la densité du maillage.

La surface du cerveau créée dans la première partie et la géométrie de l’électrode sont combinées pour créer un modèle d’éléments finis du cerveau avec une électrode implantée à l’aide de l’outil de maillage TetGen. Canalisez la surface du cerveau et la géométrie de l’électrode dans le module InterfaceWithTetGen. Appliquez des contraintes de volume à la génération d’éléments tétraédriques dans chaque région du modèle, comme indiqué dans le tableau à l’écran.

Cette technique crée un maillage de taille adaptative avec une densité de maillage plus élevée autour de l’interface tissulaire de l’électrode où le gradient de champ électrique est élevé. Le résultat est un maillage tétraédrique d’éléments finis du modèle d’électrode intégré dans le tissu cérébral. SCIRun permet le déplacement d’objets à l’aide de modules de transformation géométrique et de widgets interactifs dans la fenêtre du visualiseur.

Pour modifier l’angle de la géométrie de l’électrode, utilisez le module CreateGeometricTransform, combiné au module TransformMesh. Réglez l’axe de rotation X sur un et définissez le degré de rotation pour que thêta contrôle l’angle. Connectez un module GenerateSinglePointProbe directement à ViewScene pour créer un widget de sphère, ainsi qu’à un autre module TransformMesh pour contrôler l’emplacement de l’extrémité de l’électrode.

Dans la scène de vue, cliquez sur le bouton Maj et faites-le glisser pour déplacer l’emplacement de la pointe de l’électrode. Ces transformations sont appliquées à la géométrie de l’électrode avant qu’elle ne soit transmise à TetGen, de sorte que l’emplacement et l’orientation actualisés de l’électrode sont intégrés dans le modèle d’éléments finis. L’étape suivante consiste à attribuer des valeurs de conductivité au modèle d’éléments finis.

Chargez les données DTI qui ont été traitées dans 3DSlicer et définissez les valeurs de conductivité pour le modèle d’électrode et le tissu cérébral sur le maillage tétraédrique créé dans la section précédente. Une fois les valeurs de conductivité appliquées au maillage, canalisez le champ dans BuildFEMatrix. Il s’agit de la première étape de la création du système d’équations pour le calcul du champ bioélectrique.

Pour la stimulation contrôlée par tension, nous allons maintenant définir les conditions limites de tension connues sur le maillage d’éléments finis. Réglez la surface du cerveau utilisée comme limite extérieure de notre maillage à zéro volt pour simuler l’électrode de retour à distance. InsertVoltageSource est ensuite utilisé pour appliquer cette condition aux limites sur le maillage.

Pour la stimulation monopolaire, attribuez une valeur de tension à un point au centre du contact inférieur. Là encore, utilisez InsertVoltageSource pour appliquer cette condition aux limites sur le maillage. Combinez la sortie de BuildFEMatrix et InsertVoltageSource dans SolveLinearSystem.

Utilisez la méthode de résolution de gradient conjugué et exécutez le module pour calculer la solution de tension. Replacez la solution du système d’équations sur les nœuds du maillage d’éléments finis à l’aide du module SetFieldData. La solution de tension peut être visualisée directement sur les nœuds du maillage, mais ne fournit pas une représentation significative de sa distribution à travers le tissu cérébral.

Une meilleure visualisation consiste à créer des surfaces isovoltage similaires aux courbes de niveau sur une carte, ce qui fournit également des informations sur l’orientation et l’intensité du champ électrique. Passez la solution de tension de maillage par éléments finis dans ExtractSimpleIsosurface et définissez la quantité sur 10. Cela créera 10 surfaces isovoltage uniformément espacées autour du contact.

Avec cette technique, nous pouvons visualiser l’effet de l’ajout de tenseurs de conductivité anisotrope au modèle et comment ce paramètre influence la distribution de la tension dans le tissu cérébral. L’intégration de la construction par éléments finis, des calculs de champ bioélectrique et de la visualisation des résultats dans un seul environnement permet un retour d’information en temps quasi réel sur la façon dont les changements de paramètres tels que la position de l’électrode et l’amplitude de stimulation influencent la façon dont le champ bioélectrique interagit avec les tissus environnants. Une fois que la position de l’électrode est modifiée et que le champ bioélectrique est recalculé, la solution est cartographiée sur les faisceaux de fibres cibles.

La fonction d’activation est calculée pour prédire l’activation du faisceau de fibres pour une amplitude de stimulation donnée. Nous recueillons des prédictions d’activation de faisceaux de fibres sur tous les contacts et plusieurs amplitudes de stimulation et déterminons rapidement quelle configuration de stimulation serait la plus efficace pour activer les fibres cibles pour une position d’électrode donnée. Nous comparons ensuite ces profils d’activation pour plusieurs positions d’électrodes au cours des étapes de planification de la chirurgie DBS afin de définir la trajectoire de l’électrode qui stimulera efficacement la voie de la fibre cible.

Ici, nous voyons que la position deux prédit une activation plus robuste du faisceau de fibres cible, avoir des amplitudes de stimulation plus faibles sur tous les contacts par rapport à la position un. Cette approche peut être utilisée pour modéliser des scénarios beaucoup plus complexes. Une nouvelle caractéristique de ce système est la possibilité de changer rapidement la géométrie de l’électrode dans le modèle et la possibilité de simuler plusieurs fils à proximité les uns des autres.

Ici, nous étudions l’emplacement des pistes pour stimuler les voies des fibres thalamiques centrales impliquées dans la régulation de l’excitation en tant que cible potentielle pour les patients atteints de lésions cérébrales traumatiques tout en évitant les zones voisines telles que les noyaux sensoriels. Pour une position d’électrode statique, nous avons simulé les effets du passage à un modèle d’électrode directionnelle afin d’obtenir un contrôle plus ciblé des emplacements d’activation des fibres et d’éviter la stimulation d’autres faisceaux de fibres. En regardant une section transversale autour de l’électrode, nous voyons que l’électrode directionnelle est capable de stimuler efficacement les fibres cibles avec une propagation minimale de l’activation dans les fibres que nous souhaitons éviter.

Cette approche serait également utile pour le ciblage du noyau sous-thalamique afin de traiter les symptômes de la maladie de Parkinson tout en évitant la capsule interne voisine. Ici, nous simulons le placement de trois sondes DBS indépendantes et prédisons l’activation de voies similaires de fibres thalamiques centrales pour la planification chirurgicale dans des expériences sur des primates non humains. L’avantage d’utiliser plusieurs électrodes est de fournir un contrôle de la stimulation sur une plus grande surface.

Les électrodes directionnelles et les dérivations multiples augmentent la difficulté de déterminer les paramètres de stimulation des électrodes. Cependant, l’utilisation de l’approche décrite dans cette vidéo permet une exploration plus rapide et plus guidée de l’espace complexe des paramètres afin d’identifier les paramètres de stimulation thérapeutique. Le pipeline de modélisation spécifique au patient, qui décrit les étapes, de l’imagerie du patient aux modèles interactifs, que nous vous avons montré aujourd’hui, aidera à combler le fossé entre les ingénieurs et les cliniciens.

Le développement de nouveaux dispositifs DBS avec plus de quatre contacts, y compris l’insertion de plusieurs électrodes, ajoute plus de complexité à un problème déjà difficile. La capacité de visualiser rapidement les effets de différentes conceptions d’électrodes dans des configurations de stimulation peut fournir des informations précieuses pour mieux comprendre le fonctionnement de ces dispositifs dans le cerveau.