Optimisation du ciblage des noyaux gris centraux en neurochirurgie stéréotaxique

Abstract

La stimulation cérébrale profonde (SCP) constitue un traitement chirurgical validé pour certaines formes de maladie de Parkinson, de tremblement essentiel ou de dystonies.La principale étape de cette procédure est le ciblage de la structure cérébrale dans laquelle sera délivré le courant par les électrodes implantées (cible). Les cibles de la SCP sont de l’ordre du millimètre, correspondant à des sous-parties de noyaux gris centraux (noyaux sous-thalamique – NST, globus pallidus interne – GPi, noyau ventral-intermédiaire du thalamus – VIM) ou à des régions autour de ces noyaux dans lesquelles transitent les faisceaux de fibres blanches à destination de ceux-ci. L’imagerie par résonnance magnétique (IRM) permet de visualiser certains de ces noyaux, mais avec une résolution insuffisante pour guider avec précision l’implantation des électrodes pour ce qui est du STN et du VIM, rendant pour certains auteurs l’électrophysiologie peropératoire indispensable. D’autre part, la définition anatomique des cibles est sujette à controverses et la nature même de la structure visée varie entre les différents centres. Ces éléments constituent des sources d’erreur dans le ciblage et peuvent rendre compte de l’absence d’efficacité de la procédure, ou de son efficacité partielle, chez certains patients. L’objectif de ce travail était d’optimiser le ciblage en SCP en définissant une cible non pas anatomique mais fonctionnelle : pour un patient donné, trouver la position d’une cible dont la stimulation aboutira à un excellent résultat clinique.Pour cela, nous avons résolu un problème inverse, grâce à des méthodes d’apprentissage statistique. La base d’entrainement était constituée par la position des électrodes implantées chez des patients ayant un excellent résultat clinique post-opératoire d’une part, et la position de structures anatomiques avoisinantes visibles sur une IRM à 1,5Tesla chez ces mêmes patients, d’autre part. Trois approches d’apprentissage ont été utilisées : la régression de type RKHS, puis les SVR (support vector régression) et les réseaux de neurones (apprentissage profond). 15 patients atteints d’un tremblement essentiel (29 électrodes) opérés avec un excellent résultat ont été inclus pour la définition d’une cible « VIM ». 18 points de repères par hémisphère ont été définis dans la région des noyaux gris centraux.Les modèles de prédiction ont été validés en calculant la distance euclidienne entre la cible prédite et la cible « réelle », à savoir le centre du contact actif de l’électrode implantée. Ensembles d’apprentissage et de validation étaient partitionnés de manière itérative selon la méthode de validation croisée type leave-one-out. Nous avons également normalisé la position des contacts actifs et des cibles prédites sur un cerveau moyen (MNI template) et avons calculé la distance minimale entre la cible prédite et le VIM donné par un atlas (Ewert) normalisé sur ce template, d’une part, et entre le contact actif et le VIM de cet atlas d’autre part. Nous avons ainsi pu comparer les distance cibles prédites – VIM et contact actif – VIM.En parallèle, nous avons développé un logiciel (Optim DBS), permettant de visualiser directement la cible prédite à partir des points de repères sur l’IRM de n’importe quel patient devant être opéré.Enfin, nous avons mis en place et démarré une étude prospective multicentrique permettant de valider la cible « VIM » sur le tremblement essentiel. Il est prévu d’inclure22 patients en 2 ans et de les opérer sous anesthésie générale sans électrophysiologie peropératoire en utilisant la cible développée dans ce travail pour implanter l’électrode.