INVESTIGADOR(ES) PRINCIPAL(ES):

Alvaro Angel Orozco Gutiérrez

5 horas

CODIGO CIE

6-15-11

Ramiro Arango

Coinvestigador

1 Horas

Mauricio Alexander Alvarez Lopez

Coinvestigador

5 Horas

José Bestier Padilla Bejarano

Coinvestigador

1 Horas

Julián David Echeverry Correa

Coinvestigador

7 Horas

TIPO DE CONVOCATORIA

2014. Convocatoria 657-2014 Para Proyectos De Ciencia, Tecnología E Innovación En Salud.

TIPO DE PROYECTO

Investigación Básica

OBJETIVO(S)

Objetivo general: Desarrollar un sistema para estimar y sintonizar los parámetros de neuro modulación óptimos que logren los mejores resultados terapéuticos de la estimulación cerebral profunda (DBS) aplicada en pacientes con enfermedad de Parkinson (PD) a partir del volumen de tejido activo planeado (VTA).

RESUMEN

La enfermedad de Parkinson (PD, por sus siglas en inglés) es una condición degenerativa y progresiva del sistema nervioso central, que es caracterizada por rigidez muscular, hipoquinesia, bradicinesia, inestabilidad de la postura y temblores crónicos. Las causas de esta enfermedad no se conocen completamente. Esto hace que sea imposible para las personas controlar sus movimientos, generando los primeros síntomas de la PD. Inicialmente, la PD es tratada farmacológicamente con Levodopa, pero esta deja de funcionar adecuadamente en etapas avanzadas de la enfermedad. Por lo cual, es necesario recurrir al tratamiento quirúrgico conocido como estimulación cerebral profunda (DBS, por sus siglas en inglés). Este tratamiento involucra la aplicación de pulsos eléctricos a una región objetivo en los ganglios basales, en el tálamo o en otras estructuras subcorticales mediante un electrodo implantado en el cerebro y conectado a un neuro-estimulador. El ajuste adecuado de los parámetros del neuro-estimulador es un paso fundamental para lograr resultados terapéuticos positivos después de la cirugía de DBS. Tales parámetros (la amplitud, el ancho de pulso, la frecuencia y la polaridad de cada uno de los contactos del electrodo de estimulación) se deben ajustar de manera tal que su efecto combinado mejore los síntomas del paciente. Sin embargo, el proceso de encontrar una combinación de parámetros adecuada es dispendioso debido a que depende completamente de la experiencia del especialista con el dispositivo DBS. Debido a que existe una correlación muy fuerte entre el número de neuronas activadas y la eficiencia clínica durante la variación en la intensidad de la estimulación, se puede decir que la determinación precisa de la cantidad de tejido eléctrico cerebral que presenta respuesta eléctrica a la DBS, también llamado volumen de tejido activo (VTA), es clave para encontrar los parámetros óptimos de estimulación cerebral donde se logre la máxima efectividad clínica de ese procedimiento, y sobre todo que se generen los mínimos efectos secundarios. Sistemas en los que se visualiza el VTA generado por una combinación de parámetros de estimulación específica, junto con reconstrucciones de las estructuras cerebrales de interés, han probado facilitar el ajuste de los parámetros de estimulación [33]. Sin embargo, este acercamiento sigue implicando la búsqueda de tales parámetros con el método de ensayo y error, esta vez mediante simulación por computador. De esta manera nace la idea de crear una herramienta que le permita al especialista delimitar directamente el VTA que considera necesario para mejorar los síntomas del paciente, y que posteriormente haciendo uso de ese VTA se determinen los parámetros de estimulación necesarios para generarlo. En primer lugar se calcularon y crearon las bases de datos para tener unos volúmenes base y los parámetros de neuro-modulación asociados. Además, el especialista debe poder manipular el VTA de manera simple y rápida, donde el sistema restringe las formas que puede adquirir el VTA deformado en función de las características del tejido cerebral y del dispositivo de estimulación. Por lo tanto, se desarrolló e implemento una técnica de aprendizaje de máquina que hace uso de una representación del volumen de tejido activo mediante elipses. Posteriormente se describe el aplicativo desarrollado para visualizar y manipular el VTA, en base a la caracterización por elipses mencionada, y las estructuras cerebrales de interés. Además, el sistema permite estimar los parámetros de neuro-modulación a partir del VTA deformado mediante técnicas de aprendizaje de máquinas basadas en kernels.

ESTADO

Concluido

FECHA DE INICIO

28/05/2015

FECHA DE FINALIZACION

28/05/2017

PRODUCTOS

A Hierarchical K-Nearest Neighbor Approach for Volume of Tissue Activated Estimation

Artículos en revista A1 ó A2

URL

A Kernel-Based Approach for DBS Parameter Estimation

Artículos en revista A1 ó A2

URL

Analysis of the geometry and electric properties of brain tissue in simulation models for deep brain stimulation

Artículo publicado en Revista de divulgación

URL

Analysis of the geometry and electric properties of brain tissue in simulation models for deep brain stimulation

Ponencia en evento especializado

Aplicación estimulación cerebral profunda en pacientes con enfermedad de Parkinson

Software

Bayesian Optimization for Fitting 3D Morphable Model Brain Structures

Artículos en revista A1 ó A2

URL

Bayesian Optimization for Fitting 3D Morphable Model Brain Structures

Ponencia en evento especializado

URL

Comparación de técnicas de reducción de dimensionalidad para la clasificación de actividades físicas humanas utilizando métodos estadísticos

Pregrado

URL

Deep Brain Stimulation parameter estimation from Volumen Tissue Activated data following a kernel-based approach

Artículos en revista A1 ó A2

URL

Estimation of the neuromodulation parameters from the planned volume of tissue activated in deep brain stimulation

Artículos en revista A1 ó A2

URL

Estimation of the neuromodulation parameters from the planned volume of tissue activated in deep brain stimulation

Maestría o Especialidad clínica

URL

Gaussian process dynamical models for multimodal affect recognition

Ponencia en evento especializado

URL

Gaussian Processes for Slice-Based Super-Resolution MR Images

Artículos en revista A1 ó A2

URL

Groupwise Shape Correspondences on 3D Brain Structures Using Probabilistic Latent Variable Models

Artículos en revista A1 ó A2

Localización Automática de Electrodos de Estimulación Cerebral Profunda en Imágenes de Tomografía Computarizada: Aplicación a la Enfermedad de Parkinson

Maestría o Especialidad clínica

URL

Multi-output Gaussian processes for enhancing resolution of diffusion tensor fields

Ponencia en evento especializado

URL

PERIÓDICO REGIONAL: Pereira, eje de Neurociencias en el país

Comunicación social del conocimiento

PERIÓDICO REGIONAL: Pereira le apuesta a la investigación

Comunicación social del conocimiento

PROPUESTA: Probabilistic modeling of tensorial data for enhancing spatial resolution in magnetic resonance imaging

Doctorado

Socialización resultados de Investigación - 18th World Congress of Psychophysiology

Ponencia en evento especializado