Parkinson ist eine der häufigsten neurologischen Erkrankungen weltweit. Mehr als zehn Millionen Menschen leben mit den Folgen: Zittern, Muskelsteifheit, verlangsamte Bewegungen. Bei vielen Patient:innen kommen Gehschwierigkeiten hinzu, die besonders schwer zu behandeln sind und massiv in die Selbstständigkeit eingreifen. Tiefe Hirnstimulation (THS) lindert zwar einige Symptome zuverlässig, doch auf den Gang hatte sie bislang kaum Einfluss. Forschende der University of California, San Francisco (UCSF) haben nun ein System entwickelt, das genau diese Lücke schließen soll. Foto: MRT Scans, Gerwin Sturm, Flickr, CC BY-SA 2.0 Das Problem mit konventioneller Hirnstimulation THS funktioniert wie ein elektrischer Impulsgeber im Gehirn: Implantierte Elektroden senden kontinuierliche Signale an bestimmte Hirnregionen und dämpfen so krankheitsbedingte Fehlfunktionen. Das Problem: Das Gehen ist keine statische Tätigkeit. Jeder Schritt verlangt eine präzise Abstimmung zwischen Gehirn, Rückenmark und Muskeln, die sich von Moment zu Moment verändert. Herkömmliche THS-Systeme liefern unabhängig davon ein gleichbleibendes Stimulationsmuster, das auf diese Dynamik nicht eingeht. Genau das macht den Gang bei Parkinson so schwer behandelbar: Die Störung ist dynamisch, die Therapie bislang statisch. Reaktion in Sekundenbruchteilen Das UCSF-Team um Neurochirurgin Doris D. Wang entwickelte ein adaptives THS-System (aDBS), das neuronale Signale erkennt, die mit dem Schwingen des linken und rechten Beins verknüpft sind. Diese Signalmuster werden direkt im implantierten Neurostimulator hinterlegt. Das Gerät passt die Stimulation automatisch an jede Phase des Gangzyklus an, ohne dass ein externer Rechner nötig ist. Die Reaktionszeit liegt im Bereich von Sekundenbruchteilen. Das Grundprinzip ähnelt dem eines Herzschrittmachers: Wie dieser auf den Herzrhythmus reagiert, richtet sich das neue System nach dem Gehrhythmus des Gehirns. Individuelle Signatur als Schlüssel An der Studie nahmen fünf Parkinson-Patient:innen teil, die bereits eine THS-Operation hinter sich hatten und an einem UCSF-Forschungsprogramm mit einem experimentellen Stimulationssystem teilnahmen. Zusätzlich zu den therapeutischen Elektroden trugen sie Forschungselektroden über bewegungsrelevanten Hirnregionen. In Labortests verbesserte das aDBS-System die Gangsymmetrie und reduzierte die Variabilität der Schrittmuster, beides Marker für ein stabileres und effizienteres Gehen. In einem verblindeten Alltags-Crossover-Versuch berichteten die Teilnehmer:innen zudem von weniger Stürzen bei gleichzeitig stabiler Symptomkontrolle. Alle Teilnehmer:innen, die in der Studie verblieben, entschieden sich danach dafür, das adaptive System dauerhaft weiterzunutzen. Besonders auffällig: Die optimalen Signale und Ableitungsorte unterschieden sich erheblich zwischen den Personen. Bei einigen Patient:innen lieferte der Kortex die aussagekräftigsten Informationen, bei anderen die Basalganglien. Wang betonte, dass es deshalb keinen universellen Biomarker geben werde, der für alle gleichermaßen funktioniert. Personalisierte Ansätze, die auf die individuelle neuronale Signatur einer Person abgestimmt sind, dürften die Zukunft der Neuromodulation prägen. Breiteres Potenzial für neue Technologie Die Forschenden sehen in ihrer Arbeit mehr als einen Fortschritt bei Gangstörungen. Das Prinzip, Hirnstimulation in Echtzeit an das Verhalten einer Person anzupassen, lässt sich theoretisch auf viele weitere Funktionen ausdehnen: Sprache, Stimmung, kognitive Zustände, Schlaf. Ähnliche Ansätze werden bereits bei Zwangsstörungen, Depressionen und Epilepsie erprobt. Bis das System in die klinische Praxis einzieht, sind noch größere Studien nötig. Das aktuelle Setup setzt auf experimentelle Hardware, die nicht zum Standardrepertoire der THS gehört. Künftige Versionen müssen mit kommerziell verfügbaren Geräten auskommen und Biomarker automatisch identifizieren, ohne aufwendige Kliniktests. Die Ergebnisse erschienen im Fachjournal Nature Medicine. via UCSF Teile den Artikel oder unterstütze uns mit einer Spende. Facebook Facebook Twitter Twitter WhatsApp WhatsApp Email E-Mail Newsletter