Objective: Brain connectivity profiles seeding from deep brain stimulation (DBS) electrodes have emerged as informative tools to estimate outcome variability across DBS patients. Given the limitations of acquiring and processing patient-specific diffusion-weighted imaging data, a number of studies have employed normative atlases of the human connectome. To date, it remains unclear whether patient-specific connectivity information would strengthen the accuracy of such analyses. Here, we compared similarities and differences between patient-specific, disease-matched and normative structural connectivity data and estimated the clinical improvement that they may generate. Methods: Data from 33 patients suffering from Parkinson’s disease who underwent surgery at three different centers were retrospectively collected. Stimulation-dependent connectivity profiles seeding from active contacts were estimated using three modalities, namely, either patient-specific diffusion-MRI data, disease-matched or normative group connectome data (acquired in healthy young subjects). Based on these profiles, models of optimal connectivity were constructed and used to estimate the clinical improvement in out-of-sample data. Results: All three modalities resulted in highly similar optimal connectivity profiles that could largely reproduce findings from prior research based on a novel multicenter cohort. In a data-driven approach that estimated optimal whole-brain connectivity profiles, out-of-sample predictions of clinical improvements were calculated. Using either patient-specific connectivity (R = 0.43 at p = 0.001), an age- and disease-matched group connectome (R = 0.25, p = 0.048) or a normative connectome based on healthy/young subjects (R = 0.31 at p = 0.028), significant predictions could be made, and the underlying optimal connectivity profiles were highly similar. Conclusion: Our results of patient-specific connectivity and normative connectomes lead to similar main conclusions about which brain areas are associated with clinical improvement. Nevertheless, although the results were not significantly different, they hint at the fact that patient-specific connectivity has potential for estimating slightly more variance when compared to group connectomes. Furthermore, the use of normative connectomes involves datasets with high signal-to-noise acquired on specialized MRI hardware, while clinical datasets such as the ones used here may not exactly match their quality. Our findings support the role of DBS electrode connectivity profiles as a promising method to investigate DBS effects and to potentially guide DBS programming.
Zielsetzung: Konnektivitätsprofile des Gehirns, die von Elektroden zur Tiefenhirnstimulation (THS) ausgehen, haben sich als informativ für die Schätzung von Variabilität im Behandlungserfolg bei THS-PatientInnen erwiesen. Angesichts von Einschränkungen bei der Erhebung und Verarbeitung patientenspezifischer, diffusionsgewichteter Bilddaten wurden in einer Reihe von Studien normative Atlanten des menschlichen Konnektivitätsprofils verwendet. Bis heute ist unklar, ob patientenspezifische Konnektivitätsinformation die Genauigkeit solcher Analysen verbessern würde. Ziel dieser Studie war der Vergleich zwischen Ähnlichkeiten und Unterschieden patientenspezifischer, krankheits-gematchter und normativer, struktureller Konnektivitätsdaten, sowie der Fähigkeit dieser Methoden zur Vorhersage eines etwaigen klinischen Behandlungserfolges. Methoden: Die Analysen basierten auf retrospektiven Daten von 33 Parkinson-PatientInnen, welche an drei verschiedenen Zentren operiert worden waren. Stimulationsabhängige Konnektivitätsprofile mit Ursprung in aktiven DBS-Kontakten wurden mittels der drei Modalitäten geschätzt, also entweder basierend auf patientenspezifischen, diffusionsgewichteten MRT-Daten, oder auf krankheits-gematchten sowie auf normativen Gruppenkonnektivitätsdaten (erhoben an gesunden, jungen ProbandInnen). Auf Grundlage dieser Profile wurden Modelle optimaler Konnektivität konstruiert und zur Schätzung des klinischen Behandlungserfolgs in unabhängigen Daten herangezogen. Ergebnisse: Alle drei Modalitäten führten zu sehr ähnlichen optimalen Konnektivitätsprofilen, mit Hilfe derer sich auf Grundlage einer neuartigen multizentrischen Kohorte vorherige Forschungsbefunde weitgehend reproduzieren ließen. In einem datengesteuerten Ansatz, bei dem optimale Konnektivitätsprofile über das gesamte Gehirn hinweg geschätzt wurden, wurden Vorhersagen über den klinischen Behandlungserfolg in unabhängigen Daten berechnet. Unter Verwendung entweder der patientenspezifischen Konnektivität (R = 0,43 bei p = 0,001), eines alters- und krankheits-gematchten Gruppenkonnektivitätsprofils (R = 0,25, p = 0,048) oder eines normativen Konnektivitätsprofils basierend auf Daten gesunder/junger ProbandInnen (R = 0,31 bei p = 0,028) konnten signifikante Vorhersagen getroffen werden, wobei die zugrunde liegenden optimalen Konnektivitätsprofile große Ähnlichkeit aufwiesen. Schlussfolgerung: Unsere Ergebnisse, welche patientenspezifische sowie normative Konnektivitätsprofile einbeziehen, führen zu ähnlichen Hauptschlussfolgerungen darüber, welche Hirnareale mit klinischem Behandlungserfolg assoziiert sind. Obwohl sich die Ergebnisse nicht signifikant unterschieden, deuten sie dennoch darauf hin, dass patientenspezifische Konnektivität über Potenzial zur Schätzung geringfügig höherer Varianz im Vergleich zu gruppenbasierten Konnektivitäsprofilen verfügt. Darüber hinaus stützen sich Analysen, welche auf normativen Konnektivitätsprofile basieren, auf Datensätze mit hohem Signal-Rausch-Verhältnis, welche durch spezialisierte MRT-Technologie erfasst wurden, während klinische Datensätze, wie sie auch in dieser Studie herangezogen wurden, diesen an Qualität möglicherweise nicht gleichkommen. Unsere Befunde stützen die Rolle von Konnektivitätsprofilen, welche von THS-Elektroden ausgehen, als eine vielversprechende Methode zur Untersuchung von THS-Effekten und möglicherweise zur Verbesserung der THS-Programmierung.
