综述：帕金森病深部脑刺激运动结局预测模型：一项系统评价

《European Journal of Neuroscience》：Predictive Models for Motor Outcomes From Deep Brain Stimulation in Parkinson's Disease: A Systematic Review

　　

深部脑刺激（DBS）是帕金森病的一种有效治疗方法，但运动症状改善程度存在差异。基于术前可用数据准确预测患者结局的工具，将有助于临床决策和患者期望管理。这些数据包括临床和认知测量、神经影像学、运动学、功能连接和遗传学。在本系统评价中，研究人员评估了基于DBS运动结局的预测模型。研究人员检索了Web of Science、PubMed和Scopus数据库，获取了基于术前数据测试模型预测能力并聚焦于帕金森病DBS运动结局的原始研究论文。研究人员识别出19项符合标准的研究。具有高统计功效和泛化能力的研究仅使用临床数据，但准确性有限。纳入其他类型数据（如磁共振成像（MRI））的研究可能具有高准确性，但统计功效不足。预测大多局限于术后第一年、丘脑底核（STN）靶点DBS以及运动功能总评分。基于系统检索结果，研究人员讨论了候选输入和输出变量以及验证策略，以生成可转化为临床实践的预测模型。理想情况下，模型应预测多个运动域在术后一段时间内的评分，并附置信区间。模型还应能够泛化至全球各临床中心。为实现这一目标，模型和数据集应公开可用，以支持更广泛的验证。这些建议为构建可用于临床的DBS结局预测模型提供了一个框架。

1 引言
深部脑刺激（DBS）已被接受为帕金森病的治疗方法超过30年，通常能减轻运动症状严重程度并降低药物治疗剂量。临床医生使用某些标准来建议不进行DBS治疗，这些标准涉及手术结局担忧或多巴胺能治疗反应性低。然而，在符合接受DBS治疗标准的患者中，运动结局仍存在广泛差异。这种变异性部分源于手术中和术后因素，如手术轨迹、靶结构到达精度和术后程控。预测DBS结局建模的动机在于，剩余变异性源于术前存在的因素。如果能准确估计特定患者可从DBS获得的改善程度，将有助于临床决策（是否进行手术或选择替代治疗方案）以及患者期望管理。理想的预测模型应使用术前已获得且常规收集的数据，并具有临床可解释性，提供影响预测的因素原理。理想情况下，模型应具有高准确性，用于预测患者运动结局，同时其他测量指标如整体生活质量和药物剂量减少也需考虑。此外，DBS植入旨在长期干预，因此模型应能预测术后第一年后的结局。帕金森病DBS最常见的靶点是丘脑底核（STN）、苍白球内侧部（GPi）和丘脑腹中间核（VIM），考虑到这些结构不同的连接性，不同靶点预测结局的重要因素可能不同。Poldrack等人（2020）提出了建立预测模型的有用指南，包括使用留出数据测试预测、k折交叉验证（而非留一法）、使用数百名观察对象的数据集，并报告多个预测准确性指标，特别推荐分类模型报告受试者工作特征曲线下面积（AUC），回归模型报告决定系数（R²）和均方误差（MSE）。TRIPOD声明也概述了医疗预测模型报告的最佳实践。本系统评价评估了利用术前数据预测帕金森病DBS后运动功能结局的领域现状。近期机器学习模型的发展导致其在帕金森病研究中应用增加。一些研究采用预测模型优化刺激参数，或利用术中记录或电极放置后激活组织体积（VTA）预测结局。但本评价聚焦于在手术干预前可辅助临床决策的模型。基于系统检索结果，研究人员还讨论了未来预测模型应考虑的因素，包括要预测的运动结局指标、如何向临床医生呈现预测结果、用作模型输入的数据类型，以及改善模型验证和可重复性的建议。

2 方法
本系统评价的报告遵循2020年PRISMA声明和清单标准。研究人员于2025年11月28日检索了Web of Science、PubMed和Scopus数据库。检索过程见图1。在每个数据库中，检索词为“Parkinson's” AND “deep brain stimulation” AND “motor outcome” AND “prediction”。检索限于英文可获取全文的出版物，未限制出版日期。纳入标准为：研究应为原始研究，聚焦运动结局，针对帕金森病和DBS，并基于术前信息呈现预测模型。排除关注术前不可用指标（如电极位置）或使用机器学习优化刺激参数的研究。对于比较模型的研究，若部分仅使用术前信息而部分包含术后信息，则纳入但仅评估术前模型。作为预测模型纳入时，研究报告应提供模型预测与观察临床结局之间准确性的某个指标，而不仅仅是报告组水平相关性，例如预测与观察结局之间的决定系数（R²），或二分类结局的AUC、阳性预测值（PPV）和阴性预测值（NPV）。

3 结果
3.1 系统检索结果
去除重复和不可获取记录后，研究人员筛选了84篇出版物以确定纳入资格（图1）。排除10篇综述性研究（非原始研究）并确认其范围<｜image｜>与本综述无重叠。排除18篇聚焦非运动结局（如生活质量）的研究，以及19篇将术前因素与DBS结局相关但未报告统计模型预测准确性的研究。排除8篇关注术中测量的研究和10篇关注术后刺激参数优化的研究。另排除2篇非针对帕金森病的研究和3篇不涉及DBS的研究。最终纳入19项包含运动结局预测模型的研究，其中5篇来自引用文献。这些研究总结于表1。本检索受限于发表偏倚，即准确性特别低的模型不太可能发表，因此不会被检索到。以不同关键词组织研究的研究也可能被检索词遗漏。

3.2 已发表的DBS运动结局预测模型
有一系列研究报告“运动结局预测因子”，但仅是在群体水平上将某些测量与运动结局相关，而非构建和测试预测模型。这些相关性研究的结果可能为预测模型输入因素提供信息，但其本身并不能代表可测试的模型。构建了模型并报告了准确性指标的研究见表1。研究人员根据Poldrack等人（2020）的建议评估了每项研究的参数，并强调了每个模型的值得称赞之处。尽管未设置出版年限限制，但大多数研究来自最近5年，这是由于近期机器学习方法应用的增加。几乎所有研究都预测短期结局（术后12个月以内）。三项研究使用了超过300名患者的数据，六项研究使用了50名或更少患者的数据。输入数据类型包括临床数据、结构性和功能性MRI以及运动学。临床数据指人口统计学信息（如年龄、病程和性别）以及标准测试（如有无左旋多巴的运动评分差异和帕金森病指标如Hoen和Yahr评分）。几乎所有研究都专门针对STN靶点DBS患者。未专门针对STN的研究中，一项合并了STN、GPi和VIM植入患者，另一项未报告DBS靶点。仅一项研究分别建立了STN和GPi靶点患者的模型。在表1所述研究中，使用了多种预测模型，多项出版物直接比较了不同模型类型。用于分类预测的模型包括逻辑回归、支持向量机（SVM）、随机森林、朴素贝叶斯、类别提升（CatBoost）和k近邻。用于标量值预测的模型包括支持向量机、线性回归、多元线性回归、XGBoost和LASSO。最常用的分类模型是逻辑回归，回归模型中最常用的是支持向量机和线性/多元线性模型。预测的结局指标最常见的是UPDRS或MDS-UPDRS III的总评分，但部分研究也关注了子评分或步态特定指标，或同时纳入MDS-UPDRS II或IV。一些研究预测评分变化，另一些预测随访时的绝对评分。对于缺失数据，采取了多种方法，包括插补或排除缺失数据患者（表1）。对于预测验证，大多数研究采用留一法，其他使用留出数据的自助法重复，更保守的方式是确保每个样本在测试数据中恰好使用一次。两项研究未描述验证方法。仅三项研究使用了明确留出的测试集，仅一项研究描述了在来自不同中心的全新数据上验证先前定义的模型。表1还包含了研究是否使用基线校正以避免术前评分或左旋多巴反应与结局之间虚假关联的评估。在检索到的研究中，准确性指标的使用不一致。表2列出了推荐指标（分类模型的AUC，回归模型的R²和均方根误差（RMSE））以及其他常用指标（分类准确率、PPV、NPV，回归模型的相关系数r）。对于比较多种模型的研究，展示了根据研究最佳表现的模型。

4 已发表模型的讨论
检索到的19项研究采用了不同的方法预测DBS运动结局。不幸的是，很少有研究具有推荐的“数百名”患者样本量。在表1和表2的研究中，样本量与模型准确性之间存在反向趋势，这表明小样本研究存在过拟合。在样本量较大甚至进行外部验证的研究中，准确性较低。这表明外部验证能提供更现实的性能估计，且这些工具在纳入临床实践前仍有改进空间。很少有研究预测术后1年后的结局。自然，长期随访数据更难获取，但预测不同时间尺度在临床上很有用，且不同因素与短期和长期随访的运动结局相关。几乎所有研究都 exclusively 使用STN靶点DBS患者，这是可理解的，因为该靶点最常见，更容易招募较大队列，但为一个靶点训练的模型不一定能很好地迁移到另一个靶点。事实上，唯一一项为每个DBS靶点创建不同模型的研究发现，STN和GPi模型的最优输入不同。这些研究使用了从分类到回归的广泛模型，许多研究比较了不同模型类型的准确性，但未出现明确的优越模型。因此，未来研究应继续在数据集上测试多种模型。除了准确性，未来作者还应基于临床可解释性评估模型（例如，青睐“白箱”模型，其中因子权重可被审查）。缺失数据是临床数据集中的常见问题，建模研究应报告如何处理缺失数据，因为不同的插补方法可能以不同方式影响结论。表1中有8项研究未描述如何处理缺失数据。在其他研究中，作者要么完全排除缺失数据患者，要么使用推荐的插补方法（插补输入变量但不插补结局）。分类和回归模型的推荐性能指标分别是AUC和R²与MSE。多项研究未报告这些指标，使得难以比较模型准确性。特别是对于回归模型，仅报告预测与观察临床结局之间的相关系数r不足以评估模型准确性。研究应尽可能清晰地报告多个预测准确性指标，以便模型间比较。仅使用临床数据构建预测模型的研究已取得一定程度的预测准确性。验证最严格的是“DBS-PREDICT”模型，在初始患者队列中达到78%的诊断准确率，随后在6个不同中心验证，诊断准确率为73%-77%。另外两个大型患者队列模型使用较少输入测量或非机器学习统计方法，达到类似的二分类预测准确性或预测精确结局评分。这些模型中权重高的特征与相关性研究描述的一致，即手术年龄、病程和左旋多巴反应性。鉴于大量患者和强验证，这些研究的准确性可能代表了简单临床数据预测能力的上限。为了获得更高准确性和非二分类结局，很可能需要添加其他来源的输入。事实上，纳入神经影像学数据的某些研究达到了更高的准确性。然而，由于样本量小且缺乏外部验证，很难知道这种准确性程度是否能扩展到其他队列。总之，这19项研究在输入数据、样本量、验证严谨性和预测准确性方面差异很大。这些研究缺乏对术后第一年后的结局预测，以及模型在外部数据集上的交叉验证。针对STN以外DBS靶点的模型也缺乏，且大多数研究预测MDS-UPDRS III总评分，该评分不能提供关于运动症状的细微信息。通常，将其他模态的数据添加到基本临床和人口统计学数据中，有望产生更高准确性的模型，但未来模型需要更多参与者，以在统计上合理地纳入这些额外因素。

5 未来预测模型的考虑因素
5.1 输出变量：预测什么？
5.1.1 运动功能测量
设计结局预测模型时最重要的决策是定义预测内容。对于DBS的运动结局，最常用的是统一帕金森病评定量表（UPDRS）III或运动障碍学会（MDS）-UPDRS III运动功能测试的总评分。这些测试在国际上广泛使用，但总评分不能提供关于每种运动症状的细微信息，而不同症状对患者的影响并不相同。震颤症状在DBS后改善最大，而步态不稳定等方面改善较少。这意味着震颤为主的患者仅在MDS-UPDRS III的震颤相关部分改善，即使其震颤症状完全缓解，其总评分变化也可能小于混合表型患者。将问卷分解为域（如震颤、运动迟缓、姿势/步态和强直）或使用更有针对性的测量，将使患者和临床医生能够评估DBS可能改善其运动活动的哪些方面。此外，该问卷仅捕捉患者与临床医生在一起时的症状快照，不能说明患者一天中有多大比例处于“开”状态且运动控制良好。此外，DBS的效果可与术前或术后刺激关闭状态比较，以及在有无多巴胺能药物（如左旋多巴）的情况下比较。DBS单独的效果是在无药物状态下测量，并与术前无药物状态或术后关闭刺激后的无药物运动表现比较。存在手术微毁损效应，且刺激关闭后可能产生一定程度的保护效应，因此最典型的是与术前状态比较。这种比较给出了DBS相对于患者术前无药物状态的改善，对于研究DBS作用机制的研究人员有价值。然而，也有观点认为应比较药物开状态，因为这代表了患者实际生活状态，因此是临床医生和患者关注的结局。DBS刺激联合药物治疗下的运动表现改善不如术前联合药物时显著，但患者也能从随后减少药物剂量和接受持续刺激（而非间歇性药物）中获益。

5.1.2 精确值与相对值
模型可能旨在预测DBS状态下的精确MDS-UPDRS III评分，但许多模型预测运动评分相对于术前相关条件的差异。在这种情况下，仔细考虑如何将术前运动评分或左旋多巴反应性作为预测因子纳入模型至关重要。结局评分存在天花板效应：它们不能改善到低于0（“无残疾”）。因此，评分变化中的方差主要由初始评分方差驱动。同样，绝对左旋多巴反应的方差主要由“药物关”状态下的运动症状严重程度驱动。这导致评分变化与初始表现或术前左旋多巴反应之间高度相关，而实际上它们并不具有很好的预测价值。避免虚假关联的推荐方法是使用相对值而非绝对值，例如除以基线药物关评分（或使用“百分比改善”）。这通常保留基线相对值与结局评分之间的相关性，但程度不如使用绝对值时。表1中包含了对是否进行基线校正的评估。

5.1.3 临床使用预测结果的呈现
还存在如何呈现预测结局的问题。一些研究使用二分类方法区分DBS结局好与差，因为这关系到是否手术的二元临床决策。二分类结局适合使用分类方法，并用敏感性（识别好反应者）和特异性（识别差反应者）来衡量模型准确性。然而，必须定义什么结局被认为是“好”，且二分类结果不能提供预测距离此阈值有多近的信息。此外，这些研究通常是回顾性的，因此最初不是DBS好候选者的患者未纳入。这种偏倚使分类任务更困难，因为最差结局的潜在候选者不在数据集中。好与差结局的划分因此是不平衡的，研究应采用方法调整类别不平衡。基于回归的方法避免了阈值困难，并为临床医生提供估计的结局运动评分或估计的改善及其置信区间，使其能够做出知情判断，同时考虑模型的不确定性。未来研究也可纳入被建议不进行手术的患者，以验证模型预测其改善很小。除了临床可解释的模型输出外，导致模型产生该输出的因素也应对临床医生清晰。例如，来自MRI数据的复杂影像组学特征可能有助于模型具有良好预测性能，但这些特征应以解剖学上有意义的方式描述。同样，“白箱”模型优于“黑箱”模型，因为可以检查影响决策的因素，即使“黑箱”模型可能达到更高准确性。此外，对计算能力的高要求（如需要高性能计算集群）在训练模型时可以接受，但在临床使用预测工具时不应适用，因为期望临床医生拥有这些资源是不现实的。最后，模型应构建为进行个体患者咨询，因此预测不应局限于群体水平估计。图3展示了可能对临床医生有用的输出语句示例。总之，研究人员应考虑其模型输出如何能最大限度地有用、准确和可解释。理想情况下，模型应数值估计结局指标，提供比MDS-UPDRS III总评分更多的细微信息，并预测术后第一年后的情况。

5.2 输入变量：预测数据的候选模态
5.2.1 临床和人口统计学数据
仅基于DBS资格标准筛查期间临床访视收集的数据的模型非常有吸引力，因为这些输入数据易于获取且临床可解释。除了表1中包含的临床数据模型外，还有来自多项相关性研究的信息。通常，年龄较大的患者结局较差，病程较长的患者结局较好（可能由于疾病进展较慢）。一个重要的临床预测因子是术前左旋多巴反应（药物开与关状态下的运动表现差异）。对左旋多巴反应良好的患者被认为是DBS的良好候选者，但如精确值与相对值部分所述，其预测潜力在使用绝对值时可能被高估。最近一项比较相对改善的meta分析显示，术前左旋多巴反应与术后6个月和12个月的运动结局相关，但与术后2-8年的结局无关。然而，在检索到的一项研究中，Wolke等人（2023）发现绝对左旋多巴反应（而非相对）对DBS结局具有预测能力，表明预测能力在于术前药物关评分。心血管功能似乎也对DBS结局重要：术前MRI扫描中存在血管异常预测较差结局，而较高的心脏洗脱率与较好的DBS结局相关。

5.2.2 认知测试
尽管认知测试的表现通常被认为是认知结局的预测因子，但也有证据表明，额叶功能测试表现较好与DBS运动结局较好相关。认知测试表现较低与轴性症状相关，而轴性症状对DBS治疗反应较差，导致MDS-UPDRS III评分改善较少。

5.2.3 结构性MRI
静态MRI图像已作为手术规划过程和筛查手术风险因素的常规部分收集。因此，利用这些数据进行DBS结局预测对现有临床工作流程的影响最小。一系列研究试图将MRI图像的各个方面与运动结局相关；近期综述显示结果缺乏一致性。部分原因在于研究试图预测的结局指标不一致，以及研究未使用相同的候选MRI特征列表。基于检索到的研究，将结构性MRI数据添加到临床数据中通常能提高预测模型的准确性。识别出的重要特征包括右侧中央前回下区、左侧额上回与右侧岛叶皮层之间的结构协方差及某些小脑区域、全脑白质的二阶测量、左侧壳核体积和纹状体形状。Wang等人发现，将弥散张量成像（DTI）估计的结构连接性（特别是左侧额上回与左侧额内侧回之间）添加到临床数据中，可改善DBS初始结局预测模型的性能。未来模型应考虑枕叶皮层和小脑可能具有比预期更强的预测能力，这是因为在以往研究中捕捉不足，且对黑质变性程度的估计也可能成为DBS结局的有用预测因子。

5.2.4 运动学
运动学分析可以比标准MDS-UPDRS III评定量表更好地表征运动症状。这可能涉及来自视频捕捉的步态评估或使用可穿戴传感器。后者允许比临床访视的短暂快照更长期的数据收集。可穿戴传感器尚未常规纳入临床评估，但它们是低成本、易实施的技术。然而，Geraedts等人（2023）发现，这些数据并未显著改善对MDS-UPDRS III结局的预测，优于标准临床数据。运动学可能更适合预测MDS-UPDRS III未捕捉到的运动结局，如日常波动。事实上，Amprimo等人（2025）发现，将运动捕捉的步态数据纳入，可改善对DBS步态参数变化的预测，优于仅使用临床数据。对于特别关注DBS对步态影响的患者和临床医生，这些测量提供了比运动评定量表上步态相关问题更好的信息。

5.2.5 功能连接
功能性脑活动测量是强大的数据，代表了DBS旨在操纵的网络活动。收集fMRI数据昂贵且通常不参与标准临床流程，但如果证明对DBS结局具有强预测能力，则可能值得。在检索中，Younce等人（2025）发现，静息态fMRI的功能连接数据提高了预测准确性，优于仅使用临床数据；Yang等人（2023）发现静息态fMRI中慢振荡的预测价值。Li等人（2024）发现术前丘脑网络可控性随药物的变化与运动结局相关。功能连接也可通过脑电图（EEG）或脑磁图（MEG）测量。MEG已被用于预测DBS电极植入后的运动结局，但未用于术前。EEG未在检索到的任何研究中出现，但它可能是一种比fMRI更具成本效益的功能连接测量方法。因此，功能活动测量是结局预测的一个迷人途径，但在识别出能泛化至帕金森病群体的因素之前，还有大量工作要做。

5.2.6 遗传学
存在一些已知的帕金森病相关基因，这些基因可能与DBS结局相关。每种基因的证据相当稀少，这使得难以评估某些突变与DBS结局之间的相关性。事实上，不同基因的突变可能以相反方向影响DBS反应：例如，GBA和PRKN倾向于与良好运动结局相关，而SNCA与较差运动结局相关。尽管多基因风险评分是DBS结局预测模型中有吸引力的候选输入，但需要非常大的队列才能找到遗传因素的适当权重。

5.2.7 用于降维的综合因素
将来自丰富数据源（如神经影像学、运动学和遗传学）的输入添加到预测模型中，会导致输入因素数量超过患者数量的问题（维度灾难）。在检索到的研究中，选择最相关特征的统计方法包括递归特征消除、LASSO、最大相关最小冗余、Boruta或随机森林。基于文献的特征减少也可通过利用其他报告相关性而非构建统计模型的研究信息进行。另一种因子减少形式是识别更广泛数据可以压缩到的潜在因子。构建综合指标如“黑质纹状体完整性”或“额叶连接性”，将更好地捕捉DBS作用于相互作用系统（在高度可变和不稳定的病理环境中）的本质。这些指标理想情况下应能泛化至来自不同中心的数据以及导致相似生理结局的患者特异性病理。总之，输入的选择应基于数据获取的难易程度和指标具有多少预测能力。临床数据当然应继续使用，但应补充其他模态的数据。

5.3 验证与可重复性
开发稳健模型的一个关键方面是外部验证。基于单一队列数据构建的模型可能过拟合于该数据集内存在的特征，而这些特征不一定能泛化至更广泛人群，尤其当队列较小时。至少，研究应分离训练集和测试集，或使用留一法进行内部验证。检索到的大多数研究使用来自单一中心的小队列，且未使用留出测试数据。这很可能是不同研究结果之间缺乏一致性的主要原因。外部验证如在Habets等人（2021）中进行的，是确认预测模型性能的关键步骤，然后才能期望模型能泛化至全球临床中心。外部验证数据可能难以获取，因此公开数据集（同时维护患者机密）以进行模型的交叉验证将极大促进该领域的努力。一些项目提供按需提供临床数据，但目前不包括神经影像学数据。MRI采集参数和药物处方方法在不同国家的中心之间可能存在很大差异，因此全球有用的预测模型需要能够跨越这些差异进行泛化。因此，控制中心效应也将是一个重要步骤，特别是对于神经影像学数据。评估的研究中很少有将其模型公开供其他研究人员在自己的数据上测试。除了对开放科学重要外，这种方法将使交叉验证研究更容易进行，甚至更好的是，使不同已发表模型能在同一验证数据集上进行比较。

6 结论
研究人员认为，本综述为未来研究提供了一个框架，以产生稳健且可泛化的DBS结局预测模型，这些模型很可能被用于临床。特别是，输入和输出应具有临床可解释性，模型应能泛化至不同中心的数据。理想情况下，应预测DBS术后多个时间点的实际运动域特定评分，这将使临床医生能够自行判断什么构成可能的“好”结局。未来研究还应遵循Poldrack等人（2020）和TRIPOD声明的建议，以纳入最佳实践并透明地报告发现。研究人员在图3中创建了一个示意图，以说明假设的模型输入和输出，供研究人员在设计未来预测模型时考虑。应清晰描述处理缺失数据、校正基线评分和验证模型的策略，尽可能报告多个拟合准确性指标，并应向其他研究人员提供模型。数据也应尽可能提供（至少在联盟内），以便研究人员能够在外部中心的数据上测试其模型。