---
type: "NewsArticle"
title: "Das KI-Modell rekonstruierte Tiefen-Gehirn-Signale aus kortikalen Aufnahmen für DBS-Forschung"
description: "Eine multizentrische Analyse von Aufzeichnungen bei Menschen mit Bewegungsstörungen prüfte, ob ein generatives Modell subkortikale Aktivität aus kortikalen Signalen ableiten kann, um Datenlücken bei der Closed-Loop-Stimulation zu schließen."
resource: "https://nootropikler.com/de/news/deep-learning-subcortical-signal-reconstruction-dbs"
tags: ["Neurowissenschaften", "Forschung", "Gehirnstimulation"]
timestamp: 2026-10-05T16:19:10Z
language: "de"
---

# Das KI-Modell rekonstruierte Tiefen-Gehirn-Signale aus kortikalen Aufnahmen für DBS-Forschung

Eine multizentrische Analyse von Aufzeichnungen bei Menschen mit Bewegungsstörungen prüfte, ob ein generatives Modell subkortikale Aktivität aus kortikalen Signalen ableiten kann, um Datenlücken bei der Closed-Loop-Stimulation zu schließen.

Author: Redaktion von Nootropik News
Published: 2026-10-05T16:19:10Z
Update: 2026-10-05T16:19:10Z
News/source date: 2026-09-01
Production: AI-assisted sourced summary and translation; no independent medical expert review is claimed.

## Studiendesign

Forscher entwickelten ein Deep-Learning-Framework, das spektrale Verarbeitung und generative Diffusionsmodelle kombiniert, um Aufzeichnungen aus tiefen Gehirnregionen aus kortikaler Elektrokortikografie zu erschließen. Sie bewerteten es anhand von 723 Stunden simultaner kortikaler und subkortikaler Aufzeichnungen von 49 Patienten an drei Zentren, über mehrere Zielbereiche, Verhaltensweisen, Medikamentenzustände und Stimulationsbedingungen hinweg.

## Was die Ergebnisse zeigen

Das Modell rekonstruierte subkortikale Signale unter den getesteten Bedingungen und behielt Merkmale wie Beta-Ausbrüche bei, die mit der Schwere motorischer Symptome verbunden sind. Die Autoren prüften auch, ob inferierte Signale dabei helfen könnten, den Gehirnzustand zu identifizieren, wenn direkte Tiefenhirnaufzeichnungen unterbrochen wurden. Der Ansatz könnte helfen, fehlende Daten in der Forschung zur adaptiven Stimulation zu ergänzen.

## Grenzen

Dies war eine retrospektive Modellauswertung anhand vorhandener klinischer Aufzeichnungen. Rekonstruierte Signale sind Schätzwerte, keine direkten Messungen, und die Arbeit zeigt nicht, dass ein KI-gesteuertes DBS-System die Patientenergebnisse verbessert. Eine Validierung in der prospektiven klinischen Anwendung ist noch erforderlich.

## Sources

- [Generative deep learning reconstructs subcortical neural signals from cortical recordings for closed-loop brain stimulation](https://www.nature.com/articles/s41746-026-03173-5) — 2026-09-01
