Elektroenzephalographie als Prädiktor für die Wirksamkeit von HD-tDCS bei neuropathischen Schmerzen: maschineller Lernansatz

Kontextualisierung: Neuropathischer Schmerz ist eine Komplikation, die im klinischen Bild von Patienten mit traumatischer Verletzung des Plexus brachialis (BPI) auftritt. Sie zeichnet sich durch hohe Intensität, Schwere und Widerspenstigkeit gegenüber klinischen Behandlungen aus, was zu hoher Behinderung und Verlust der Lebensqualität führt. Aufgrund des Verlusts des afferenten Zugangs verursacht es kortikale und subkortikale Veränderungen und Veränderungen in der somatotopischen Repräsentation, aufgrund unzureichender plastischer Anpassungen im zentralen und peripheren Nervensystem, ist eine der Therapien mit potenziellem Nutzen in dieser Population die transkranielle High-Definition-Kontinuierliche-Strom-Stimulation ( HD-tDCS). Durch die Verwendung von konnektivitätsbasierter Reaktionsvorhersage und maschinellem Lernen wird es daher eine größere Gewährleistung der Effizienz und Optimierung der Anwendung dieser Therapie ermöglichen und sich an Patienten richten, die ein größeres Potenzial haben, von der Anwendung dieses Ansatzes zu profitieren. Ziel: Unter Verwendung von konnektivitätsbasierter Vorhersage und maschinellem Lernen soll diese Studie beurteilen, ob EEG-bezogene Ausgangsmerkmale die Reaktion von Patienten mit neuropathischen Schmerzen nach BPI auf die Wirksamkeit der HD-tDCS-Behandlung vorhersagen. Materialien und Methoden: Eine quantitative, angewandte, explorative, offene Antwortvorhersagestudie wird anhand von Daten durchgeführt, die aus einer dreifach verblindeten, placebokontrollierten, randomisierten klinischen Crossover-Studie stammen, die die Wirksamkeit der Anwendung von HD-tDCS untersucht für Patienten mit neuropathischem Armplexus-Traumaschmerz. Die Teilnehmer werden auf ihre Eignung geprüft und dann nach dem Zufallsprinzip in zwei Gruppen eingeteilt, um das aktive HD-tDCS oder das simulierte HD-tDCS zu erhalten. Das primäre Ergebnis ist die Schmerzintensität, gemessen anhand der numerischen Schmerzskala. Die Teilnehmer werden vor Beginn der Behandlung zur Teilnahme an einer EEG-Studie eingeladen. Klinische Verbesserungskennzeichnungen, die für die maschinelle Lernklassifizierung verwendet werden, werden auf der Grundlage von Daten bestimmt, die aus der klinischen Studie gewonnen wurden (Grundlinien- und Nachbehandlungsbewertungen). Die in dieser Studie angenommene Hypothese ist, dass das Response-Vorhersagemodell, das aus EEG-Frequenzbandmusterdaten konstruiert wurde, die zu Studienbeginn gesammelt wurden, in der Lage sein wird, Responder und Non-Responder auf die HD-tDCS-Behandlung zu identifizieren.