Studie zur Bildgebung des Gehirns zu Biomarkern für chronische Rückenschmerzen

Medikamente zur Behandlung chronischer Schmerzen haben sich nicht als wirksam erwiesen, und chronische Schmerzen kosten die Kanadier weiterhin 60 Milliarden US-Dollar pro Jahr, ohne den Leidenden wirklich zu helfen. Ziel der Studie ist die Untersuchung personenbezogener Faktoren, die die Wirksamkeit von Schmerzbehandlungen bei Menschen mit chronischen Schmerzen verstärken oder verringern können. Das Ansprechen einer Person auf die Behandlung mit Schmerzmitteln kann mit ihrem Gehirn, ihrer Genetik, ihrer sozialen und psychologischen Verfassung zusammenhängen. Ziel der Forscher ist es, diese Faktoren zu untersuchen, um praktikable und belastbare Indikatoren zu identifizieren und zu entwickeln, die auf der biologischen Zusammensetzung einer Person basieren (auch Biomarker genannt). Mithilfe dieser Biomarker können Ärzte und Forscher genauer vorhersagen, welche Behandlungs- und Präventionsstrategien für eine bestimmte Krankheit bei welchen Personengruppen funktionieren. Diese Maßnahmen bieten neue Möglichkeiten zur Verbesserung der Behandlung, beispielsweise indem die Behandlung auf die spezifischen Bedürfnisse jedes Patienten auf der Grundlage seiner biologischen und psychologischen Verfassung zugeschnitten wird. Um das spezifische Ziel zu erreichen, werden zunächst Daten in mehreren experimentellen Bereichen gesammelt, um Behandlungserwartungen zu untersuchen (kognitiv, psychosozial, gehirnbezogen, genetisch). Diese „experimentellen“ Daten werden zwischen chronischen Rückenschmerzen (CBP) und gesunden Teilnehmern verglichen, um ein neues Verständnis der Faktoren zu gewinnen, die das Ansprechen auf die Behandlung steuern. Am Ende der experimentellen Datenerfassung sammeln die Forscher Daten im „klinischen“ Bereich. Daher erhält am Ende der experimentellen Sitzungen eine Untergruppe der CBP-Teilnehmer ein Scheinmedikament (ein als zugelassenes Schmerzmittel getarntes Placebo), und eine andere Untergruppe liefert nur Schmerzbewertungen und dient somit als Wartelistenkontrolle für die Placebo-Studie. Die Daten werden schrittweise untersucht, um Faktoren zu verstehen, die die Behandlungsergebnisse beeinflussen, und schließlich werden die Forscher fortschrittliche Rechenwerkzeuge für die Big-Data-Analyse verwenden und darauf abzielen, Faktoren zu identifizieren, die als Biomarker und Präzisionsmedizinwerkzeuge verwendet werden können.