SPRINT: Signatur für Schmerzheilung bei Teenagern (SPRINT)

Bis zu 5 % der Jugendlichen (ca. 3,5 Millionen allein in den USA) leiden unter starken chronischen Muskel-Skelett-Schmerzen (MSK), die alle Lebensbereiche betreffen und eine erhebliche wirtschaftliche Belastung darstellen. Aktuelle Behandlungen für chronische MSK-Schmerzen sind suboptimal und werden mit der Opioidkrise in Verbindung gebracht. Nur etwa 50 % der Jugendlichen mit chronischen MSK-Schmerzen, die sich einer multidisziplinären Schmerzbehandlung unterziehen, erholen sich, gemessen an den klinischen Endpunkten Schmerzstärke und funktionelle Behinderung. Die Entdeckung robuster Marker für die Genesung vs. das Fortbestehen von Schmerzen und Behinderungen ist von entscheidender Bedeutung, um einfallsreichere und patientenspezifischere Behandlungsstrategien zu entwickeln und neue Ansätze zu konzipieren, die refraktären Patienten zugute kommen. Da es sich bei chronischen Schmerzen um einen biopsychosozialen Prozess handelt, erfordert die Entdeckung und Validierung einer prognostischen und robusten Signatur für die Schmerzwiederherstellung im Vergleich zur Schmerzpersistenz Messungen über mehrere Dimensionen in derselben Patientenkohorte in Kombination mit einer geeigneten „Big Data“-Rechenanalysepipeline für die Extraktion von zuverlässigen und kreuzvalidierten Ergebnissen aus einem vielschichtigen und komplexen Datensatz. Das Forschungsteam ist gut aufgestellt, um die Studienziele umzusetzen: (1) ein hochqualifiziertes und erfahrenes Team von Wissenschaftlern und Klinikern der Stanford University, der University of Toronto/Hospital for Sick Children und dem Cincinnati Children's Hospital Medical Center; (2) Ein standardisiertes System zur Sammlung, Verarbeitung, Lagerung und Verteilung von Proben, das die Plattform BioCatalyst der Stanford Biobank nutzt, um den Probenbestand mit klinischen Anmerkungen für eine zugängliche, virtuelle Biobank innerhalb der Biobank Signature of Pain Recovery IN Teens (SPRINT) zusammenzufassen und Analysekern (SBAC); (3) Hochmoderne vorläufige Daten, die neue Kandidaten für die Entdeckung von Neuroimaging-, Immun-, quantitativen sensorischen und psychologischen Markern implizieren; und (4) Fachwissen über maschinelle Lernansätze zur Extraktion zuverlässiger und prognostischer Biosignaturen aus einem großen und komplexen Datensatz. Das Forschungsteam geht davon aus, dass die Ergebnisse dieses Projekts die Risikostratifizierung bei Patienten mit chronischer MSK, eine einfallsreichere Auswahl von Patienten, die wahrscheinlich auf aktuelle multidisziplinäre Schmerzbehandlungsansätze ansprechen, erleichtern und möglicherweise neue Einblicke in biologische und verhaltensbezogene Prozesse gewinnen werden ausgenutzt, um neue Strategien zu entwickeln, von denen diejenigen profitieren, die resistent sind.

Für das R61/Discovery-Phase-Ziel werden Individuen anhand biologischer (d. h. Gehirnstruktur und -funktion, Immun- und Sinnesprofile), psychologischer Zustand und klinische Endpunktdaten (d. h. Schmerzintensität, Behinderung). Unvoreingenommene Algorithmen für maschinelles Lernen werden ein multivariates Modell identifizieren, das die prognostischsten biologischen, psychologischen und klinischen Endpunkte umfasst. Das Modell wird Jugendliche mit und ohne Auflösung chronischer MSK-Schmerzen nach einer hochmodernen multidisziplinären Schmerzbehandlungsintervention klassifizieren. Ziel der R33/Validierungsphase ist die Validierung der in der R61-Studie abgeleiteten biologischen Signatur. Diese Signatur wird für eine Reihe von klinischen Studien an Jugendlichen nützlich sein, bei denen die Identifizierung der Personen mit dem höchsten Risiko erforderlich ist, und um einen klinisch umsetzbaren Interventionsalgorithmus bereitzustellen.