Electroencefalografía como predictor de efectividad HD-tDCS en dolor neuropático: enfoque de aprendizaje automático

Contextualización: El dolor neuropático es una complicación presente en el cuadro clínico de pacientes con lesión traumática del plexo braquial (DBP). Se caracteriza por alta intensidad, severidad y refractariedad a los tratamientos clínicos, resultando en alta discapacidad y pérdida de calidad de vida. Por pérdida de entrada aferente, provoca alteraciones corticales, subcorticales y cambios en la representación somatotópica, por adaptaciones plásticas inadecuadas en el Sistema Nervioso Central y Periférico, una de las terapias con potencial beneficio en esta población es la Estimulación Transcraneal de Corriente Continua de Alta Definición ( HD-tDCS). Así, mediante el uso de predicción de respuesta basada en conectividad y aprendizaje automático, permitirá una mayor garantía de eficiencia y optimización de la aplicación de esta terapia, siendo dirigida a pacientes con mayor potencial para beneficiarse de la aplicación de este enfoque. Objetivo: Utilizando predicción basada en conectividad y aprendizaje automático, este estudio tiene como objetivo evaluar si las características relacionadas con el EEG de referencia predicen la respuesta de los pacientes con dolor neuropático después de BPI a la efectividad del tratamiento HD-tDCS. Materiales y métodos: se llevará a cabo un estudio de predicción de respuesta cuantitativo, exploratorio, abierto y aplicado a partir de los datos adquiridos de un ensayo clínico aleatorizado, cruzado, controlado con placebo, triple ciego y piloto que investiga la eficacia de aplicar HD-tDCS a pacientes con dolor neuropático por trauma del plexo braquial. Se evaluará la elegibilidad de los participantes y luego se asignarán al azar en dos grupos para recibir el HD-tDCS activo o el HD-tDCS simulado. El resultado primario será la intensidad del dolor medida por la escala numérica del dolor. Se invitará a los participantes a participar en un estudio de EEG antes de comenzar el tratamiento. Las etiquetas de mejora clínica utilizadas para la clasificación de aprendizaje automático se determinarán en función de los datos obtenidos del ensayo clínico (evaluaciones de referencia y posteriores al tratamiento). La hipótesis adoptada en este estudio es que el modelo de predicción de respuesta construido a partir de los datos del patrón de banda de frecuencia de EEG recopilados al inicio podrá identificar a los respondedores y no respondedores al tratamiento HD-tDCS.