L'électroencéphalographie comme prédicteur de l'efficacité de la HD-tDCS dans la douleur neuropathique : approche d'apprentissage automatique

Contextualisation : La douleur neuropathique est une complication présente dans le tableau clinique des patients présentant une lésion traumatique du plexus brachial (BPI). Elle se caractérise par une intensité, une gravité et une réfractaire élevées aux traitements cliniques, entraînant une invalidité élevée et une perte de qualité de vie. En raison de la perte d'entrée afférente, il provoque des altérations corticales et sous-corticales et des changements dans la représentation somatotopique, à partir d'adaptations plastiques inadéquates dans le système nerveux central et périphérique, l'une des thérapies avec un bénéfice potentiel dans cette population est la stimulation transcrânienne à courant continu haute définition ( HD-tDCS). Ainsi, en utilisant la prédiction de réponse basée sur la connectivité et l'apprentissage automatique, cela permettra une plus grande assurance d'efficacité et d'optimisation de l'application de cette thérapie, en s'adressant aux patients ayant un plus grand potentiel de bénéficier de l'application de cette approche. Objectif : En utilisant la prédiction basée sur la connectivité et l'apprentissage automatique, cette étude vise à évaluer si les caractéristiques de base liées à l'EEG prédisent la réponse des patients souffrant de douleur neuropathique après BPI à l'efficacité du traitement HD-tDCS. Matériels et méthodes : Une étude quantitative, appliquée, exploratoire et ouverte de prédiction de la réponse sera menée à partir des données acquises dans le cadre d'un essai clinique pilote, en triple aveugle, croisé, contrôlé par placebo et randomisé étudiant l'efficacité de l'application du HD-tDCS aux patients souffrant de douleurs traumatiques neuropathiques du plexus brachial. Les participants seront évalués pour leur éligibilité, puis répartis au hasard en deux groupes pour recevoir le HD-tDCS actif ou le HD-tDCS simulé. Le résultat principal sera l'intensité de la douleur mesurée par l'échelle numérique de la douleur. Les participants seront invités à participer à une étude EEG avant de commencer le traitement. Les étiquettes d'amélioration clinique utilisées pour la classification de l'apprentissage automatique seront déterminées sur la base des données obtenues à partir de l'essai clinique (évaluations de base et post-traitement). L'hypothèse adoptée dans cette étude est que le modèle de prédiction de la réponse construit à partir des données de modèle de bande de fréquence EEG collectées au départ sera en mesure d'identifier les répondeurs et les non-répondeurs au traitement HD-tDCS.