Elettroencefalografia come predittore di efficacia HD-tDCS nel dolore neuropatico: approccio di apprendimento automatico

Contestualizzazione: Il dolore neuropatico è una complicanza presente nel quadro clinico dei pazienti con lesione traumatica del plesso brachiale (BPI). È caratterizzato da elevata intensità, gravità e refrattarietà ai trattamenti clinici, con conseguente elevata disabilità e perdita della qualità della vita. A causa della perdita dell'ingresso afferente, provoca alterazioni corticali e subcorticali e cambiamenti nella rappresentazione somatotopica, da inadeguati adattamenti plastici nel Sistema Nervoso Centrale e Periferico, una delle terapie con potenziale beneficio in questa popolazione è la Stimolazione Corrente Continua Transcranica ad Alta Definizione ( HD-tDCS). Pertanto, utilizzando la previsione della risposta basata sulla connettività e l'apprendimento automatico, consentirà una maggiore garanzia di efficienza e ottimizzazione dell'applicazione di questa terapia, essendo diretta a pazienti con maggiori potenzialità di beneficiare dell'applicazione di questo approccio. Obiettivo: utilizzando la previsione basata sulla connettività e l'apprendimento automatico, questo studio mira a valutare se le caratteristiche relative all'EEG al basale predicono la risposta dei pazienti con dolore neuropatico dopo BPI all'efficacia del trattamento HD-tDCS. Materiali e metodi: uno studio quantitativo, applicato, esplorativo, in aperto sulla previsione della risposta sarà condotto dai dati acquisiti da uno studio clinico pilota, in triplo cieco, incrociato, controllato con placebo, randomizzato che indaga l'efficacia dell'applicazione di HD-tDCS a pazienti con dolore da trauma del plesso brachiale neuropatico. I partecipanti saranno valutati per l'idoneità e quindi assegnati in modo casuale in due gruppi per ricevere l'HD-tDCS attivo o l'HD-tDCS simulato. L'esito primario sarà l'intensità del dolore misurata dalla scala numerica del dolore. I partecipanti saranno invitati a partecipare a uno studio EEG prima di iniziare il trattamento. Le etichette di miglioramento clinico utilizzate per la classificazione dell'apprendimento automatico saranno determinate sulla base dei dati ottenuti dalla sperimentazione clinica (valutazioni di base e post-trattamento). L'ipotesi adottata in questo studio è che il modello di previsione della risposta costruito dai dati del pattern della banda di frequenza EEG raccolti al basale sarà in grado di identificare i responder e i non responder al trattamento HD-tDCS.