Detectie van op EEG gebaseerde biomarkers voor chronische lage rugpijn

Chronische lage rugpijn (CLBP) is een wijdverbreide aandoening die tot een vijfde van de volwassenen wereldwijd treft en is wereldwijd de grootste oorzaak van invaliditeit. Ondanks de hoge prevalentie en schadelijke impact van CLRP blijven de behandelingen en mechanismen ervan grotendeels onduidelijk. Biomarkers die de symptoomprogressie bij CLRP voorspellen, ondersteunen op precisie gebaseerde behandelingen en helpen uiteindelijk het lijden te verminderen. Longitudinale hersengebaseerde neuroimaging in rusttoestand van patiënten met CLRP heeft neurale netwerken onthuld die pijnchronificatie en de symptoomprogressie ervan voorspellen. Hoewel vroege bevindingen suggereren dat metingen van hersennetwerken kunnen leiden tot de ontwikkeling van prognostische biomarkers, is het voorspellende vermogen van deze modellen het sterkst voor follow-up op korte termijn. Metingen van verschillende neurale systemen kunnen extra voordelen bieden met een beter voorspellend vermogen.

Emotionele en cognitieve disfunctie komt vaak voor bij CLRP en treedt op op gedrags- en cerebraal niveau, wat een unieke kans biedt om prognostische, op de hersenen gebaseerde biomarkers te detecteren. Op dezelfde manier hebben verbeteringen in elektro-encefalogram (EEG) neuroimaging-strategieën geleid tot een grotere ruimtelijke resolutie, waardoor onderzoekers de beperkingen van klassiek gebruikte neuroimaging-modaliteiten (bijv. Magnetic Resonance Imaging [MRI] en functionele MRI) kunnen overwinnen, zoals hoge kosten en beperkte toegankelijkheid. Met behulp van longitudinale EEG zal dit patiëntgerichte onderzoeksproject een alomvattend neuraal beeld opleveren van emotionele, cognitieve en rusttoestandnetwerken bij patiënten met CLRP, wat zal helpen bij het voorspellen van symptoomprogressie bij CLRP. Met deze prijs zullen de onderzoekers moderne EEG-bronanalysestrategieën gebruiken om biomarkers bij baseline en follow-ups na 3 en 6 maanden en hun covariantie met markers voor pijn en emotionele en cognitieve disfunctie te volgen. In Doel 1 zullen de onderzoekers verschillen in rusttoestand, emotionele en cognitieve netwerken tussen patiënten met CLPB en op leeftijd/geslacht afgestemde controles identificeren en karakteriseren. In Doel 2 zullen de onderzoekers veranderingen binnen de proefpersoon in de loop van de tijd en hun relatie met klinische symptomen identificeren. In Doel 3 zullen de onderzoekers, als verkennend doel, machine- en deep-learningstrategieën toepassen om een ​​alomvattende signatuur van CLBP te detecteren met behulp van EEG-kenmerken uit rusttoestand-, emotionele en cognitieve netwerken.