Wykrywanie opartych na EEG biomarkerów przewlekłego bólu krzyża

Przewlekły ból krzyża (CLBP) to wszechobecna choroba, która dotyka nawet jedną piątą dorosłych na całym świecie i jest najczęstszą przyczyną niepełnosprawności na całym świecie. Pomimo dużej częstości występowania i szkodliwego wpływu CLBP, sposoby leczenia i mechanizmy leczenia pozostają w dużej mierze niejasne. Biomarkery przewidujące postęp objawów w CLBP wspierają precyzyjne metody leczenia i ostatecznie pomagają w zmniejszeniu cierpienia. Podłużne neuroobrazowanie mózgu w stanie spoczynku pacjentów z CLBP ujawniło sieci neuronowe, które pozwalają przewidzieć chroniczność bólu i postęp jego objawów. Chociaż wczesne ustalenia sugerują, że pomiary sieci mózgowych mogą prowadzić do rozwoju biomarkerów prognostycznych, zdolność predykcyjna tych modeli jest największa w przypadku krótkoterminowej obserwacji. Pomiary różnych systemów neuronowych mogą zapewnić dodatkowe korzyści w postaci lepszej mocy predykcyjnej.

W CLBP często występują dysfunkcje emocjonalne i poznawcze, występujące na poziomie behawioralnym i mózgowym, co stanowi wyjątkową okazję do wykrycia prognostycznych biomarkerów mózgowych. Podobnie ulepszenia strategii neuroobrazowania elektroencefalogramu (EEG) doprowadziły do ​​zwiększonej rozdzielczości przestrzennej, umożliwiając naukowcom przezwyciężenie ograniczeń klasycznie stosowanych metod neuroobrazowania (np. rezonansu magnetycznego [MRI] i funkcjonalnego MRI), takich jak wysoki koszt i ograniczona dostępność. Wykorzystując podłużne EEG, ten zorientowany na pacjenta projekt badawczy zapewni kompleksowy obraz neuronowy sieci emocjonalnych, poznawczych i stanu spoczynku u pacjentów z CLBP, co pomoże w przewidywaniu postępu objawów w CLBP. Dzięki tej nagrodzie badacze wykorzystają nowoczesne strategie analizy źródeł EEG do śledzenia biomarkerów na początku badania oraz podczas 3- i 6-miesięcznych obserwacji oraz ich kowariancji ze markerami bólu oraz dysfunkcji emocjonalnych i poznawczych. W ramach Celu 1 badacze zidentyfikują i scharakteryzują różnice w stanie spoczynku, sieciach emocjonalnych i poznawczych pomiędzy pacjentami z CLPB a grupą kontrolną dobraną pod względem wieku/płci. W Celu 2 badacze zidentyfikują zmiany wewnątrzosobnicze na przestrzeni czasu i ich związek z objawami klinicznymi. W Celu 3, jako cel eksploracyjny, badacze zastosują strategie uczenia maszynowego i głębokiego w celu wykrycia kompleksowej sygnatury CLBP przy użyciu funkcji EEG z sieci stanu spoczynku, emocjonalnych i poznawczych.