Электроэнцефалография как предиктор эффективности HD-tDCS при нейропатической боли: подход машинного обучения

Контекстуализация: невропатическая боль является осложнением, присутствующим в клинической картине пациентов с травматическим повреждением плечевого сплетения (ДПП). Он характеризуется высокой интенсивностью, тяжестью и рефрактерностью к клиническому лечению, что приводит к высокой инвалидизации и снижению качества жизни. Из-за потери афферентного входа он вызывает корковые и подкорковые изменения и изменения в соматотопическом представлении из-за неадекватной пластической адаптации в центральной и периферической нервной системе. HD-tDCS). Таким образом, с помощью прогнозирования ответа на основе подключения и машинного обучения это позволит повысить эффективность и оптимизировать применение этой терапии, ориентируясь на пациентов с большим потенциалом для получения пользы от применения этого подхода. Цель: с помощью прогнозирования на основе подключения и машинного обучения это исследование направлено на оценку того, предсказывают ли базовые характеристики, связанные с ЭЭГ, реакцию пациентов с невропатической болью после BPI на эффективность лечения HD-tDCS. Материалы и методы. Количественное, прикладное, исследовательское, открытое исследование прогнозирования ответа будет проведено на основе данных, полученных в ходе пилотного, тройного слепого, перекрестного, плацебо-контролируемого, рандомизированного клинического исследования эффективности применения HD-tDCS. пациентам с нейропатической травмой плечевого сплетения. Участники будут оцениваться на предмет соответствия требованиям, а затем случайным образом распределяются на две группы для получения активной HD-tDCS или смоделированной HD-tDCS. Первичным результатом будет интенсивность боли, измеренная по числовой шкале боли. Участникам будет предложено принять участие в исследовании ЭЭГ перед началом лечения. Метки клинического улучшения, используемые для классификации машинного обучения, будут определяться на основе данных, полученных в ходе клинического испытания (исходная оценка и оценка после лечения). Гипотеза, принятая в этом исследовании, заключается в том, что модель прогнозирования ответа, построенная на основе данных о частотных полосах ЭЭГ, собранных на исходном уровне, сможет идентифицировать ответивших и не ответивших на лечение HD-tDCS.