慢性腰部疼痛中改变的半神经连接:一个fMRI和机器学习研究

科学领域:

• 神经科学是一个神经科学.
• 疼痛研究 疼痛研究
• 医疗成像医学成像

背景情况:

• 虽然已知骨在疼痛和镇痛中的作用,但其在慢性腰部疼痛 (cLBP) 中的具体作用仍未得到充分研究.
• 目前对cLBP中habenula的研究是有限的,需要进一步探索其功能连接.

研究的目的:

• 研究cLBP患者的休息状态功能连接 (rsFC) 和 Habenula 的有效连接.
• 评估使用habenula连接模式在cLBP患者和健康对照 (HCs) 之间基于机器学习的歧视的潜力.

主要方法:

• 利用rsFC和动态因果建模 (DCM) 来分析52名cLBP患者和52名HC患者的大脑连接.
• 采用机器学习算法 (支持向量机,线性回归,随机森林) 来根据连接数据对cLBP进行分类.
• 在一个独立的队列中验证的结果.

主要成果:

• cLBP患者表现出改变的rsFC,包括增加了 habenula 和上额叶皮层,乳腺体和胰岛之间的连接性,以及减少了与pons的连接性.
• 在cLBP中,有效的连接性分析显示了从右丘脑到右 Habenula 的增强路径.
• 连接性测量与cLBP患者的疼痛强度,抑郁症得分和疼痛持续时间相关联.
• 机器学习模型在区分cLBP和HC时取得了显著的准确性 (在初级队列中高达75.9%,在验证中高达68.8%).

结论:

• 研究结果表明,异常的 habenula rsFC 和有效的连接性与cLBP有关.
• 这些连接性改变可能作为cLBP的潜在生物标志物.
• 机器学习方法显示出使用神经成像数据对cLBP的客观歧视有前途.