Saúde Desvendada

A dor crônica, uma condição complexa que envolve aspectos físicos, psicológicos, emocionais e sociais, desafia a medicina na busca por métodos objetivos de quantificação e compreensão. Uma pesquisa recente explorou o uso da magnetoencefalografia (MEG) e do aprendizado de máquina para identificar biomarcadores da dor crônica e avaliar a eficácia da estimulação da medula espinhal (SCS).

O estudo envolveu 25 pacientes com SCS, submetidos a exames de MEG durante diferentes tipos de estimulação (tônica, burst e sham), além de 25 pacientes com dor crônica e 25 indivíduos sem dor. Foram analisadas as densidades espectrais de potência em 94 regiões cerebrais, extraindo seis características espectrais, incluindo a frequência de pico alfa, a razão de potência alfa e a potência média nas bandas theta, alfa, beta e gama baixa. Empregando o aprendizado de máquina automatizado, os pesquisadores buscaram a combinação ideal de métodos para criar modelos de classificação e regressão da dor e da intensidade da dor.

Os resultados indicaram que a razão de potência theta e a razão de potência alfa se mostraram promissoras na classificação da dor crônica, alcançando uma precisão de 76%. No entanto, o modelo apresentou baixa correlação com as pontuações de dor relatadas pelos pacientes com SCS. Embora o estudo demonstre o potencial da MEG e do aprendizado de máquina na identificação de biomarcadores da dor, os autores recomendam a utilização de uma variedade maior de características de entrada e parâmetros de resultado para aprimorar a precisão e a aplicabilidade dos modelos. Essa pesquisa abre caminhos para abordagens mais personalizadas no tratamento da dor crônica, com base em assinaturas cerebrais identificadas por meio da MEG e da inteligência artificial.

Origem: Link