Framework di Machine Learning Utilizza l'EEG per Prevedere gli Esiti del Trattamento del Dolore Cervicale Cronico

Un innovativo framework di machine learning sfrutta l'elettroencefalografia (EEG) per prevedere l'efficacia dei trattamenti per individui affetti da dolore cervicale cronico, con l'obiettivo di abbandonare il tradizionale metodo per tentativi ed errori a favore di una terapia personalizzata. Questo framework, descritto in arXiv:2605.16326, enfatizza una fase di pre-elaborazione completa adattata a ciascun tipo di registrazione EEG. Per l'EEG a riposo, la procedura prevede la rimozione dei segnali di base, l'identificazione e l'esclusione di canali difettosi, il ri-riferimento, il filtraggio con metodi passa-banda e notch, l'analisi delle componenti indipendenti (ICA) e l'analisi della densità spettrale di potenza. Per le registrazioni di esecuzione motoria e immaginazione motoria, vengono eseguiti gli stessi passaggi iniziali, seguiti dall'allineamento dei segnali agli eventi trigger per valutare la desincronizzazione evento-correlata (ERD) e la sincronizzazione evento-correlata (ERS). Il dolore cervicale cronico è un importante contributore alla disabilità globale, e questo metodo ha il potenziale di alleviare la pressione sui sistemi sanitari facilitando strategie di trattamento più efficaci e personalizzate.