Maschinelles Lernen zur Steuerung der rTMS-Behandlung bei Kopfschmerzen und Körperbeschwerden im Zusammenhang mit GWI

Kurzzusammenfassung

Ziel dieses klinischen Versuchs ist es, ein maschinelles Lernalgorithmus zu entwickeln, um aktive wiederholte transkranielle Magnetstimulation (rTMS) -Behandlungen für Veteranen und/oder aktive Militärpersonal durch Linderung von Golfkriegs-Krankheit (GWI)-bedingten Kopfschmerzen und Körperbeschwerden zu verbessern. Dieses Studie zielt darauf ab, ein Support Vector Machine (SVM)-Modell zu entwickeln und zu validieren, das den Trial-and-Error-Prozess durch die Bewertung der durch Ruhezustand funktionelle Magnetresonanztomografie (rs-fMRI)-Daten bereitgestellten funktionalen Kopplung verwendet, um das effektivste rTMS-Protokoll für jeden Teilnehmer vorherzusagen. Alle Teilnehmer werden aktive rTMS-Behandlungen erhalten. Die Hauptfragen, die es beantworten will, sind: 1. Predigt das SVM-Modell eine höhere effektive Therapieerfolgsrate für vorhergesagte Respondenten, die aktive rTMS im linken dorsolateralen präfrontalen Kortex (DLPFC) im Vergleich zu vorhergesagten Nicht-Respondenten durchführen? 2. Predigt das SVM-Modell eine höhere effektive Therapieerfolgsrate während der aktiven rTMS im linken dorsolateralen präfrontalen Kortex (DLPFC) und linken motorischen Kortex (LMC) bei vorhergesagten Respondenten im Vergleich zu vorhergesagten Nicht-Respondenten? Die Teilnehmer werden die folgenden Maßnahmen unternehmen: 1. Erhalten insgesamt 13 aktive rTMS-Behandlungssitzungen über 3-4 Monate. 2. Besuchen sie die Klinik für insgesamt 15 Besuche für Bewertungen, Kontrollen und Behandlungen. 3. Führen sie während des gesamten Studienzeitraums einen täglichen Log über ihre Kopfschmerzen und Muskel- und Gelenkschmerzen.