Mit Machine Learning den Schmerz besser verstehen

Sie haben an gesunden Probanden eine Fülle von Schmerzdaten gesammelt und mithilfe von maschinellem Lernen erfolgreich strukturiert. Wenn man einen Sonnenbrand hat, tut sogar die Berührung der Bettdecke weh. Und Wärmesalbe, auf einen steifen Nacken aufgetragen, fängt unter der Dusche höllisch an zu brennen. Ebenso können Menschen mit chronischen Schmerzen empfindlicher auf Druck oder Wärme reagieren als Gesunde. Aber wie kann man diese subjektiven Empfindungen objektivieren, so dass man sie besser behandeln kann?

Um das herauszufinden, haben die Forscher ein „menschliches Schmerzmodell“ entwickelt. „Indem wir gesunde Probanden verschiedenen Reizen wie Druck, Hitze oder Kälte aussetzen und anschließend die Schmerzschwelle bestimmen, können wir klinischen Schmerz unter Laborbedingungen nachbilden“, erklärt Prof. Jörn Lötsch vom Institut für Klinische Pharmakologie der Goethe-Universität und Mitglied der Fraunhofer Projektgruppe TMP. Diese Projektgruppe wird durch die hessische LOEWE-Initiative gefördert und hat das Ziel, akademische Forschung enger mit der klinischen und pharmazeutischen Forschung zu verzahnen.

Mit UV-Strahlen erzeugten Lötsch und seine Mitarbeiter bei 82 Probanden Mikrosonnenbrände auf etwa einem Quadratzentimeter der Haut und trugen an anderen Stellen Capsaicin-Salbe auf. Capsaicin kommt in Chili-Schoten vor und ist der Hauptwirkstoff vieler Wärmesalben. Beide Maßnahmen führen zu lokal begrenzten Schädigungen des Gewebes und senken damit die Schmerzschwelle. Nun probierten die Forscher systematisch aus, wie viel empfindlicher die Probanden reagierten, wenn sie an diesen Stellen zusätzlich gewärmt, gekühlt, gedrückt oder gepiekt wurden. Die Probanden sollten sagen, ab welcher Temperatur oder welchem Druck sie den allmählich gesteigerten Reiz spürten und wann er unangenehm wurde.

Die so gewonnenen 2460 Messdaten analysierten und strukturierten Prof. Lötsch und sein Kollege Prof. Alfred Ultsch von der Universität Marburg nun mithilfe des maschinellen Lernens. Das selbstorganisierende Programm fand wie erwartet, dass der Mikrosonnenbrand alle Probanden für Hitze empfindlicher machte. Ebenso reagierten sie stärker auf Kältereize. Nach der Vorbehandlung mit Capsaicin war den Probanden Hitze ebenfalls unangenehmer. Bei der computergestützten Analyse gab es jedoch eine Überraschung: Es kristallisierten sich bei der Druckempfindlichkeit nach Behandlung mit Capsaicin zwei Untergruppen heraus, die sich durch ihr Geschlecht unterschieden: Frauen reagierten auf Druck empfindlicher als Männer.

„Die Studie war ein Methoden-Test. Wir wollten wissen, ob man komplexe Informationen über den Schmerz mit maschinellem Lernen anschaulich und greifbar machen kann“, erklärt Lötsch. Das Ergebnis ist eine dreidimensionale Darstellung, die nun das Titelblatt der weltweit führenden Fachzeitschrift „Pain“ ziert – was Forscher ebenso auszeichnet, wie für Modells, die auf das Covergirl eines Modemagazins kommen.

Mithilfe des neuen Ansatzes wollen die Forscher nun auch klinische Daten chronisch kranker Menschen untersuchen. Sie hoffen insbesondere herausfinden zu können, wie man Patienten helfen kann, bei denen die Schmerztherapie nicht zufriedenstellend funktioniert. „Dieser innovative fachübergreifende Ansatz in seiner Kombination aus experimenteller biomedizinischer und informatischer Forschung wird in Zukunft eine immer größere Rolle spielen bei der datenbasierten Entwicklung neuer Arzneimittel zur Behandlung von Schmerzen“, erwartet Prof. Gerd Geißlinger, Direktor der Fraunhofer-Projektgruppe für „Translationale Medizin und Pharmakologie“ (TMP).

Quelle: Goethe-Universität Frankfurt am Main

11.01.2018

• Forschung (2747)
• Machine Learning (87)
• Schmerz (119)