Schmerz kann als Präzisionssignal für Verstärkungslernen im Gehirn verstanden werden, und Veränderungen in diesen Prozessen sind ein Kennzeichen chronischer Schmerzzustände. Die Untersuchung individueller Unterschiede beim schmerzbezogenen Lernen ist daher von großer klinischer und translationaler Bedeutung. Hier haben wir ein neuartiges, auf der Konnektivität des Gehirns im Ruhezustand basierendes Vorhersagemodell für schmerzbezogenes Lernen entwickelt und extern validiert. Die vorregistrierte externe Validierung zeigt, dass das vorgeschlagene Modell 8-12% der interindividuellen Varianz im schmerzbezogenen Lernen erklärt. Die Vorhersagen des Modells werden durch Verbindungen der Amygdala, der posterioren Insula, der sensomotorischen, frontoparietalen und zerebellären Regionen angetrieben, die ein Netzwerk für aversives Lernen und Schmerz darstellen. Wir schlagen das resultierende Modell als robusten und leicht zugänglichen Biomarker-Kandidaten für die klinische und translationale Schmerzforschung vor, mit vielversprechenden Auswirkungen auf personalisierte Behandlungsansätze und mit einem hohen Potenzial, unser Verständnis der neuronalen Mechanismen des schmerzbezogenen Lernens zu verbessern.

Lesen Sie die englische Originalpublikation hier.