Nat Med：研究发现持续性疼痛的神经影像学生物标记物

来源：brainnews

研究问题

能否基于全脑功能连接性识别基于功能磁共振成像(fMRI)的实验性持续疼痛（experimental tonic pain）特征？

这种持续性疼痛特征能够用于解释临床上的个体差异吗？

这种功能连接模型在捕捉实验性持续疼痛、临床疼痛（clinical pain）和实验性阶段疼痛（experimental phasic pain，EPP）方面有什么相似或不同点？

研究问题和主要分析概述

主要结果

研究开发了一种可以预测实验诱导持续性疼痛强度的功能连接特征（Tonic Pain Signature，ToPS)。在三项关于口面部持续性疼痛和厌恶性体验的独立研究中， ToPS对三个独立数据集中疼痛评分的动态变化具有高度预测性(被试内r = 0.47-0.64)；而且ToPS可以正确区分持续性疼痛和和其他非疼痛性厌恶症状（包括苦味和厌恶气味，准确率约76-85%)，该特征显示出对持续性疼痛的高度敏感性和特异性。

ToPs示意图

从外层到内层，圆圈的第一层代表不同的功能组，第二层和第三层分别代表来自每个大脑区域的正、负预测权重的总和。

研究通过在两个临床腰背痛数据集(n = 192)，即亚急性背痛(subacute back pain，SBP)和慢性背痛(subacute back pain，CBP)上针对ToPS进行测试和重复验证发现，ToPS可以预测两种不同临床疼痛状况下的总体疼痛严重程度(r = 0.56-0.57)，并准确地将CBP患者与健康对照组区分开来(准确性约为71-73%)。

临床疼痛模型的预测性能

研究通过比较持续性、临床性和阶段性疼痛的预测性脑连接模式(n = 33)发现，持续实验性疼痛和临床性疼痛的网络水平表征是相似的，特别是在躯体运动、额顶和背侧注意网络中，这些模式与实验性阶段性疼痛的表现不同。

腹侧纹状体基于种子点的连接性分析

总的来说，这项研究发现了实验诱发持续性疼痛的独特功能性脑网络特征，并提供了一种基于大脑的可以用于预测持续性疼痛强度的生物标记物。

虽然仍需要对来自不同人群和不同实验室的数据进行进一步的验证和独立测试，以提供更明确的证据来证明ToPS的稳健性和可推广性，但本研究通过8个独立数据集获得的可推广性结果为神经影像疼痛生物标志物提供了有意义的一步，这种生物标记物有可能在临床环境中用于表征患者疼痛体验相关的大脑活动和治疗反应，具有很高的临床转化潜力。